Мустафа Сулейман из Microsoft заявил, что ее ИИ превосходит врачей в сложных случаях на пути к «медицинскому сверхинтеллекту»

Согласно исследованию, опубликованному в четверг в журнале Science, система ИИ Microsoft для диагностики правильно диагностировала сложные медицинские случаи в ходе симуляции более чем в два раза чаще, чем врачи широкого профиля. Мустафа Сулейман, генеральный директор Microsoft AI, назвал этот результат шагом к «медицинскому сверхинтеллекту».

Система, получившая название MAI-DxO (сокращённо DxO), координирует работу нескольких ИИ-агентов, действующих как консилиум врачей. Они расспрашивают пациента, назначают анализы и обсуждают диагноз.

В ходе симуляции с использованием сложных случаев из New England Journal of Medicine система дала правильный ответ в 83% случаев. Врачи первичного звена и терапевты широкого профиля, работавшие поодиночке и используя справочные материалы, правильно отвечали в 36% случаев. Важно отметить: настолько сложные случаи обычно ведут специалисты или врачебные команды, которые не участвовали в сравнении.

«Здесь есть нечто действительно масштабное и захватывающее», — сказал TechCrunch Доминик Кинг, вице-президент Microsoft AI по вопросам здравоохранения. «Главная проблема системы здравоохранения сегодня — растущее несоответствие между спросом и предложением медицинской экспертизы».

Публикуя эти результаты, Microsoft присоединяется к Google и OpenAI, заявляя, что её ИИ способен сравниться с врачами или превзойти их.

Собственные данные исследования показывают, что значительная часть улучшения обусловлена более мощными базовыми моделями ИИ, а система оркестрации Microsoft обеспечивает дополнительные преимущества.

Microsoft протестировала MAI-DxO с моделями нескольких компаний, включая OpenAI, Google, Anthropic, Meta и DeepSeek, однако наилучшие результаты были получены с GPT-5 и GPT-5.5 от OpenAI. 

Microsoft оценивала DxO не только по точности, но и по стоимости — то есть по предполагаемой цене обработки каждого случая с помощью ИИ. При самостоятельной работе с коротким базовым промптом GPT-5 показала точность 78,9% на сложных случаях при стоимости около 8400 долларов за случай. DxO снизила стоимость примерно на 3000 долларов, но повысила точность лишь примерно на четыре процентных пункта. При работе со случаями из отделений неотложной помощи между GPT-5 без DxO и GPT-5 с его помощью наблюдалось незначительное улучшение как точности, так и стоимости.

С GPT-5.5, более новой моделью, выпущенной в апреле 2026 года, результаты разделились. На сложных случаях DxO повысила показатель точности GPT-5.5 с 72% до почти 87% при немного меньшей стоимости. Однако на случаях из отделений неотложной помощи это преимущество вновь не проявилось. Обе версии — с DxO и без неё — показали результат около 85% при сопоставимой стоимости. 

DxO наиболее эффективна на сложных случаях и с менее способными моделями ИИ. Например, Gemini 2.5 Flash самостоятельно показала результат 46,4%, а с DxO — почти 69%. Тем не менее разрыв между более слабой и более сильной моделями оказался больше, чем прирост, обеспеченный DxO.

Исследователи Microsoft заявили, что прирост точности закономерно уменьшается по мере приближения моделей к теоретическому максимуму. «Оркестрация DxO помогает решать более широкую задачу оптимизации как точности, так и стоимости», — добавил представитель компании.

Сулейман, руководящий усилиями Microsoft по созданию собственного передового ИИ, рассказал TechCrunch, что компания совместно с клиникой Мейо работает над обучением базовой модели для здравоохранения, выпуск которой запланирован на следующий год. Он считает, что эта модель позволит компании «совершить здесь по-настоящему огромный рывок», и говорит, что DxO является частью базовой инфраструктуры, которую Microsoft создаёт для достижения реальных прорывов в здравоохранении. 

