ТехволнаВиртуальный консилиум Microsoft ставит диагнозы вдвое точнее врачей
Исследователи Microsoft 22 октября 2026 года опубликовали в журнале Science результаты работы системы MAI-DxO. Она имитирует консилиум: одна языковая модель последовательно запрашивает данные о пациенте, выбирает обследования и обсуждает возможные диагнозы, исполняя сразу несколько ролей. На материале из New England Journal of Medicine точность системы составила около 83%, а врачи, даже имея доступ к справочным ресурсам, дали верный ответ лишь в 36% случаев.
Для эксперимента авторы создали среду SDBench, где и врач, и искусственный интеллект получают информацию постепенно и сами решают, какой шаг предпринять дальше. В начале показывают краткое описание жалоб, после чего участник может задавать уточняющие вопросы, назначать обследования или сразу назвать окончательный диагноз. Каждый новый ответ позволяет пересмотреть гипотезы и выбрать следующее действие.
За выдачу сведений отвечает отдельная модель Gatekeeper, располагающая полным текстом истории болезни. Если запрошенного результата нет в исходном документе, она формирует синтетический ответ, чтобы диагностический разбор не прерывался. Когда участник завершает работу, модель Judge сравнивает его заключение с эталонным и выставляет оценку по пятибалльной шкале.
Правильными считаются ответы, получившие 4 или 5 баллов. Параллельно система подсчитывает оценочную стоимость назначенных обследований. В исследование вошли две группы случаев: 304 сложных клинических задачи из NEJM и 325 историй из базы MIMIC-IV-ED, куда включены пациенты, госпитализированные после обращения в приёмное отделение.
Для оценки использовали 254 валидационных и 71 тестовый случай, причём последние дополнительно проверили практикующие клиницисты. Архитектура MAI-DxO построена на оркестраторе, который управляет внутренним обсуждением. Одна и та же языковая модель поочерёдно генерирует диагностические гипотезы, выбирает обследования, ищет противоречия в текущем диагнозе, контролирует расходы и проверяет согласованность рассуждений.
После такого виртуального совещания система либо запрашивает новые сведения, либо завершает диагностику. Оркестратор можно подключать к разным базовым моделям. Microsoft испытала подход на семействах GPT, Claude, Gemini, Llama, Grok и DeepSeek.
Первые результаты компания показала ещё в июне 2025 года, а в новой публикации подтвердила, что при переходе на GPT-5.5 преимущество системы сохранилось без каких-либо изменений в методе оркестрации. В экспериментах с GPT-5 на сложных случаях NEJM MAI-DxO достигла 83,2% правильных ответов, тогда как врачи со справочными ресурсами — 36,1%, а без них — 22,3%. На материале MIMIC-IV-ED разрыв тоже оказался значительным: 80,3% у системы против 46,8% у врачей.
Базовая GPT-5 без оркестратора показала 78,9% точности при оценочных расходах 8 409 долларов на случай, а MAI-DxO с той же моделью — 83,2% при расходах около 5 430 долларов. Для сравнения, затраты врачей со справочными ресурсами оценили в 4 725 долларов. Бюджетные настройки позволяли менять соотношение точности и стоимости.
В режиме с ограничением бюджета система дала 79,6% верных диагнозов при средних расходах 1 303 доллара на случай, а при нацеленности на максимальную точность — 84,5% при расходах 8 945 долларов. Для случаев MIMIC-IV-ED конфигурация без бюджетных ограничений обеспечила 80,3% правильных ответов и расходы около 4 980 долларов. Microsoft открыла код SDBench, включая компоненты выдачи информации, оценки диагнозов и расчёта стоимости.
В репозитории лежат пять синтетических примеров для разработки, а для работы с реальными клиническими данными требуется отдельный доступ: случаи NEJM лицензируются, а набор MIMIC распространяется через PhysioNet. Пока все результаты получены в симуляции на текстовых историях болезни. Следующим этапом станет проверка в реальных клинических условиях.
Microsoft объявила о сотрудничестве с Beth Israel Deaconess Medical Center в Бостоне: в проспективном исследовании пациенты будут напрямую взаимодействовать с системой, а её заключения сравнят с независимыми оценками врачей.
