Microsofts diagnose-AI verslaat huisartsen in Science-studie

Microsoft AI heeft in het wetenschappelijke tijdschrift Science een studie gepubliceerd waarin zijn diagnosesysteem MAI-DxO 83 procent van een reeks complexe ziektegevallen juist diagnosticeerde. Huisartsen en internisten die dezelfde casussen kregen, kwamen uit op 36 procent. Dat meldt TechCrunch over het artikel, dat op 22 oktober verscheen. Ook Reuters bericht over het onderzoek.

Een virtueel panel van artsen

MAI-DxO (de afkorting staat voor Diagnostic Orchestrator) werkt anders dan een chatbot die in één keer een antwoord geeft. Het systeem laat meerdere AI-agenten samenwerken als een panel van artsen. Die stellen de patiënt vragen, vragen onderzoeken aan en discussiëren over de waarschijnlijke diagnose. Elk onderzoek kost virtueel geld. De casussen komen uit de New England Journal of Medicine, dat al decennia lastige ziektegevallen als puzzel publiceert.

Microsoft zette in juni 2025 een eerdere versie online als preprint op arXiv. Die ging over 304 NEJM-casussen, en daar haalde het systeem met OpenAI’s o3 een score van 80 procent. De Science-publicatie is de peer-reviewed opvolger. Eerder dit jaar liet ook een Harvard-studie naar diagnoses op de spoedeisende hulp zien dat taalmodellen artsen bij de eerste inschatting kunnen bijhouden.

Het model doet het meeste werk

Microsoft testte de orkestratielaag met modellen van OpenAI, Google, Anthropic, Meta en DeepSeek. GPT-5 en GPT-5.5 gaven de beste resultaten. TechCrunch wijst op een detail uit de eigen data van de studie: het grootste deel van de winst komt van het onderliggende model, en veel minder van MAI-DxO zelf.

GPT-5 kwam met een korte, eenvoudige prompt al op 78,9 procent, bij ongeveer 8.400 dollar aan virtuele onderzoekskosten per casus. Met MAI-DxO erbij steeg de score met zo’n vier procentpunten en daalden de kosten met ongeveer 3.000 dollar. Bij GPT-5.5 ging de nauwkeurigheid van 72 naar bijna 87 procent. Het lichtere Gemini 2.5 Flash sprong van 46,4 naar bijna 69 procent. Zwakkere modellen hebben dus het meeste aan de orkestratie, maar het gat tussen een zwak en een sterk model blijft groter dan wat MAI-DxO toevoegt. Bij casussen van de spoedeisende hulp maakte het systeem nauwelijks verschil: beide opstellingen scoorden rond de 85 procent.

Kanttekeningen bij de vergelijking

De vergelijking met artsen is minder hard dan de kop van 83 tegen 36 procent doet vermoeden. Het ging om een simulatie met historische casussen, zonder echte patiënten. De artsen werkten alleen, met naslagwerk. Zulke complexe gevallen belanden in de praktijk bij specialisten of bij een team, en die zaten niet in de vergelijking. Eerder bleek al dat slechts 3 van 1.357 medische AI-tools op patiënten zijn getest.

Mustafa Suleyman, CEO van Microsoft AI, ziet het resultaat als een stap richting wat hij “medische superintelligentie” noemt. Tegenover TechCrunch zegt hij te verwachten dat medische modellen “binnen 24 tot 36 maanden een orde van grootte beter” worden.

Wat betekent dit

MAI-DxO is nog geen product. Microsoft gaat het systeem testen in een praktijkstudie met het Beth Israel Deaconess Medical Center in Boston. Patiënten die toestemming geven, krijgen naast de gewone zorg ook een advies van het systeem, waarna de aanbevelingen worden vergeleken met die van hun artsen. Met de Mayo Clinic werkt Microsoft aan een eigen medisch basismodel dat volgend jaar moet verschijnen.

Voor ziekenhuizen is de les vooral dat de keuze van het model zwaarder weegt dan de verpakking eromheen. Wie een diagnosetool inkoopt, moet vragen welk model eronder draait. Google zette eerder een vergelijkbare stap met de eerste test van AMIE in The Lancet. Of artsen zulke systemen ook buiten de radiologie gaan vertrouwen, is nog een open vraag: artsen accepteren AI bij scans, maar zijn daarbuiten terughoudend.