Microsoft presentó DxO, un modelo de IA basado en GPT-5.5 que replica el razonamiento clínico de una consulta médica. En pruebas con casos complejos y de urgencias, alcanzó una precisión de hasta el 83.2%, frente al 36.1% de los médicos generalistas, y logró reducir costos de pruebas hasta un 76% con una pérdida mínima de precisión.
Microsoft asegura que ha desarrollado un modelo de inteligencia artificial (IA) capaz de diagnosticar enfermedades con información limitada sobre el paciente y alcanzar una precisión hasta cuatro veces superior a la obtenida por médicos generalistas en determinadas pruebas.
Una de las características más destacadas del sistema, denominado Diagnostic Orchestrator (DxO), es que replica los procedimientos que los médicos emplean para establecer un diagnóstico durante una consulta. A diferencia de otros algoritmos similares, sus conclusiones no parten de informes médicos que contienen de antemano toda la información necesaria para determinar la condición clínica del paciente.
En cambio, la herramienta desarrollada por Microsoft comienza su evaluación con datos limitados y, posteriormente, formula preguntas para conocer los antecedentes de la persona, determina qué pruebas de laboratorio necesita para explicar los síntomas y, finalmente, establece un diagnóstico cuando reúne evidencia suficiente.
En un artículo publicado esta semana en la revista Science, los desarrolladores sostienen que su propuesta no solo plantea una aplicación más precisa de la IA en la práctica médica, sino que también podría reducir las cargas económicas y psicoemocionales asociadas al diagnóstico al evitar pruebas y estudios innecesarios que pueden generar gastos y preocupación en los pacientes.
«A medida que los modelos se vuelven más capaces, los métodos que integran la inferencia secuencial estructurada con la experiencia clínica pueden transformar la forma en que la IA apoya el razonamiento diagnóstico, con el potencial de mejorar la calidad y la accesibilidad de la atención médica en todo el mundo», sostienen los autores.
Cinco agentes de IA para razonar como un médico
El funcionamiento de DxO se basa en GPT-5.5 de OpenAI y, como su nombre indica, corresponde a un algoritmo de orquestación. Esto significa que organiza las tareas de razonamiento de un modelo subyacente para cumplir objetivos específicos.
En la práctica, DxO emplea cinco agentes de IA basados en el sistema de OpenAI. Cada uno se especializa en una función: generar hipótesis, seleccionar pruebas, revisar críticamente los resultados, controlar los costos y verificar el diagnóstico final. En conjunto, estos componentes estructuran un proceso que busca reproducir las distintas etapas del razonamiento clínico.
Los autores no detallan el conjunto de datos exacto utilizado para entrenar el sistema ni los procedimientos específicos de su capacitación. Sin embargo, destacan el desarrollo de un indicador diseñado para evaluar su rendimiento: Sequential Diagnosis Benchmark (SDBench).
Un nuevo indicador para medir la eficiencia diagnóstica
Esta herramienta convierte los casos clínicos en encuentros interactivos de varios pasos. Las evaluaciones de DxO se basan en 304 casos de conferencias clinicopatológicas publicados en The New England Journal of Medicine y 325 encuentros de ingreso a urgencias procedentes de la base de datos del Medical Information Mart for Intensive Care IV de Estados Unidos.
Los primeros corresponden a casos seleccionados por su valor educativo y clínico, mientras que los segundos provienen de registros de atención en urgencias y representan situaciones más cercanas al flujo cotidiano de los hospitales.
Los investigadores señalan que ambas bases de datos incluyeron enfermedades comunes y trastornos poco frecuentes, así como situaciones con distintos grados de dificultad diagnóstica. Cada caso comenzó con una descripción breve de los síntomas y las circunstancias iniciales del paciente, a partir de la cual el sistema debe decidir qué información adicional necesita antes de emitir una conclusión.
La evaluación contempló dos aspectos: si el diagnóstico final es correcto y cuánto costaba el conjunto de pruebas solicitadas durante el proceso. De esta manera, el indicador no solo calculó la precisión para identificar una enfermedad, sino también la eficiencia con la que se obtuvo la información necesaria para determinarla.
¿Una IA más precisa que un médico humano?
Mediante SDBench, los científicos evaluaron el desempeño de DxO y compararon sus resultados con los diagnósticos de médicos generalistas, tanto en casos clínicos documentados como en escenarios de atención de urgencias.
Los resultados mostraron que el sistema de Microsoft obtuvo una precisión diagnóstica considerablemente superior a la de los profesionales participantes en las pruebas. En los casos clínicos complejos extraídos de informes publicados en The New England Journal of Medicine, DxO alcanzó una precisión del 83.2% cuando no tenía restricciones presupuestarias. En contraste, los médicos generalistas registraron un promedio del 36.1% cuando podían consultar materiales de referencia y del 22.3% cuando trabajaban sin ellos.
En los escenarios de urgencias, la herramienta consiguió una precisión del 80.3%, frente al 46.8% obtenido por los médicos. Estas cifras corresponden a las condiciones específicas del experimento y no demuestran, por sí solas, que el sistema pueda superar a los especialistas en cualquier entorno clínico.
DxO también logró reducir el gasto estimado en pruebas médicas con una disminución relativamente pequeña de su precisión. En los casos complejos, cuando operó con un presupuesto amplio, alcanzó un 83.2% de aciertos, con un costo promedio de 5,431 dólares por caso. Al limitar el gasto a un promedio de 1,303 dólares, su precisión descendió al 79.6%, una diferencia de apenas 3.6 puntos porcentuales, pese a que el costo se redujo aproximadamente un 76%.
La IA es solo una herramienta y no un sustituto
Los investigadores advierten que estos resultados deben interpretarse con cautela, pues el experimento se desarrolló en un entorno controlado que no reproduce toda la complejidad de la práctica clínica. Las pruebas tampoco permiten establecer si el sistema mantendría el mismo desempeño al interactuar directamente con pacientes o al integrarse en los procedimientos habituales de un hospital.
No obstante, los autores consideran que DxO y SDBench podrían complementar el trabajo de los profesionales de la salud a través de nuevas formas de organizar y transparentar los procesos diagnósticos, optimizar los recursos disponibles y reducir posibles sesgos. Su utilidad, sin embargo, deberá evaluarse en condiciones reales antes de determinar el alcance de su aplicación en los servicios de salud.
La investigación forma parte de una propuesta más amplia de Microsoft para desarrollar lo que la compañía denomina «superinteligencia médica»: una IA capaz de superar el desempeño de los mejores sistemas sanitarios gestionados por humanos.
En un artículo publicado en la revista médica BMJ Digital, la empresa reconoce que todavía queda un largo camino para alcanzar ese objetivo. La compañía plantea que mejorar la atención sanitaria exige algo más que obtener resultados superiores a los humanos en tareas específicas: también requiere integrar las capacidades de la IA en las distintas etapas de la atención médica y aprovecharlas en colaboración con los profesionales.
«A medida que las capacidades de la IA y su integración en los flujos de trabajo clínicos avanzan, mejorar la calidad de la atención requerirá más que un rendimiento sobrehumano en tareas aisladas. Requerirá sistemas que aprovechen la IA, de forma independiente y en colaboración con humanos, para superar a los sistemas de salud actuales más avanzados, liderados por humanos, en el razonamiento médico integrado a lo largo de todo el proceso asistencial. Para aprovechar su valor, será necesario comprender cómo estas capacidades complementan la inteligencia médica existente y combinarlas eficazmente para mejorar la calidad y la accesibilidad de la atención», concluye.