O que o estudo da Microsoft mediu com o MAI-DxO

O MAI-DxO, sistema da Microsoft que conduz uma investigação diagnóstica por etapas, alcançou 83,2% de acerto nos casos do NEJM e 80,3% nos atendimentos do MIMIC-IV-ED em um benchmark textual controlado publicado na Science em 22 de outubro de 2026. O estudo avaliou diagnósticos simulados, não o atendimento a pacientes em hospitais.

O que o SDBench mede

O Sequential Diagnosis Benchmark (SDBench) mede se um sistema consegue reunir informações e solicitar exames em sequência antes de apresentar um diagnóstico. O teste reuniu 304 casos clínico-patológicos do New England Journal of Medicine (NEJM) e 325 atendimentos de emergência que levaram à internação, extraídos do MIMIC-IV-ED.

O MAI-DxO começa com uma descrição breve do caso. Em seguida, pode pedir dados do histórico ou do exame físico, solicitar testes e decidir quando apresentar um diagnóstico. Um agente chamado Gatekeeper consulta os registros do caso para responder às solicitações; quando um dado pedido não consta no registro, pode gerar um resultado sintético sem direcionar o diagnóstico. Um sistema avaliador atribui notas de 1 a 5, e o estudo considera corretas as notas 4 e 5.

O MAI-DxO organiza cinco papéis simulados, como formular hipóteses, escolher exames, questionar o diagnóstico e acompanhar o uso dos recursos. Os principais resultados publicados usaram GPT-5.

A demonstração da Microsoft percorre um caso do SDBench: o sistema solicita informações e exames em etapas e atualiza suas hipóteses à medida que recebe resultados. O vídeo está em inglês.

Resultados e grupos avaliados

No conjunto NEJM, o resultado do MAI-DxO foi calculado sobre os 304 casos, enquanto a avaliação médica usou 56 casos reservados. Portanto, os percentuais não vêm de grupos avaliados sobre a mesma quantidade de casos. No MIMIC-IV-ED, o sistema marcou 80,3%, ante uma média de 46,8% dos médicos participantes.

A precisão se refere à classificação do diagnóstico segundo a escala do estudo. Ela não mede a segurança do tratamento, a qualidade integral do atendimento nem os resultados para pacientes.

O custo estimado varia com a configuração

No conjunto NEJM, os custos estimados por caso mudaram conforme a configuração do MAI-DxO. A configuração de 83,2% custou US$ 5.431 por caso, acima da média estimada de US$ 4.725 para os médicos com acesso a materiais de referência. As configurações de menor custo tiveram índices de precisão diferentes.

Esses valores são estimativas modeladas em dólares americanos, não contas de pacientes. O cálculo combinou códigos CPT com uma tabela de preços hospitalares dos Estados Unidos de 2023 e atribuiu um custo fixo de US$ 300 à consulta médica simulada. A comparação descreve pontos diferentes de custo e precisão, não uma economia garantida em todas as configurações.

O que falta para medir o desempenho clínico

O benchmark usou casos textuais e não incluiu apresentações saudáveis ou benignas, comunicação com pacientes em condições reais, exames físicos no fluxo habitual de atendimento, imagens e outros dados multimodais, decisões de tratamento, avaliação de segurança ou acompanhamento de resultados ao longo do tempo. A comparação médica envolveu profissionais generalistas individuais, não equipes multidisciplinares de especialistas.

Os autores também informaram que as 56 histórias mais recentes do NEJM, publicadas entre 2024 e 2025, foram reservadas durante o desenvolvimento da orquestração. A maioria saiu depois dos limites de treinamento dos modelos avaliados, mas os autores reconheceram que alguns casos públicos poderiam ter aparecido nos dados de treinamento.

O artigo informa ainda que os autores eram funcionários da Microsoft e tinham participação acionária na empresa. O estudo não recebeu financiamento externo à Microsoft.

Em 22 de outubro de 2026, a Microsoft anunciou uma avaliação prospectiva com o Beth Israel Deaconess Medical Center. O plano prevê que pacientes interajam com o sistema e que seu desempenho seja comparado com avaliações independentes de médicos.