Microsoft afferma che il suo sistema di intelligenza artificiale medica è in grado di diagnosticare casi difficili con una precisione doppia rispetto a quella dei medici praticanti - e questa volta l'affermazione è sopravvissuta alla revisione tra pari.
Secondo uno studio intitolato "Diagnosi sequenziale con modelli linguistici", il Microsoft AI Diagnostic Orchestrator (MAI-DxO) "ha sostanzialmente sovraperformato i medici generalisti" in termini di accuratezza diagnostica ordinando meno test e procedure. Il lavoro è apparso per la prima volta su arXiv lo scorso anno come prestampa non sottoposta a revisione paritaria. Giovedì, i risultati sono stati formalmente pubblicati sulla rivista Science, un passo che, secondo Microsoft, sposta il sistema da un impressionante territorio dimostrativo verso una credibilità clinica. Per maggiori informazioni su questa storia, consulta la nostra aggiornamenti sull'intelligenza artificiale.
Nei test basati su casi clinici complessi pubblicati sul New England Journal of Medicine, MAI-DxO ha raggiunto un’accuratezza diagnostica dell’83,2%, rispetto al 36,1% dei medici generalisti che avevano accesso ai materiali di riferimento. Quando ai medici sono state negate tali risorse, la loro precisione è scesa a circa il 22%, rendendo il sistema di intelligenza artificiale quasi quattro volte più accurato in quelle condizioni. In un test separato basato sui ricoveri al pronto soccorso, l’IA ha nuovamente sovraperformato i medici generalisti, anche se con un margine più ristretto dall’80,3% al 46,8%.
Un sistema che diagnostica come fanno i medici
Ciò che distingue MAI-DxO dai controlli dei sintomi convenzionali è che funziona in sequenza. I pazienti non consegnano al modello un file completo di sintomi, storia e risultati dei test. Invece, il sistema inizia con un reclamo principale e deve decidere quali domande di follow-up porre e quali test ordinare prima di impegnarsi in una diagnosi, molto più vicino a come lavora un vero medico in condizioni di incertezza.
I ricercatori affermano che i benchmark precedenti non sono riusciti a valutare le capacità diagnostiche dei modelli linguistici di grandi dimensioni in questo modo sequenziale, quindi hanno costruito una nuova valutazione chiamata Sequential Diagnosis Benchmark, o SDBench.
Dietro le quinte, MAI-DxO "simula un gruppo di medici", secondo l'articolo, rivedendo continuamente una diagnosi differenziale e selezionando test economicamente vantaggiosi. Diversi agenti di intelligenza artificiale assumono ruoli distinti: proporre diagnosi, ordinare test, sfidare ipotesi e valutare i costi. I ricercatori suggeriscono che questa struttura aiuta a contrastare i pregiudizi cognitivi che colpiscono i singoli medici, come ancorarsi a una diagnosi iniziale o trascurare spiegazioni alternative.
Basato sui modelli GPT di OpenAI
Il sistema ha ottenuto i risultati migliori utilizzando GPT-5 di OpenAI, con ulteriori test che hanno mostrato ulteriori miglioramenti utilizzando GPT-5.5. Microsoft sottolinea anche l'aspetto economico: secondo l'azienda, MAI-DxO raggiunge la diagnosi giusta a metà o addirittura a un terzo del costo ordinando meno test e procedure non necessari.
Questa dichiarazione di costo viene accompagnata da un avvertimento che Microsoft stessa segnala: i risparmi sono modellati sui costi stimati in casi simulati, non sulle fatture mediche del mondo reale. I ricercatori riconoscono anche che si aspetterebbero che il divario prestazionale si restringesse se il sistema fosse confrontato con specialisti esperti piuttosto che con medici generalisti.
Dal punto di riferimento al comodino
La pubblicazione su una rivista prestigiosa è una cosa; trattare i pazienti è un altro. Il capo dell’intelligenza artificiale di Microsoft, Mustafa Suleyman, ha dichiarato a The Verge che qualsiasi implementazione nel mondo reale richiederebbe comunque test clinici – e la società ha già dei piani per questo. Il responsabile sanitario dell'intelligenza artificiale di Microsoft, il dottor Dominic King, ha affermato che i test inizieranno presso il Beth Israel Deaconess Medical Center di Boston entro i prossimi due mesi.
Questo approccio graduale è importante, perché il settore ha già visto questo film. All’inizio di quest’anno, ricercatori dell’Università di Harvard e del Beth Israel Deaconess Medical Center hanno riferito che il modello di ragionamento o1-preview di OpenAI ha battuto i medici anche nei compiti diagnostici, alimentando un’ondata di titoli secondo cui l’IA avrebbe sostituito i medici. Ciò che questi studi non sono riusciti a stabilire è la sicurezza in contesti clinici dal vivo, dove gli errori comportano conseguenze reali e la popolazione dei pazienti è molto più disordinata rispetto ai casi di giornale curati.
Microsoft si è appoggiata a un quadro ambizioso, pubblicando il proprio annuncio sotto lo slogan della "costruzione di una superintelligenza medica". Suleyman ha posizionato il ragionamento diagnostico come uno degli ambiti più evidenti in cui l’intelligenza artificiale può superare le prestazioni degli esperti umani nel breve termine.
Perché i dettagli sono importanti
I casi NEJM utilizzati nel benchmark sono, per definizione, difficili dal punto di vista diagnostico: il tipo di enigmi che vengono scritti proprio perché hanno sconcertato qualcuno. L'assistenza primaria quotidiana comporta enormi volumi di presentazioni di routine in cui la precisione generalista è naturalmente molto più elevata. Un sistema che raddoppia la precisione su casi rari e complessi è prezioso, ma non equivale a raddoppiare la precisione in tutta la medicina.
C’è anche la questione della responsabilità. Se un orchestratore di intelligenza artificiale ordina una cascata di test che non rileva una condizione fatale, le questioni di responsabilità rimangono irrisolte nella maggior parte delle giurisdizioni. Gli studi clinici presso il Beth Israel Deaconess hanno lo scopo di generare esattamente il tipo di prove potenziali di cui i regolatori e i sistemi ospedalieri avrebbero bisogno.
Tuttavia, la traiettoria è difficile da ignorare. Un risultato sottoposto a revisione paritaria su Science, un piano di test clinici definito e la pressione sui costi sui sistemi sanitari puntano tutti nella stessa direzione: l’intelligenza artificiale diagnostica si sta spostando dalle dimostrazioni di ricerca verso la pratica medica regolamentata. La prossima pietra miliare saranno i risultati dello studio di Boston, il primo test per verificare se la posizione dominante dei benchmark si traduce in risultati migliori per i pazienti reali.
Per ora, l'inquadramento stesso dell'articolo è il riassunto più corretto: sulla diagnosi sequenziale di casi complessi, un gruppo simulato di medici specializzati in intelligenza artificiale ha sovraperformato i medici generalisti con un ampio margine, a un costo stimato inferiore. Trasformarlo in una pratica clinica approvata è il problema più difficile a cui Microsoft si è ora iscritta.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
