La herramienta MAI-DxO analiza casos médicos paso a paso y ofrece diagnósticos más precisos y económicos que médicos generales, según un nuevo estudio
Un equipo de investigación de Microsoft, en colaboración con expertos en salud, ha desarrollado una nueva herramienta de inteligencia artificial (IA) llamada MAI Diagnostic Orchestrator (MAI-DxO) que logra diagnosticar enfermedades con mayor precisión y menor costo que médicos humanos experimentados. Este avance fue presentado en un estudio que introdujo un nuevo estándar para evaluar IA médica en condiciones más realistas: el Sequential Diagnosis Benchmark (SDBench), basado en casos clínicos complejos publicados en el New England Journal of Medicine.
A diferencia de las pruebas médicas tradicionales para IA, que se basan en preguntas de opción múltiple con toda la información del paciente ya disponible, SDBench simula el proceso real de diagnóstico clínico. En este enfoque, la IA o el médico deben iniciar con solo una breve descripción del caso y decidir, paso a paso, qué preguntas hacer o qué exámenes ordenar, antes de emitir un diagnóstico final. Cada acción tiene un costo, lo que obliga a balancear precisión médica con eficiencia económica, tal como ocurre en hospitales reales.
MAI-DxO funciona como un equipo virtual de médicos, donde cada “rol” simula una función clínica: uno propone hipótesis, otro selecciona pruebas, uno más desafía ideas previas, otro cuida el presupuesto y el último verifica la coherencia de todo el proceso. Esta estrategia permite que el sistema evite errores comunes en el razonamiento clínico, como hacer suposiciones tempranas sin suficiente evidencia o gastar en estudios innecesarios.
Los resultados del estudio son contundentes: MAI-DxO, utilizando modelos de lenguaje avanzados como los de OpenAI, logró una precisión de diagnóstico del 85.5%, mientras que médicos humanos alcanzaron solo el 19.9% en los mismos casos. Además, MAI-DxO redujo significativamente los costos de diagnóstico, gastando hasta un 70% menos que otros modelos de IA sin coordinación y un 20% menos que los médicos humanos. El sistema también demostró adaptabilidad al mejorar el rendimiento de múltiples modelos de lenguaje, incluidos GPT-4o, Claude, Gemini y Grok.
Uno de los casos ilustrativos involucró a un paciente con síntomas complejos que un modelo de IA sin guía interpretó erróneamente como toxicidad por antibióticos, ordenando costosas pruebas. En cambio, MAI-DxO, gracias a su razonamiento estructurado, formuló preguntas clave sobre posibles exposiciones hospitalarias, identificando con precisión una intoxicación por alcohol en gel y reduciendo el costo del diagnóstico en más de un 75%.
El estudio detalla cómo la IA, cuando se diseña para razonar de manera similar a un equipo médico, puede ofrecer diagnósticos más acertados y rentables que las prácticas tradicionales. Aunque el sistema aún debe probarse en contextos clínicos reales con enfermedades comunes y recursos limitados, su potencial es indudable no solo como herramienta de apoyo para médicos en todo el mundo, sino también como base para mejorar la formación médica y optimizar la atención en sistemas de salud con pocos recursos.
