22 октября 2026 года в Science вышло исследование Microsoft о системе MAI-DxO. Она использует языковую модель для последовательного разбора клинических случаев: запрашивает сведения, выбирает...

22 октября 2026 года в Science вышло исследование Microsoft о системе MAI-DxO. Она использует языковую модель для последовательного разбора клинических случаев: запрашивает сведения, выбирает обследования и обсуждает возможные диагнозы от лица виртуального консилиума. На сложных случаях из New England Journal of Medicine система показала около 83% правильных ответов, врачи со справочными ресурсами — около 36%. Сообщение Microsoft о публикации.

Исследователи оценивали одновременно точность диагноза и расчётную стоимость обследований. Для эксперимента они разработали SDBench — среду, в которой врач или ИИ получает информацию о случае постепенно и сам решает, что запросить дальше.

В начале участнику показывают короткое описание жалоб пациента. После этого он может задавать уточняющие вопросы, назначать обследования или назвать окончательный диагноз. Каждый новый ответ позволяет пересмотреть предыдущие гипотезы и выбрать следующий шаг.

За выдачу информации отвечает отдельная модель Gatekeeper, у которой есть полный текст клинического случая. Когда участник завершает разбор, модель Judge сопоставляет его диагноз с эталонным. Правильными считаются ответы, получившие 4 или 5 баллов по пятибалльной шкале. Отдельно система подсчитывает стоимость назначенных обследований. Устройство SDBench.

Если запрошенного результата нет в исходной истории болезни, Gatekeeper может сформировать синтетический ответ. Этот механизм позволяет продолжать диагностический разбор за пределами сведений, включённых в исходный документ. Документация проекта.

В исследование вошли две группы: 304 сложных клинических случая NEJM и 325 случаев из MIMIC-IV-ED. Во вторую группу включены пациенты, которых госпитализировали после обращения в приёмное отделение. Для оценки использовали 254 валидационных случая и 71 тестовый случай с проверкой клиницистами. Описание данных MIMIC, состав выборок SDBench.

MAI-DxO управляет обсуждением внутри диагностической системы. В авторском описании архитектуры одна языковая модель выполняет пять ролей: формирует гипотезы, выбирает обследования, ищет противоречия в текущем диагнозе, контролирует расходы и проверяет согласованность рассуждений. После обсуждения система запрашивает новые сведения или завершает диагностику. Авторская рукопись, раздел 3.2.

Оркестратор можно использовать с разными базовыми моделями. Microsoft исследовала этот подход на семействах GPT, Claude, Gemini, Llama, Grok и DeepSeek. Первые результаты компания представила в июне 2025 года. Первоначальное описание MAI-DxO.

В новой публикации Microsoft также сообщает о повторной оценке с GPT-5.5: преимущество системы сохранилось без изменения метода оркестрации. Анонс от 22 октября.

В экспериментах с GPT-5 авторы получили следующие результаты: