[ÚLTIMA HORA] Microsoft supera a médicos en casos complejos con IA MAI‑DxO, un salto en diagnóstico

El sistema de diagnóstico médico MAI‑DxO, desarrollado por Microsoft AI, acertó el 83 % de los casos complejos en una simulación, más del doble que los médicos generales.

En un estudio publicado en la revista Science, el modelo de diagnóstico médico MAI‑DxO de Microsoft AI superó a médicos de atención primaria en la resolución de casos clínicos de alta complejidad, alcanzando una precisión del 83 % frente al 36 % de los profesionales evaluados individualmente.

Cómo funciona MAI‑DxO y qué lo diferencia de otros sistemas

MAI‑DxO (Diagnostic eXpert Orchestrator) combina varios agentes de IA que simulan un panel multidisciplinario. Cada agente plantea preguntas al paciente, sugiere pruebas complementarias y debate la hipótesis diagnóstica antes de presentar una conclusión. La arquitectura se basa en la orquestación de modelos de lenguaje grande, entre los que destacan versiones de GPT‑5 y GPT‑5.5 de OpenAI, aunque también se probaron modelos de Google, Anthropic, Meta y DeepSeek.

Los resultados mostraron que la capa de orquestación aportó mejoras de hasta cuatro puntos porcentuales en precisión y redujo el coste computacional en aproximadamente 3.000 USD por caso, comparado con la ejecución del modelo base sin orquestación.

Impacto práctico para hospitales y sistemas de salud

• Reducción de errores diagnósticos: en escenarios donde la complejidad supera la capacidad de un médico general, la IA brinda una segunda opinión respaldada por datos de pruebas y literatura reciente.
• Optimización de recursos: al identificar con mayor exactitud los estudios necesarios, se evitan pruebas redundantes y se acelera el flujo de pacientes en salas de urgencias.
• Escalabilidad en regiones con escasez de especialistas: países de Latinoamérica y zonas rurales de España, donde la proporción de especialistas por habitante es baja, pueden beneficiarse de un asistente virtual que actúe como primer filtro antes de referir al paciente.

Competencia global y colaboraciones estratégicas

Microsoft no es el único que afirma haber alcanzado niveles de rendimiento comparables a los de médicos. Google Health ha lanzado su modelo Gemini 2.5 Flash, que en pruebas internas logra un 69 % de precisión en casos complejos cuando se combina con un motor de orquestación propio. En China, Baidu y Tencent están evaluando sistemas de diagnóstico basados en sus modelos ERNIE, aunque aún no han publicado métricas comparables.

En el contexto europeo, la colaboración entre Microsoft y la Clínica Mayo busca validar MAI‑DxO en entornos reales de EE. UU., mientras que en México y Argentina ya se están gestando pruebas piloto con hospitales universitarios para adaptar el modelo a protocolos locales y a la normativa de protección de datos.

«Hay algo muy sustancial y emocionante aquí», dijo Dominic King, vicepresidente de Salud en Microsoft AI, al referirse a los resultados.

«Realmente creo que en 2027 estaremos a punto de un avance de estilo codificación para los historiales médicos», afirmó Mustafa Suleyman, CEO de Microsoft AI.

Desafíos y limitaciones actuales

El estudio reconoce que la mayor parte de la mejora proviene de los modelos de lenguaje subyacentes; la orquestación solo aporta un margen adicional. Además, los casos evaluados fueron extraídos de la revista New England Journal of Medicine, un conjunto de datos que típicamente corresponde a patologías que requieren la intervención de especialistas. Por ello, la comparación directa con médicos de atención primaria puede inflar la brecha de desempeño.

Otro punto crítico es la cuestión del coste. Aunque MAI‑DxO reduce el gasto por caso respecto al modelo base, el coste total sigue rondando los 5.400 USD por diagnóstico complejo, lo que plantea interrogantes sobre la viabilidad en sistemas de salud con presupuestos limitados.

Qué significa este avance para desarrolladores y proveedores de IA en Latinoamérica y España

Para los equipos de desarrollo locales, MAI‑DxO abre una ruta clara: la combinación de modelos de lenguaje potente con una capa de orquestación especializada puede ser replicada con herramientas de código abierto como LangChain o AutoGPT. Sin embargo, la disponibilidad de datos clínicos de alta calidad y la necesidad de cumplir con regulaciones como la GDPR o la Ley de Protección de Datos Personales en México y Argentina son barreras que deben superarse.

Los hospitales españoles, que ya están adoptando soluciones de IA para la gestión de citas y la radiología, podrían integrar MAI‑DxO como un módulo de apoyo a la decisión clínica, siempre bajo la supervisión de especialistas y con auditorías de sesgo.

el anuncio de Microsoft muestra que la IA está alcanzando niveles de desempeño que pueden complementar –pero no reemplazar– la práctica médica. El reto ahora es traducir estos resultados de laboratorio en beneficios tangibles para pacientes de todo el mundo, especialmente en regiones donde la falta de especialistas es más aguda.