«Я действительно верю, что в 2027 году мы окажемся на пороге прорыва в медицинских записях, сопоставимого с прорывом в программировании», — сказал Сулейман. «Думаю, мы сможем транслировать высокоточные прогнозы о том, как может развиваться медицинская карта пациента, и, очевидно, такая способность предвидеть будущее для врача — настоящая золотая жила».

Сулейман всю свою карьеру пытался использовать ИИ для решения медицинских проблем. Ранее он был сооснователем DeepMind, которую Google приобрела в 2014 году. На следующий год Google DeepMind приобрела стартап Hark Кинга — приложение для управления клиническими задачами, — и они вместе запустили DeepMind Health. Сулейман присоединился к Microsoft в 2024 году, чтобы возглавить её подразделение ИИ, а Кинг последовал за ним несколько месяцев спустя.

«Мы просто искренне верим в это», — сказал Сулейман.

Он отметил, что использование генеративного ИИ в здравоохранении всё ещё находится на раннем этапе, но ожидает, что в течение следующих 24–36 месяцев возможности медицинских моделей вырастут «на порядок». 

«Как мы неоднократно видели за последние пять или шесть лет, прогресс идёт очень быстро, когда запускается маховик», — сказал Сулейман. «Маховик означает, что у нас есть модель в эксплуатации, которую мы совершенствуем с помощью реального использования, выявляя пробелы в модели, а затем устраняя их и улучшая её. Именно это произошло в программировании. До этого то же самое произошло с чатами. И я думаю, что в следующем году этот процесс начнётся в медицинских записях и системах поддержки клинических решений».

В рамках нового партнёрства с Бостонским медицинским центром Beth Israel Deaconess Microsoft оценит возможности DxO в области клинического мышления в различных больничных условиях.

«Эта технология готова к испытаниям в реальных условиях, и можно представить, насколько сложными и разнообразными бывают проблемы, с которыми сталкивается отделение неотложной помощи в Бостоне в пятничный вечер», — сказал Кинг.

Он объяснил, как будет проходить исследование: пациенты получат стандартное лечение, включая сортировку, консультацию специалиста, лечение, обследования и решение о безопасности выписки. Параллельно те, кто даст согласие, также будут взаимодействовать с DxO. Microsoft и её партнёры сравнят рекомендации DxO с рекомендациями врачей. 

В этом месяце Google опубликовала совместно с Beth Israel клиническое исследование в The Lancet, чтобы оценить разговорный диагностический ИИ Google AMIE в реальных условиях оказания неотложной медицинской помощи, тогда как врачи в режиме реального времени следили за взаимодействием.

«Мы считаем, что это будет крупнейшее исследование такого рода», — сказал Кинг. «Оно охватит не только отделения неотложной помощи, но и учреждения, оказывающие срочную медицинскую помощь, и к концу периода исследования даст нам весьма убедительные доказательства возможности более масштабного внедрения этих систем в будущем».

Исследование Microsoft, опубликованное в Science, совпало с публикацией своего рода манифеста о том, что потребуется для создания медицинского сверхинтеллекта, определяемого как «способность превосходить сильнейшие современные системы здравоохранения под управлением людей в медицинском мышлении и координации на всём протяжении оказания помощи». Microsoft надеется выйти за рамки оценки отдельных задач — таких как ответы на вопросы медицинских экзаменов и постановка диагнозов — и интегрироваться с врачами и системами здравоохранения для улучшения результатов лечения. 

«Это именно та технология, которую хочет получить каждый человек в мире, и поэтому мы стремимся сделать всё возможное, чтобы ускорить её внедрение во всём мире», — сказал Сулейман, добавив, что такая направленность может стать отличительным преимуществом Microsoft по сравнению с другими передовыми лабораториями.

Microsoft уже продаёт врачам инструменты для диктовки и радиологии и рассматривает DxO как расширение этих усилий. 

«В ближайшие несколько лет мы должны обладать абсолютно лучшими в мире, передовыми продуктами для поддержки принятия клинических решений», — сказал Сулейман.