Microsoft publiceerde een studie waarin hun nieuwe diagnose-systeem MAI‑DxO complexe medische gevallen simuleerde en aanzienlijk beter presteerde dan individuele algemene artsen. Jij leest hier wat het systeem doet, hoe groot de verbeteringen zijn, en wat de beperkingen zijn volgens de onderzoekers.

Wat is MAI‑DxO en hoe werkt het?

MAI‑DxO is een coördinatiesysteem waarin meerdere AI-agents samenwerken, vergelijkbaar met een paneel van artsen. Zij stellen vragen aan een patiënt, vragen laboratorium- of beeldvormingsonderzoeken aan en debatteren over de meest waarschijnlijke diagnose.

In eenvoudige taal:

• een AI-agent voert het eerste gesprek met de patiënt;

• andere agents analyseren testuitslagen en medische gegevens;

• weer andere agents wegen de opties en bespreken de diagnose voordat er een advies komt.

Microsoft gebruikt in MAI‑DxO grote taalmodellen van verschillende bedrijven, waaronder OpenAI, Google en Anthropic. De beste resultaten in de studie kwamen met OpenAI’s GPT‑5 en GPT‑5.5. Microsoft noemt dit systeem een stap naar wat het bedrijf ‘medische superintelligentie’ noemt: een AI die menselijke zorgsystemen gemiddeld kan overtreffen in medische redenering en coördinatie.

Hoeveel beter was de AI in de simulatie?

De studie testte MAI‑DxO met complexe casussen afkomstig uit medische vaktijdschriften. De belangrijkste uitkomsten:

• MAI‑DxO was in de simulatie 83% correct bij de complexste gevallen.

• Huisartsen en algemene internisten, die individueel met naslagwerken werkten, waren 36% correct.

Belangrijk om te weten: zulke complexe gevallen worden in de praktijk meestal door specialisten of teams behandeld. Die specialisten waren niet opgenomen in de vergelijking.

De onderzoekers geven aan dat een groot deel van de winst komt door krachtigere onderliggende AI‑modellen. MAI‑DxO voegt daar bovenop extra verbetering toe door coördinatie tussen agents.

Kosten en waar het wél of niet helpt

Microsoft keek niet alleen naar nauwkeurigheid, maar ook naar de geschatte kosten per casus om het systeem te draaien.

• Met een korte, simpele opdrachtprompt scoorde GPT‑5 op zichzelf 78,9% bij complexe gevallen, tegen ongeveer $8.400 per casus.

• Met MAI‑DxO daalde de kosten met ongeveer $3.000, terwijl de nauwkeurigheid met zo’n vier procentpunt steeg.

Bij spoedeisende hulpgevallen (ER) bleven de verbeteringen echter uit. Zowel GPT‑5 alleen als GPT‑5 met MAI‑DxO haalden daar vergelijkbare resultaten en kosten.

Met de nieuwere GPT‑5.5 zagen de onderzoekers het volgende:

• Bij complexe gevallen steeg de nauwkeurigheid van GPT‑5.5 van 72% naar bijna 87% met MAI‑DxO, tegen een iets lagere kostprijs.

• Bij spoedeisende hulpgevallen veranderde er weinig: beide varianten scoorden rond 85%.

MAI‑DxO helpt het meest wanneer de onderliggende AI minder capabel is of bij bijzonder complexe casussen. Bij zeer sterke modellen zijn de extra winstpunten kleiner, omdat modellen dichter bij de theoretische maximumnauwkeurigheid zitten.

Wat gebeurt er verder en welke tests staan gepland?

Microsoft werkt samen met medische instellingen om het systeem in de praktijk te testen. Een paar belangrijke stappen:

• Samenwerking met de Mayo Clinic om een gezondheids‑basismodel te trainen dat volgend jaar moet verschijnen.

• Een nieuw onderzoek met Beth Israel Deaconess Medical Center in Boston om MAI‑DxO te vergelijken met artsen in verschillende ziekenhuisomgevingen, ook in spoedeisende en acute zorg.

In die praktijktests krijgen patiënten standaardzorg van artsen. Wie toestemming geeft, krijgt daarnaast ook MAI‑DxO erbij. De aanbevelingen van de AI worden vervolgens vergeleken met die van menselijke artsen, terwijl menselijke artsen de zorg blijven bepalen.

Microsoft ziet dit als de volgende fase: niet alleen benchmarks op papieren cases, maar evaluatie in echt ziekenhuiswerk, met echte patiënten. Gelijkaardige studies met andere bedrijven lopen al eerder, waarbij ook real‑world urgent care wordt onderzocht.

Conclusie

In een gesimuleerde test herkende MAI‑DxO complexe medische gevallen veel vaker dan individuele huisartsen. De grootste winst komt van sterkere onderliggende AI‑modellen; de coördinatie tussen meerdere agents levert daarbovenop extra verbetering, vooral bij complexe gevallen en bij minder capabele modellen.

Tegelijk blijven er duidelijke grenzen: verbeteringen waren beperkt bij spoedeisende gevallen en specialisten, die normaal gesproken zulke moeilijke patiënten behandelen, ontbraken in de vergelijking. Microsoft start nu echte ziekenhuisstudies om te zien of de beloften van de simulatie zich vertalen naar de praktijk.

Microsofts leiders spreken van een versnelling in de komende jaren, en noemen 2027 als mogelijk keerpunt voor grote stappen in medische dossiers en klinische besluitondersteuning. Of en hoe snel die belofte werkelijkheid wordt, moet blijken uit de lopende en toekomstige praktijkstudies.