Microsoft sorprende: su IA médica es cuatro veces más precisa que los diagnósticos humanos

🏥 La inteligencia artificial avanza a pasos agigantados en el campo de la salud, y Microsoft acaba de dar un golpe sobre la mesa: su nueva plataforma, AI Diagnostic Orchestrator (MAI-DxO), alcanzó un 85,5% de precisión en diagnósticos médicos complejos, superando ampliamente al 20% logrado por médicos reales en las mismas condiciones.

🧪 Esta herramienta fue desarrollada por el equipo liderado por Mustafa Suleyman, cofundador de DeepMind, y se basa en un debate entre cinco agentes de IA que simulan a profesionales de la medicina discutiendo casos clínicos. Fue probada con 304 casos reales del prestigioso New England Journal of Medicine.

📊 Según Suleyman, “los modelos de IA ya no son solo un poco mejores, son dramáticamente mejores: más rápidos, más baratos y cuatro veces más precisos”. La clave está en el trabajo conjunto entre agentes virtuales, lo que representa un nuevo paradigma en el diagnóstico asistido por tecnología.

💻 Microsoft no solo usó su propia tecnología, sino que también probó modelos de OpenAI, Google, Anthropic, Meta, xAI y DeepSeek, siendo el GPT-4o de OpenAI el que mejores resultados ofreció. Aunque aún no definieron su aplicación comercial, se especula que MAI-DxO podría integrarse en herramientas como Bing o Copilot.

💰 Este avance tiene un potencial enorme: solo en Estados Unidos, el 25% del gasto en salud —que representa el 20% del PBI— se destina a procedimientos innecesarios o ineficientes. Para Microsoft, la IA puede ayudar a reducir este derroche y mejorar la eficiencia del sistema sanitario global.

🧑‍⚕️ Aunque algunos expertos como David Sontag del MIT advirtieron que los médicos del estudio no contaban con recursos clínicos habituales, otros como Eric Topol lo celebraron como el mayor avance en diagnósticos asistidos hasta la fecha.

🧬 Curiosidad que sorprende: El modelo de IA de Microsoft fue capaz de diagnosticar correctamente una rara enfermedad genética que había pasado inadvertida para múltiples médicos en estudios anteriores, mostrando cómo el cruce de datos masivos puede revelar patrones invisibles al ojo humano.