Microsofts DxO scoorde 83,2% op NEJM-casussen in SDBench, een gecontroleerde benchmark voor medische diagnoses. De studie, die op 22 oktober 2026 in Science verscheen, rapporteerde ook resultaten voor een aparte dataset met spoedeisende-hulpgevallen. De percentages meten hoe vaak een diagnose binnen de beoordelingsregels van de benchmark als juist telde, niet wat er met patiënten gebeurde.
Twee datasets, twee afzonderlijke uitslagen
Op 304 casussen uit klinisch-pathologische besprekingen van het New England Journal of Medicine (NEJM) behaalde DxO 83,2% nauwkeurigheid. De deelnemende artsen kwamen gemiddeld uit op 36,1% met naslagmateriaal en 22,3% zonder. DxO is een systeem dat het diagnostische proces organiseert; de studie gebruikte hiervoor de onbeperkte GPT-5-configuratie.
Op de afzonderlijke dataset MIMIC-IV-ED, met 325 gevallen die leidden tot opname vanuit de spoedeisende hulp, scoorde DxO 80,3%. De deelnemende artsen haalden daar gemiddeld 46,8%. De twee datasets bevatten verschillende soorten casussen en vormen dus afzonderlijke benchmarkresultaten.
| Dataset | Aantal casussen | Nauwkeurigheid DxO | Vergelijking met artsen |
| NEJM, klinisch-pathologische besprekingen | 304 | 83,2% | 36,1% met naslagmateriaal; 22,3% zonder |
| MIMIC-IV-ED, spoedeisende hulp met opname | 325 | 80,3% | Gemiddeld 46,8% |
Hoe SDBench diagnoses beoordeelt
SDBench laat een systeem beginnen met beperkte informatie. DxO kan vervolgens anamnese- of onderzoeksgegevens opvragen, tests aanvragen, de differentiaaldiagnose aanpassen en een einddiagnose indienen. Een Gatekeeper beheert de informatieverzoeken; een Judge beoordeelt de einddiagnose tegenover een referentiediagnose.
Een door artsen opgestelde schaal met vijf niveaus bepaalt de score. De studie telde scores 4 en 5 als juist: volgens de rubric zou het behandelbeleid bij die diagnoses niet veranderen. De 83,2% is dus het aandeel casussen dat aan die benchmarkdefinitie voldeed.
De Engelstalige Microsoft-video uit 2025 volgt één geselecteerde NEJM-casus en laat zien hoe het systeem vragen stelt, onderzoeken aanvraagt en de differentiaaldiagnose bijwerkt.
De kosten zijn benchmarkramingen
Voor de NEJM-casussen liepen de geschatte kosten per casus uiteen met de gekozen DxO-configuratie. De studie berekende deze bedragen aan de hand van CPT-prijzen uit de chargemaster van Kaiser Permanente Washington, een bestand met ziekenhuisstandaardtarieven dat in april 2026 werd geraadpleegd.
| Configuratie of vergelijking bij NEJM-casussen | Nauwkeurigheid | Geschatte kosten per casus (US$) |
| DxO zonder budgetbeperking | 83,2% | 5.431 |
| DxO, kostenbewuste instelling | 80,9% | 2.241 |
| DxO, kostenbewuste instelling | 79,6% | 1.303 |
| DxO, instelling gericht op diagnostische excellentie | 84,5% | 8.945 |
| Artsen gemiddeld, met naslagmateriaal | 36,1% | 4.725 |
| Artsen gemiddeld, zonder naslagmateriaal | 22,3% | 3.049 |
Voor MIMIC-IV-ED bedroeg de geschatte work-up 4.979 Amerikaanse dollar per casus voor DxO en gemiddeld 3.400 dollar voor artsen. Ook deze bedragen zijn modelramingen, geen patiëntrekeningen. De gebruikte Amerikaanse standaardtarieven houden geen rekening met verschillen in prijzen, wachttijden, invasiviteit, ongemak of praktische beschikbaarheid van onderzoeken.
De benchmark meet geen zorguitkomsten
De studie gebruikte tekstuele, gesimuleerde interacties. De datasets bevatten geen gezonde of goedaardige gevallen en dekken geen volledige patiëntgesprekken, onzekerheid in communicatie, beeldvorming, pathologie, behandelveiligheid of langdurige zorg. De artsenvergelijking betrof individuele artsen, niet specialistenteams. De onderzoekers beschouwden diagnostische juistheid en geraamde testkosten; patiëntuitkomsten en de veiligheid of passendheid van behandelingen vielen daarbuiten. Bij fouten ging het vaak om een klinisch verwante diagnose op een verkeerd specificiteitsniveau.
Het artikel vermeldt dat alle auteurs bij Microsoft werken en aandelen in het bedrijf bezitten. Microsoft kondigde op 22 oktober 2026 een prospectieve evaluatie met Beth Israel Deaconess Medical Center aan. Volgens dat plan zouden patiënten reguliere zorg ontvangen en daarnaast met DxO interacteren; de aanbevelingen van het systeem zouden worden vergeleken met onafhankelijke beoordelingen van artsen.
