MAI-DxO, l’orchestratore diagnostico di Microsoft, ha raggiunto un’accuratezza dell’83,2% sui casi del New England Journal of Medicine (NEJM) e dell’80,3% sui casi MIMIC-IV-ED in un benchmark testuale interattivo. I medici partecipanti hanno ottenuto rispettivamente il 36,1% e il 46,8%; per il confronto NEJM, però, il risultato dell’IA copre 304 casi e la valutazione dei medici 56. Lo studio, pubblicato su Science il 22 ottobre 2026, misura prestazioni di benchmark, non risultati dell’assistenza clinica.
La prova, chiamata Sequential Diagnosis Benchmark (SDBench), valuta come un sistema raccoglie informazioni e richiede esami prima di formulare una diagnosi. Questa impostazione conta perché mette alla prova una sequenza di decisioni, non una risposta a un singolo quesito.
Che cosa misura SDBench
SDBench ha trasformato 304 casi clinicopatologici del NEJM e 325 ricoveri provenienti dal pronto soccorso del database MIMIC-IV-ED in simulazioni testuali. A ogni turno il sistema può chiedere informazioni su anamnesi o esame obiettivo, richiedere test oppure formulare una diagnosi.
Un agente chiamato Gatekeeper gestisce le richieste usando i dati del caso. Se il fascicolo non contiene un dettaglio richiesto, può restituire un risultato sintetico neutro dal punto di vista diagnostico. Un altro agente, il Judge, valuta la diagnosi con una rubrica a cinque livelli: i punteggi 4 e 5 sono considerati corretti.
MAI-DxO simula cinque ruoli clinici, dedicati a formulare ipotesi, scegliere gli esami, mettere alla prova le ipotesi, valutare l’appropriatezza degli accertamenti e controllare i passaggi. I risultati principali dello studio usano GPT-5. La dimostrazione di Microsoft segue un singolo caso NEJM: l’agente richiede informazioni e test, aggiorna le ipotesi e arriva a una diagnosi.
I risultati e i gruppi messi a confronto
| Insieme di casi | Accuratezza di MAI-DxO | Accuratezza dei medici partecipanti |
| NEJM | 83,2% | 36,1% con consultazione di riferimenti; 22,3% senza |
| MIMIC-IV-ED | 80,3% | 46,8% |
Per i casi NEJM, MAI-DxO è stato valutato su tutti i 304 casi, mentre i risultati dei medici provengono da 56 casi tenuti da parte. Le percentuali non si basano quindi su gruppi della stessa dimensione. Il confronto NEJM aperto ai riferimenti consentiva ai medici di consultare risorse statiche, ma non strumenti di IA generativa.
Anche il tipo di risultato va tenuto presente: il punteggio riguarda la correttezza diagnostica secondo la rubrica dello studio. Non misura la qualità complessiva dell’assistenza o le decisioni terapeutiche.
I costi stimati cambiano con la configurazione
Lo studio riporta diversi punti di accuratezza e costo per MAI-DxO sui casi NEJM, anziché un unico costo associato al sistema. La media dei medici con consultazione di riferimenti è inclusa come termine di confronto.
| Gruppo o configurazione | Accuratezza diagnostica | Costo stimato per caso, in dollari statunitensi |
| MAI-DxO | 83,2% | 5.431 |
| MAI-DxO, configurazione a budget ridotto | 80,9% | 2.241 |
| MAI-DxO, configurazione a budget ridotto | 79,6% | 1.303 |
| MAI-DxO, configurazione orientata all’accuratezza | 84,5% | 8.945 |
| Medici con consultazione di riferimenti | 36,1% | 4.725 |
Il punto MAI-DxO dell’83,2% è associato a una stima di 5.431 dollari per caso, superiore ai 4.725 dollari della media dei medici con riferimenti. Una configurazione diversa, con accuratezza dell’80,9%, è stimata a 2.241 dollari per caso. I valori derivano da corrispondenze con codici CPT, dal tariffario standard del 2023 di Kaiser Permanente Washington e da un costo fisso di 300 dollari per la visita medica. Sono stime modellate statunitensi, non fatture o prezzi italiani; il metodo non incorpora tutte le differenze di disponibilità, tempi, invasività e costo delle prestazioni.
Che cosa resta fuori dalla prova
SDBench comprende casi patologici, ma non casi sani o benigni. Le simulazioni non riproducono l’incertezza di una conversazione con un paziente, un esame obiettivo nelle normali condizioni cliniche, immagini o altri dati multimodali, né pressioni di tempo e flusso di lavoro. Lo studio valuta la diagnosi, non la sicurezza o l’appropriatezza delle terapie e gli esiti nel tempo. Il confronto con i medici riguarda singoli generalisti, non équipe di specialisti.
Per la valutazione NEJM, gli autori hanno tenuto fuori dallo sviluppo dell’orchestrazione i 56 casi più recenti, pubblicati nel 2024 e 2025; la maggior parte era uscita dopo le date limite di addestramento dei modelli valutati. Gli autori riconoscono che alcuni casi NEJM pubblici potrebbero comunque essere comparsi nei dati di addestramento.
La pubblicazione dichiara che gli autori erano dipendenti Microsoft e detenevano quote della società; lo studio non ha ricevuto finanziamenti esterni a Microsoft. Gli autori precisano inoltre che i confronti del benchmark non dimostrano una superiorità rispetto a specialisti, équipe multidisciplinari o pratica clinica reale.
La valutazione ospedaliera annunciata da Microsoft
Il 22 ottobre 2026 Microsoft ha annunciato una valutazione prospettica con Beth Israel Deaconess Medical Center. Il progetto prevede che i pazienti interagiscano con il sistema e che le sue prestazioni siano confrontate con valutazioni indipendenti dei medici.
