En un estudio publicado en la revista Science este jueves, Microsoft presentó el MAI-DxO (Diagnostic Orchestrator), un sistema de diagnóstico con inteligencia artificial que alcanzó el 83% de precisión en casos médicos complejos — más del doble del 36% obtenido por médicos generalistas trabajando individualmente con material de referencia. El resultado no es solo un hito para Microsoft, sino una señal de que la carrera por modelos de IA aplicados a la salud está entrando en una fase de orquestación sofisticada, donde la arquitectura del sistema importa tanto como las capacidades del modelo subyacente. El MAI-DxO no funciona como un único modelo generando una respuesta a la vez. En cambio, coordina múltiples agentes de IA que simulan un panel de médicos: cada agente examina diferentes aspectos del caso, propone diagnósticos diferenciales, sugiere pruebas y debate con otros agentes antes de llegar a una conclusión. El sistema puede hacer preguntas de seguimiento, solicitar pruebas y proporcionar diagnósticos, funcionando esencialmente como un consejo virtual de especialistas reunidos para resolver un caso difícil. En la evaluación, el sistema fue probado en escenarios derivados de casos clínicos reales publicados semanalmente en la New England Journal of Medicine. El 83% de precisión representa una diferencia sustancial: los médicos generalistas llegaron solo al 36% y aquellos sin acceso a referencias cayeron al 22%. Es importante señalar que este tipo de casos complejos son típicamente tratados por especialistas o equipos médicos — que no fueron incluidos en la comparación —, lo que significa que el benchmark prueba específicamente el dominio de la medicina diagnóstica interna, donde el error es más común y costoso. Lo que llamó la atención en los resultados no es solo la precisión bruta, sino lo que revela sobre la dirección que la IA está tomando en la salud. La mayoría de la mejora proviene de modelos subyacentes más potentes — el MAI-DxO emplea GPT-5 y GPT-5.5 de OpenAI, Gemini de Google, Claude de Anthropic y modelos de DeepSeek —, pero la orquestación añade ganancias reales sobre eso. Cuando GPT-5 fue evaluada sola con un prompt básico, alcanzó el 78,9% de precisión en aproximadamente US$ 8.400 por caso. El MAI-DxO redujo ese costo en cerca de US$ 3.000, elevando la precisión a cerca del 83%. Con GPT-5.5, lanzada en abril de 2026, la orquestación aumentó la precisión del 72% a casi el 87% a un costo ligeramente menor. Pero hay un detalle crucial que el sistema revela: el MAI-DxO ayuda principalmente en casos complejos y con modelos menos capaces. En el departamento de emergencias, donde los casos son menos raros y los diagnósticos más directos, no hubo mejora significativa con la orquestación — tanto con GPT-5.5 sola como con DxO, ambos marcaron cerca del 85%. Esto tiene sentido clínico: los casos de emergencia son más estandarizados y la sobrecarga de múltiples agentes debatiendo no justifica la necesidad de respuesta rápida. Mustafa Suleyman, CEO de Microsoft AI y co-fundador original del DeepMind — adquirido por Google en 2014 —, describió el resultado como un paso hacia la "superinteligencia médica", término que Microsoft define como "la capacidad de superar los sistemas de salud humanos contemporáneos más fuertes en razonamiento médico y coordinación a lo largo de todo el arco de cuidados". En entrevista con The Verge, Suleyman dijo: "Vamos a construir algo indistinguible del rendimiento humano... en los próximos dos años". La estrategia de Microsoft en salud no se limita a diagnósticos aislados. La empresa ya vende herramientas de dictado médico y radiología para clínicos y ve el DxO como una expansión de esas ofertas. Microsoft está en sociedad con el Mayo Clinic para entrenar un modelo fundamental específicamente para la salud, con lanzamiento previsto para el próximo año. Suleyman cree que este modelo permitirá "saltos enormes", y que el DxO forma parte de la infraestructura fundamental que Microsoft está construyendo para generar avances reales en el área. Hay una ambición más allá de los números: Microsoft quiere ir más allá de la medición de tareas individuales y crear sistemas que coordinen cuidados clínicos completos, planeen tratamientos y lidien con el lado humano de la medicina. El estudio publicado en Science, co-autoreado por Harsha Nori, Eric Horvitz, Dominic King y Mustafa Suleyman entre otros, introduce también el SDBench (Sequential Diagnosis Benchmark), un framework que transforma casos de la NEJM en encuentros diagnósticos secuenciales — donde el sistema comienza con un resumen breve del caso y debe iterativamente solicitar más detalles, hacer preguntas y ordenar pruebas antes de comprometer un diagnóstico. La inversión de Microsoft en salud refleja una comprensión de que el sector enfrenta un problema estructural de escala: la demanda por expertise médica crece más rápido que la oferta. "Existe algo muy sustancial y emocionante aquí", dijo Dominic King, vicepresidente de Salud de Microsoft AI, a TechCrunch. "El mayor desafío en la entrega de cuidados de salud en el momento es la creciente disparidad entre la demanda y la oferta de expertise médica". El camino entre benchmarks y práctica clínica, sin embargo, es largo. Un sistema que brilla en casos escritos de la New England Journal of Medicine aún necesita ser probado en hospitales reales, con registros incompletos, síntomas en evolución, presión de tiempo y consecuencias de decisiones reales. Microsoft ya inició pruebas clínicas en sociedad con el Beth Israel Deaconess Medical Center en Boston, donde pacientes recibirán tratamiento estándar mientras el DxO opera en paralelo — con consentimiento — para comparación directa con médicos. Lo que el estudio de Microsoft revela, ante todo, es que la IA en salud está dejando de ser sobre modelos que responden preguntas para entrar en la era de sistemas que coordinan razonamiento. El DxO no reemplaza a un médico — simula un panel de médicos. Y esa distinción de arquitectura, no solo de capacidad de modelo, puede ser lo que separe ejercicios académicos de herramientas que realmente transformen la práctica clínica.
Fuentes: TechCrunch, The Verge, Microsoft Research
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
