La compañía presentó un sistema que acertó en el 83% de los casos médicos complejos simulados, frente al 36% de médicos generalistas. Mustafa Suleyman busca avanzar hacia una “superinteligencia médica” y prepara pruebas en hospitales para evaluar su desempeño en condiciones reales.
Microsoft quiere convertir la inteligencia artificial en una herramienta central para el razonamiento clínico. Un estudio publicado en la revista científica Science mostró que su sistema MAI-DxO logró diagnosticar correctamente enfermedades complejas en más del doble de los casos que un grupo de médicos generalistas en una simulación. Sin embargo, los resultados todavía no demuestran que la tecnología supere a los especialistas en la práctica clínica cotidiana.
El sistema, cuyo nombre abrevia Diagnostic Orchestrator, coordina varios agentes de inteligencia artificial que trabajan de manera similar a un panel médico: hacen preguntas al paciente, solicitan estudios y debaten posibles diagnósticos antes de llegar a una conclusión.
En una evaluación con casos médicos complejos publicados en The New England Journal of Medicine, MAI-DxO alcanzó una precisión del 83%. En comparación, médicos de atención primaria e internistas generales que trabajaron individualmente y con acceso a materiales de consulta acertaron el 36% de las veces.
La comparación tiene una limitación importante: los casos utilizados eran tan complejos que, en la práctica, suelen quedar en manos de especialistas o equipos de médicos. Estos profesionales no participaron en el estudio comparativo.
“Hay algo muy sustancial y emocionante aquí”, afirmó Dominic King, vicepresidente de Salud de Microsoft AI, en declaraciones a TechCrunch. Para el ejecutivo, uno de los principales problemas de los sistemas sanitarios es “el creciente desequilibrio entre la demanda y la oferta de conocimientos médicos especializados”.
El modelo de IA también importa: GPT-5.5 alcanzó casi el 87%
Los resultados muestran que la mejora no depende exclusivamente de la coordinación entre agentes. Buena parte del rendimiento proviene de los modelos de inteligencia artificial subyacentes, mientras que MAI-DxO puede aportar mejoras adicionales en precisión y costos.
Microsoft evaluó el sistema con modelos de distintas compañías, entre ellas OpenAI, Google, Anthropic, Meta y DeepSeek. Sus mejores resultados llegaron al utilizar GPT-5 y GPT-5.5, de OpenAI.
Con GPT-5, una instrucción básica y sin el sistema de coordinación, la precisión fue del 78,9% en casos complejos, con un costo estimado de aproximadamente U$S 8.400 por caso. Al incorporar MAI-DxO, el costo se redujo en alrededor de U$S 3.000 y la precisión aumentó unos cuatro puntos porcentuales.
Con GPT-5.5, un modelo lanzado en abril de 2026, el sistema elevó la precisión en casos complejos del 72% a casi el 87%, con un costo ligeramente inferior. En cambio, en casos de guardia y emergencia, la incorporación de MAI-DxO no produjo mejoras relevantes: tanto GPT-5.5 solo como acompañado por el sistema alcanzaron aproximadamente el 85%, con costos similares.
La coordinación también ayudó a modelos menos capaces. Gemini 2.5 Flash, de Google, pasó de una precisión del 46,4% sin asistencia a casi el 69% con MAI-DxO. Aun así, la diferencia entre los modelos más avanzados y los menos potentes fue mayor que la mejora aportada por el sistema de coordinación.
Microsoft sostiene que las ganancias de precisión tienden a reducirse a medida que los modelos se acercan a su máximo rendimiento teórico. Un portavoz de la compañía explicó que la orquestación de MAI-DxO contribuye a optimizar tanto la precisión como los costos.
Microsoft y Mayo Clinic preparan un modelo médico propio
Mustafa Suleyman, CEO de Microsoft AI y responsable del esfuerzo de la compañía para desarrollar modelos de frontera, considera que estos avances forman parte de una estrategia más amplia. Microsoft trabaja con Mayo Clinic en el entrenamiento de un modelo fundacional específico para el sector sanitario, cuyo lanzamiento está previsto para 2027.
“Creo que vamos a estar al borde de un avance revolucionario en los registros médicos en 2027”, afirmó Suleyman. Según el ejecutivo, la tecnología podría generar predicciones altamente precisas sobre cómo evolucionará un historial clínico, una capacidad que permitiría anticipar necesidades y ofrecer información valiosa a los profesionales de la salud.
Suleyman espera que los modelos médicos mejoren su capacidad “en un orden de magnitud” durante los próximos 24 a 36 meses. Para explicar cómo podría acelerarse ese progreso, utilizó el concepto de flywheel, o ciclo de mejora continua: un modelo se despliega, se utiliza en situaciones reales, permite identificar sus limitaciones y luego se actualiza para corregirlas.
“Eso es lo que ocurrió con la programación. Antes, había pasado con los chats. Y creo que el próximo año empezará a suceder con los registros médicos y el apoyo a las decisiones clínicas”, señaló.
El ejecutivo cofundó DeepMind, adquirida por Google en 2014. En 2015, Google DeepMind compró Hark, una startup de gestión de tareas clínicas fundada por King, y ambos pusieron en marcha DeepMind Health. Suleyman se incorporó a Microsoft para dirigir su unidad de inteligencia artificial en 2024, y King lo siguió unos meses después.
Las pruebas hospitalarias serán el próximo examen
Microsoft también anunció una colaboración con Beth Israel Deaconess Medical Center, en Boston, para evaluar el razonamiento clínico de MAI-DxO en diferentes entornos hospitalarios.
El estudio permitirá comparar las recomendaciones del sistema con las decisiones de los médicos. Los pacientes recibirán la atención habitual —incluidos el triaje, las consultas con especialistas, los tratamientos, los estudios y la evaluación sobre si pueden recibir el alta— y aquellos que acepten participar interactuarán también con MAI-DxO.
“Esta tecnología está preparada para evaluaciones en el mundo real”, dijo King, quien destacó la complejidad y diversidad de los casos que llegan a una guardia hospitalaria.
La iniciativa se suma a un estudio publicado este mes por Google y Beth Israel en The Lancet, destinado a evaluar AMIE, el sistema conversacional de diagnóstico de Google, durante consultas reales de atención urgente, con médicos supervisando las interacciones.
Microsoft define la “superinteligencia médica” como la capacidad de superar a los sistemas sanitarios contemporáneos liderados por personas en razonamiento y coordinación médica a lo largo de todo el proceso de atención. Su objetivo declarado es ir más allá de los resultados en pruebas aisladas, como responder preguntas de exámenes o sugerir diagnósticos, e integrar estas tecnologías con los profesionales y las instituciones sanitarias.
La compañía ya comercializa herramientas de dictado y radiología para médicos y considera a MAI-DxO una expansión de esa oferta. “Tenemos que contar con los productos de apoyo a las decisiones clínicas médicas más avanzados del mundo durante los próximos años”, sostuvo Suleyman.
El desafío ahora será demostrar que los resultados obtenidos en simulaciones se traducen en beneficios clínicos concretos, con seguridad y consistencia en hospitales reales. Para Microsoft, esa validación será determinante para convertir el potencial de la IA en una herramienta de uso más amplio en los sistemas de salud.
