Microsoft affirme que son système d’IA médicale peut diagnostiquer les cas difficiles avec plus de deux fois plus de précision que les médecins en exercice – et cette fois, cette affirmation a survécu à l’examen par les pairs.
Le Microsoft AI Diagnostic Orchestrator (MAI-DxO) « a considérablement surpassé les médecins généralistes en exercice » en termes de précision du diagnostic tout en ordonnant moins de tests et de procédures, selon une étude intitulée « Diagnostic séquentiel avec modèles de langage ». Le travail est apparu pour la première fois sur arXiv l’année dernière en tant que prépublication non évaluée par des pairs. Jeudi, les résultats ont été officiellement publiés dans la revue Science, une étape qui, selon Microsoft, fait passer le système d'un territoire de démonstration impressionnant à une crédibilité clinique. Pour plus de contexte sur cette histoire, consultez notre actualités IA.
Dans les tests construits à partir de dossiers de cas complexes publiés dans le New England Journal of Medicine, MAI-DxO a atteint une précision diagnostique de 83,2 pour cent, contre 36,1 pour cent pour les médecins généralistes ayant accès à du matériel de référence. Lorsque les médecins se sont vu refuser ces ressources, leur précision est tombée à environ 22 %, ce qui rend le système d’IA presque quatre fois plus précis dans ces conditions. Dans un test distinct basé sur les admissions aux services d'urgence, l'IA a de nouveau surpassé les médecins généralistes, bien que par une marge plus étroite de 80,3 pour cent à 46,8 pour cent.
Un système qui diagnostique comme le font les médecins
Ce qui distingue MAI-DxO des vérificateurs de symptômes conventionnels, c'est qu'il fonctionne de manière séquentielle. Les patients ne remettent pas au modèle un dossier complet des symptômes, des antécédents et des résultats des tests. Au lieu de cela, le système commence par une plainte principale et doit décider quelles questions de suivi poser et quels tests commander avant de s'engager dans un diagnostic – ce qui se rapproche beaucoup plus de la façon dont un vrai médecin travaille dans l'incertitude.
Les chercheurs affirment que les tests de référence précédents n'ont pas réussi à évaluer les capacités de diagnostic des grands modèles de langage de cette manière séquentielle. Ils ont donc construit une nouvelle évaluation appelée Sequential Diagnosis Benchmark, ou SDBench.
Sous le capot, MAI-DxO « simule un panel de médecins », selon le journal, révisant continuellement un diagnostic différentiel et sélectionnant des tests rentables. Différents agents d’IA assument des rôles distincts : proposer des diagnostics, commander des tests, remettre en question des hypothèses et évaluer les coûts. Les chercheurs suggèrent que cette structure aide à contrer les biais cognitifs qui affectent chaque médecin, comme le fait de s’ancrer sur un diagnostic initial ou de négliger des explications alternatives.
Construit sur les modèles GPT d'OpenAI
Le système a obtenu ses meilleurs résultats avec GPT-5 d'OpenAI, avec des tests supplémentaires montrant de nouvelles améliorations avec GPT-5.5. Microsoft met également l'accent sur l'aspect économique : la société affirme que MAI-DxO permet d'obtenir le bon diagnostic pour la moitié, voire un tiers du coût, en commandant moins de tests et de procédures inutiles.
Cette affirmation sur les coûts s'accompagne d'une mise en garde que Microsoft lui-même signale : les économies sont modélisées sur les coûts estimés dans des cas simulés, et non sur des factures médicales réelles. Les chercheurs reconnaissent également qu’ils s’attendraient à ce que l’écart de performance se réduise si le système était comparé à des spécialistes experts plutôt qu’à des médecins généralistes.
Du benchmark au chevet
La publication dans une revue de premier plan est une chose ; soigner les patients en est une autre. Le chef de l'IA de Microsoft, Mustafa Suleyman, a déclaré à The Verge que tout déploiement dans le monde réel nécessiterait toujours des tests cliniques – et la société a déjà des plans pour cela. Le Dr Dominic King, responsable de la santé de l'IA chez Microsoft, a déclaré que les tests commenceraient au centre médical Beth Israel Deaconess à Boston dans les prochains mois.
Cette approche par étapes est importante, car le terrain a déjà vu ce film. Plus tôt cette année, des chercheurs de l'Université Harvard et du Beth Israel Deaconess Medical Center ont rapporté que le modèle de raisonnement o1-preview d'OpenAI battait également les médecins dans les tâches de diagnostic, alimentant une vague de gros titres sur le remplacement des médecins par l'IA. Ce que ces études n’ont pas pu établir, c’est la sécurité dans des contextes cliniques réels, où les erreurs entraînent de réelles conséquences et où la population de patients est bien plus compliquée que les cas sélectionnés dans les journaux.
Microsoft s'est penché sur un cadre ambitieux, en publiant sa propre annonce sous la bannière de la « construction d'une superintelligence médicale ». Suleyman a positionné le raisonnement diagnostique comme l’un des domaines les plus clairs dans lesquels l’IA peut dépasser les performances des experts humains à court terme.
Pourquoi les détails sont importants
Les cas NEJM utilisés dans le benchmark sont, de par leur conception, difficiles à diagnostiquer – le genre d’énigmes qui sont rédigées précisément parce qu’elles ont déconcerté quelqu’un. Les soins primaires quotidiens impliquent d'énormes volumes de présentations de routine où la précision généraliste est naturellement beaucoup plus élevée. Un système qui double la précision dans des cas rares et complexes est précieux, mais ce n’est pas la même chose que doubler la précision dans l’ensemble de la médecine.
Il y a aussi la question de la responsabilité. Si un orchestrateur d’IA ordonne une cascade de tests qui manque une condition mortelle, les questions de responsabilité restent en suspens dans la plupart des juridictions. Les essais cliniques menés à Beth Israel Deaconess visent à générer exactement le type de preuves prospectives dont les régulateurs et les systèmes hospitaliers auraient besoin.
Pourtant, la trajectoire est difficile à ignorer. Un résultat évalué par des pairs dans Science, un plan d’essais cliniques défini et la pression des coûts sur les systèmes de santé vont tous dans la même direction : l’IA diagnostique passe des démonstrations de recherche à une pratique médicale réglementée. La prochaine étape sera celle des résultats de l’essai de Boston – le premier test visant à déterminer si la domination des références se traduit par de meilleurs résultats pour les patients réels.
Pour l’instant, le cadrage du document est le résumé le plus juste : sur le diagnostic séquentiel de cas complexes, un panel simulé de médecins IA a largement surpassé les généralistes en exercice, à un coût estimé inférieur. Transformer cela en pratique clinique approuvée est le problème le plus difficile auquel Microsoft s’est désormais engagé.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
