Microsoft dice que su IA diagnostica mejor que los médicos, pero aún no ha atendido pacientes reales
MAI-DxO logró una mayor precisión diagnóstica en casos complejos y de urgencias, pero los resultados se basan en historiales clínicos y no en atención médica en vivo
Microsoft asegura que su más reciente sistema de inteligencia artificial médica puede diagnosticar enfermedades con mayor precisión que los médicos humanos, pero la tecnología aún debe demostrar su eficacia en un entorno clínico real. El Orquestador de Diagnóstico de la compañía, conocido como MAI-DxO, alcanzó una precisión diagnóstica considerablemente superior a la de médicos generalistas en un estudio revisado por pares y publicado en Science.
Sin embargo, los resultados se obtuvieron en una prueba controlada con historiales clínicos existentes, no con pacientes que buscaban atención. La diferencia es importante: acertar en un ejercicio de investigación no necesariamente se traduce en una atención más segura o efectiva.
El director ejecutivo de Microsoft AI, Mustafa Suleyman, ya ha pronosticado grandes cambios en el sector de la salud. En declaraciones a The Verge, afirmó: "El próximo año veremos implementaciones extremadamente impresionantes de sistemas inteligentes en producción".
La compañía se prepara ahora para probar su enfoque en hospitales, donde su desempeño podrá evaluarse en condiciones clínicas reales. Hasta que exista esa evidencia, los resultados representan un hallazgo prometedor de investigación, no una prueba de que la IA esté lista para asumir el diagnóstico médico.
El orquestador de diagnóstico de Microsoft supera a los médicos en precisión
El estudio evaluó MAI-DxO con dos grupos de casos médicos: 304 casos complejos publicados en The New England Journal of Medicine y 325 atenciones en servicios de urgencias extraídas de la base de datos MIMIC-IV-ED.
Según la investigación publicada en Science, MAI-DxO alcanzó una precisión diagnóstica del 83,2 % en los casos complejos. Los médicos generalistas que podían consultar material de referencia obtuvieron un 36,1 % en la comparación del estudio, mientras que su precisión sin esos recursos fue del 22,3 %.
La comparación se hizo con médicos generalistas individuales, no con equipos de especialistas que trabajaran juntos en casos difíciles. En los casos de urgencias, la IA obtuvo un 80,3 %, frente al 46,8 % de los médicos.
Cómo se desempeñó el sistema en términos de costos
El sistema también tuvo un buen desempeño en las pruebas que tomaron en cuenta los costos estimados para llegar a un diagnóstico, aunque los resultados dependieron de la configuración utilizada.
En la comparación de casos complejos, la versión con mayor precisión alcanzó un 83,2 % con un costo estimado de 5.431 dólares por caso, frente a los 4.725 dólares de los médicos generalistas que usaron material de referencia.
Microsoft también probó versiones más económicas, que costaban menos y seguían siendo más precisas que los promedios de los médicos, aunque su precisión era inferior a la de la configuración con mejor desempeño. Estas cifras son estimaciones basadas en la metodología del estudio, no ahorros demostrados en hospitales.
Una característica importante de la investigación es que a MAI-DxO no se le entregó simplemente una historia clínica completa para que escogiera una respuesta. En cambio, el sistema analizó cada caso por etapas: decidió qué información solicitar, qué exámenes realizar y cómo revisar su evaluación a medida que recibía nuevos hallazgos.
El sistema simula un panel de médicos virtuales. Esta estructura permite considerar distintos enfoques diagnósticos antes de llegar a una conclusión. Los investigadores sostienen que el proceso se parece más al razonamiento clínico que las pruebas convencionales de IA, en las que se proporciona de antemano toda la información relevante.
Los resultados también deben analizarse teniendo en cuenta quiénes son los autores del estudio. La investigación fue realizada por investigadores de Microsoft, empleados de la compañía que además tienen participación accionaria en ella.
Aunque el artículo fue revisado por pares y publicado en Science, una replicación independiente ayudaría a establecer si los resultados se mantienen más allá de la evaluación del propio equipo.
Por qué la IA médica de Microsoft todavía necesita pruebas en el mundo real
La principal limitación es que la investigación midió el desempeño del sistema con historiales de casos, no la forma en que MAI-DxO actuaría al interactuar con pacientes durante una atención médica real.
La prueba utilizó información textual de los casos y simuló el proceso de recopilar datos adicionales. No incluyó consultas directas con los pacientes cuyos casos fueron evaluados, exámenes físicos realizados por la IA ni interpretación en tiempo real de imágenes médicas.
Por lo tanto, no pudo reproducir plenamente la incertidumbre y la interacción que surgen cuando los pacientes describen sus síntomas durante una atención médica real.
El estudio tampoco estableció si el uso del sistema mejoraría las tasas de recuperación, evitaría complicaciones o reduciría el número de diagnósticos que no se detectan.
También hay una diferencia entre identificar el diagnóstico correcto y decidir qué hacer con un paciente. Los médicos deben sopesar las opciones de tratamiento, explicar los riesgos, tener en cuenta las circunstancias individuales y responder cuando cambia el estado de salud del paciente. El estudio no demostró que MAI-DxO pueda cumplir esas responsabilidades con la misma eficacia que los profesionales de la salud.
En su anuncio sobre la investigación, Microsoft expuso sus planes de trabajar con el Centro Médico Beth Israel Deaconess, en Boston, para evaluar el sistema en un entorno clínico. El trabajo propuesto examinará su razonamiento diagnóstico en escenarios con pacientes reales, en lugar de depender únicamente de casos archivados.
Reuters también informó sobre los resultados y señaló que el sistema está diseñado para recopilar información progresivamente, de manera similar a como un médico investiga un caso.
Los investigadores tendrán que establecer con qué fiabilidad el sistema maneja información incompleta, si sus recomendaciones son seguras y cómo se desempeña junto con los profesionales de la salud.
Por ahora, Microsoft ha demostrado que su IA puede alcanzar una alta precisión diagnóstica en condiciones controladas de prueba. Si puede ofrecer los mismos resultados en el entorno impredecible de la atención médica cotidiana sigue siendo una pregunta abierta.