Microsoft publicó este jueves en Science un estudio que afirma que su sistema de inteligencia artificial MAI-DxO diagnostica casos médicos complejos con más aciertos que los médicos.
El titular que circuló fue contundente: hasta cuatro veces mejor. La comparación, sin embargo, tiene condiciones que conviene mirar antes de asumir que un algoritmo puede reemplazar a un especialista.
Qué es MAI-DxO y qué se midió
MAI-DxO no es un modelo nuevo. Es una capa de orquestación: varios agentes de IA con roles distintos —uno propone hipótesis, otro elige pruebas, otro contradice y otro vigila el costo— trabajan sobre modelos comerciales como GPT-5.
El sistema simula un panel de médicos que pregunta, pide exámenes y decide cuándo cerrar un diagnóstico.
Para evaluarlo, Microsoft construyó SDBench, un banco de 304 casos del New England Journal of Medicine y 325 ingresos de urgencias de la base MIMIC-IV-ED. En lugar de entregar toda la información de golpe, cada caso obliga a decidir qué preguntar y qué prueba pedir, con un costo estimado por examen.
El 83% frente al 36%
En los casos complejos del NEJM, MAI-DxO acertó el 83,2%. Los médicos generalistas que participaron, con acceso a libros y buscadores, llegaron al 36,1%; sin esas referencias, al 22,3%. En urgencias la diferencia fue menor: 80,3% contra 46,8%.
El detalle que pocas veces aparece en los titulares es el método. La comparación fue contra médicos generalistas trabajando solos, no contra especialistas ni equipos multidisciplinarios. Los propios autores admiten que la brecha se reduciría frente a especialistas y que los casos del NEJM están seleccionados por su valor didáctico.
El costo no siempre baja
Microsoft afirma que su sistema diagnostica con la mitad o un tercio del costo. Eso es cierto solo en una configuración. Sin límite de presupuesto, MAI-DxO gastó más que los médicos: 5.431 dólares frente a 4.725 en los casos del NEJM, y 4.979 frente a 3.400 en urgencias.
Cuando los investigadores impusieron un tope, el costo cayó a 2.241 y 1.303 dólares por caso, con 80,9% y 79,6% de precisión, respectivamente.
También importa quién firma. Todos los autores son empleados de Microsoft con acciones en la empresa; ocho aparecen como inventores en una solicitud de patente sobre el marco de evaluación. El estudio no tuvo financiamiento externo y pasó revisión de pares, pero no es un trabajo independiente.
Del papel al hospital
El benchmark es solo texto: no incluye imágenes, ecografías ni biopsias, y todos los casos tenían un diagnóstico patológico confirmado. Tampoco midió tratamientos ni resultados en pacientes.
Microsoft planea probar el sistema en el Beth Israel Deaconess Medical Center de Boston en los próximos meses y trabaja con Mayo Clinic en un modelo de salud para el próximo año, según TechCrunch.
Para América Latina, el punto no es si la IA supera al médico en un examen. Es si puede ayudar en un sistema donde faltan especialistas y las listas de espera son largas. Ahí un asistente de triaje bien validado podría aportar más que la carrera por el titular.
La pregunta abierta es quién responde cuando el sistema se equivoca. Microsoft dice que busca asistir y no sustituir, como ya lo plantea en su código de conducta de IA.
La evidencia disponible todavía no alcanza para comprobarlo en un hospital real, y menos en uno latinoamericano. Mientras tanto, la conversación sobre IA médica ya está aquí: casi la mitad de los pacientes no sabe si su médico la usa.
Más en: Inteligencia Artificial, Tecnología
