Microsoft'ın MAI-DxO'su, hakemli Science çalışmasında karmaşık teşhislerde doktorları geride bıraktı

Microsoft'ın tanı yapay zekâsı karmaşık vakalarda doktorları geride bıraktı

Science dergisinde yayımlanan bir çalışmaya göre, Microsoft tarafından geliştirilen bir tanı sistemi, simülasyon ortamında karmaşık tıbbi vakaları hekimlerden iki kattan fazla sıklıkla doğru teşhis etti. Microsoft AI CEO'su Mustafa Suleyman, bu sonucu TechCrunch'a şirketin "tıbbi süper zekâ" dediği hedefe atılmış bir adım olarak tanımladı; Microsoft buna, tıbbi akıl yürütme ve bakımın tüm sürecinde koordinasyon konusunda, çağımızın en güçlü insan önderliğindeki sağlık sistemlerini aşma kapasitesi anlamını veriyor.

Simülasyon, New England Journal of Medicine'deki zor vakaları kullandı. MAI-DxO (kısa adıyla DxO) adlı sistem vakaların yüzde 83'ünde doğru teşhise ulaştı. Başvuru kaynaklarıyla tek başına çalışan birinci basamak hekimleri ve iç hastalık uzmanları ise yüzde 36 oranında doğru sonuç aldı.

Tek bir model değil, yapay zekâ ajanlarından oluşan bir heyet

MAI-DxO, bir klinik heyeti gibi davranan çok sayıda yapay zekâ ajanını koordine ediyor: ajanlar hastayla görüşüyor, tetkik istiyor ve bir teşhise karar vermeden önce tartışıyor. TechCrunch'ın aktardığına göre Microsoft, orkestrasyon katmanını OpenAI, Google, Anthropic, Meta ve DeepSeek dahil çeşitli sağlayıcıların modellerinin üzerinde çalıştırdı, ancak en iyi sonuçları OpenAI'nin GPT-5 ve GPT-5.5'iyle elde etti.

Çarpıcı rakamın ardındaki uyarılar

Karşılaştırmanın TechCrunch'ın açıkça dile getirdiği sınırları var: Bu kadar karmaşık vakalar normalde uzman hekimler veya hekim ekipleri tarafından ele alınıyor ve çalışmada bu iki grup da yer almıyor. İnsan taban çizgisi, tek başına çalışan pratisyen hekimlerdi.

Çalışmanın kendi verileri de performansın büyük kısmının güçlü temel modellerden geldiğini, orkestrasyonun ise bunun üzerine kazanç eklediğini gösteriyor. Kısa ve temel bir prompt ile tek başına kullanılan GPT-5, karmaşık vakalarda yüzde 78,9 başarı gösterdi ve vaka başına tahmini işlem maliyeti yaklaşık 8.400 dolardı. DxO bu maliyeti yaklaşık 3.000 dolar düşürürken doğruluğa yalnızca yaklaşık dört puan ekledi. Acil servis vakalarında ise DxO, tek başına GPT-5'e kıyasla doğruluk ya da maliyet açısından çok az iyileşme sağladı.

Sonuçlar, Nisan 2026'da yayımlanan GPT-5.5 ile bölündü. Karmaşık vakalarda DxO doğruluğu yüzde 72'den neredeyse yüzde 87'ye çıkarırken maliyeti biraz düşürdü; ancak acil vakalarda her iki yapılandırma da benzer maliyetle yaklaşık yüzde 85 skor aldı. Orkestrasyon en çok zayıf modellere yardım ediyor: Gemini 2.5 Flash tek başına yüzde 46,4 skor alırken DxO ile neredeyse yüzde 69'a ulaştı. Microsoft araştırmacıları, modeller teorik tavana yaklaştıkça kazançların doğal olarak daraldığını söyledi; bir sözcü de DxO'nun katkısını hem doğruluğu hem maliyeti optimize etmek olarak tanımladı.

Sırada gerçek dünya değerlendirmesi var

Microsoft, DxO'nun klinik akıl yürütmesini hastane ortamlarında değerlendirmek üzere Boston'daki Beth Israel Deaconess Medical Center ile ortaklık duyurdu. Microsoft AI Sağlık bölümü başkan yardımcısı Dominic King, tasarımı TechCrunch'a şöyle anlattı: hastalar triyaj, uzman hekim zamanı, tetkikler ve taburculuk kararları dahil standart bakımı alırken, onay veren hastalar aynı zamanda paralel olarak DxO ile de etkileşime giriyor. Microsoft ve ortakları daha sonra sistemin önerilerini doktorların kendi kararlarıyla karşılaştıracak. King, çalışmanın acil servis ve acil bakım ortamlarını kapsayacağını ve türünün en büyüğü olacağını öngördüğünü söyledi.

Google ise bu ay Beth Israel ile The Lancet'te, hekimlerin gerçek zamanlı izlediği gerçek acil bakım görüşmelerinde AMIE adlı konuşma tabanlı tanı yapay zekâsını değerlendiren bir klinik çalışma yayımladı. Microsoft artık yapay zekâsının doktorlara eşit ya da onlardan iyi olduğunu iddia eden Google ve OpenAI'ye katılıyor.

2024'te Microsoft'a katılıp yapay zekâ birimini yönetmek üzere gelen DeepMind kurucularından Suleyman ayrıca TechCrunch'a, Microsoft'un Mayo Clinic ile gelecek yıl yayımlanması planlanan bir sağlık temel modeli üzerinde çalıştığını söyledi. Sağlık modellerinin 24 ila 36 ay içinde yetenekte bir kat büyüklük derecesi gelişmesini bekliyor ve 2027'de alanın bir "tıbbi kayıtlar için kodlama tarzı atılım" göreceğini, sistemlerin bir kaydın nasıl ilerleyeceğine dair doğru öngörüler akıtacağını öngörüyor.

Neden önemli

Bu, bir şirket blogunda değil Science'da yayımlanan, hakemli bir kanıt ve çok ajanlı bir yapay zekâ sisteminin tanısal akıl yürütmede —tıbbın örgütlendiği temel beceride— insan klinikçileri ciddi biçimde geçebildiğini gösteriyor. King sorunu, tıbbi uzmanlığa olan talep ile arzı arasındaki büyüyen uyumsuzluk olarak çerçeveliyor; DxO bir Boston acil servisinde tutarlı olursa triyaj ve tanı açısından sonuçları önemli olacak ve Microsoft'un klinikçilere zaten dikte ve radyoloji araçları satıyor olması ona bir yaygınlaştırma yolu sunuyor. Ancak uyarılar kilometre taşı kadar önemli: insan karşılaştırma ölçütü bu vakaları normalde gören uzmanları dışarıda bıraktı, en güçlü sonuçlar Microsoft'un değil OpenAI'nin modellerine dayanıyor ve gerçek kullanıma en yakın ortam olan acil servis vakalarında orkestrasyonun çok az faydası görüldü. Beth Israel çalışması bu soruların yanıtlanacağı yer olacak.