Мустафа Сулейман із Microsoft заявив, що її ШІ перевершує лікарів у складних випадках у прагненні до «медичного суперінтелекту»

За даними дослідження, опублікованого в четвер у журналі Science, система діагностики на основі ШІ від Microsoft правильно діагностувала складні медичні випадки в симуляції більш ніж удвічі частіше, ніж лікарі загальної практики. Генеральний директор Microsoft AI Мустафа Сулейман назвав цей результат кроком до «медичного суперінтелекту».

Система під назвою MAI-DxO (скорочено DxO) координує роботу кількох ШІ-агентів, які діють як консиліум лікарів. Вони розпитують пацієнта, призначають обстеження та обговорюють діагноз.

У симуляції з використанням складних випадків із New England Journal of Medicine система правильно визначила діагноз у 83% випадків. Лікарі первинної ланки та терапевти, які працювали індивідуально з довідковими матеріалами, мали правильні відповіді у 36% випадків. Важливе застереження: такі складні випадки зазвичай ведуть спеціалісти або команди лікарів, які не брали участі в порівнянні.

«Тут є щось дуже вагоме й захопливе», — сказав TechCrunch Домінік Кінг, віцепрезидент із питань охорони здоров’я в Microsoft AI. «Найбільша проблема в наданні медичної допомоги наразі — дедалі більша невідповідність між попитом і пропозицією медичної експертизи».

Публікуючи ці результати, Microsoft приєднується до Google та OpenAI, заявляючи, що її ШІ може зрівнятися з лікарями або перевершити їх.

Власні дані дослідження свідчать, що значна частина покращення зумовлена потужнішими базовими моделями ШІ, тоді як система координації Microsoft забезпечує додатковий приріст.

Microsoft протестувала MAI-DxO з моделями кількох компаній, зокрема OpenAI, Google, Anthropic, Meta та DeepSeek, але найкращі результати система показала з GPT-5 і GPT-5.5 від OpenAI. 

Microsoft оцінювала DxO не лише за точністю, а й за вартістю — тобто орієнтовною вартістю роботи ШІ над кожним випадком. Самостійно, з коротким базовим промптом, GPT-5 показала точність 78,9% на складних випадках за приблизної вартості 8400 доларів за випадок. DxO знизила цю вартість приблизно на 3000 доларів, але підвищила точність лише приблизно на чотири відсоткові пункти. У випадках із відділення невідкладної допомоги між GPT-5, що працювала самостійно, та GPT-5 із допомогою DxO було незначне покращення як точності, так і вартості.

З GPT-5.5, новішою моделлю, випущеною у квітні 2026 року, результати виявилися неоднозначними. У складних випадках DxO підвищила показник точності GPT-5.5 із 72% до майже 87% за трохи нижчої вартості. Однак у випадках із відділення невідкладної допомоги переваги знову не проявилися. Обидві версії — з DxO і без неї — показали близько 85% за подібної вартості. 

DxO найбільше допомагає у складних випадках і менш потужним моделям ШІ. Наприклад, Gemini 2.5 Flash самостійно показала результат 46,4%, а з DxO — майже 69%. Водночас розрив між слабшими та потужнішими моделями був більшим, ніж приріст, забезпечений DxO.

Дослідники Microsoft зазначили, що приріст точності закономірно зменшується в міру наближення моделей до теоретичного максимуму. «Оркестрація DxO допомагає розв’язати ширшу проблему оптимізації як точності, так і вартості», — додав представник компанії.

Сулейман, який очолює зусилля Microsoft зі створення власного передового ШІ, розповів TechCrunch, що компанія працює з клінікою Mayo над навчанням базової моделі для сфери охорони здоров’я, випуск якої запланований на наступний рік. Він вважає, що ця модель дасть компанії змогу «здійснити тут справді величезний прорив», і зазначає, що DxO є частиною базової інфраструктури, яку Microsoft створює для досягнення реальних проривів у медицині. 

«Я справді вірю, що у 2027 році ми будемо на порозі прориву в медичних записах, подібного до того, що стався у програмуванні», — сказав Сулейман. «Думаю, ми зможемо передавати високоточні прогнози щодо того, як може розвиватися медична карта пацієнта, і, очевидно, така далекоглядність для клініциста — це справжній скарб».

Сулейман присвятив свою кар’єру спробам використати ШІ для розв’язання медичних проблем. Раніше він був співзасновником DeepMind, яку Google придбала у 2014 році. Наступного року Google DeepMind придбала стартап Кінга Hark — застосунок для керування клінічними завданнями, — і вони разом запустили DeepMind Health. Сулейман приєднався до Microsoft у 2024 році, щоб очолити її підрозділ ШІ, а Кінг приєднався до нього кількома місяцями пізніше.

«Ми просто щиро в це віримо», — сказав Сулейман.

Він зазначив, що використання генеративного ШІ в медицині все ще перебуває на ранньому етапі, але очікує, що протягом наступних 24–36 місяців можливості медичних моделей «зростуть на порядок». 

«Як ми неодноразово бачили протягом останніх п’яти-шести років, прогрес відбувається дуже швидко, щойно запускається маховик», — сказав Сулейман. «Маховик означає, що ми маємо модель у виробничому середовищі, яку вдосконалюємо на основі реального використання, щоб виявляти прогалини в моделі, а потім усувати їх і покращувати модель. Саме це сталося з програмуванням. До цього так відбувалося з чатами. І я думаю, що наступного року це почне відбуватися з медичними записами та підтримкою клінічних рішень».

У межах нового партнерства з медичним центром Beth Israel Deaconess у Бостоні Microsoft оцінюватиме здатність DxO до клінічного міркування в різних лікарняних умовах.

«Ця технологія готова до оцінювання в реальних умовах, і ви можете уявити складність і різноманітність проблем, із якими стикається відділення невідкладної допомоги в Бостоні в п’ятницю ввечері», — сказав Кінг.

Він пояснив, як відбуватиметься дослідження: пацієнти отримуватимуть стандартне лікування, зокрема первинне сортування, консультацію спеціаліста, лікування, обстеження та рішення про те, чи безпечно їх виписувати. Паралельно ті, хто дасть згоду, також взаємодіятимуть із DxO. Microsoft і її партнери порівняють рекомендації DxO з рекомендаціями лікарів. 

Цього місяця Google опублікувала в The Lancet клінічне дослідження, проведене спільно з Beth Israel, щоб оцінити розмовний діагностичний ШІ Google AMIE під час реальних візитів до закладів невідкладної допомоги, тоді як лікарі спостерігали за взаємодією в режимі реального часу. 

«Ми вважаємо, що це буде найбільше дослідження такого роду», — сказав Кінг. «Воно охопить не лише відділення невідкладної допомоги, а й заклади термінової медичної допомоги, і до завершення періоду дослідження дасть нам дуже переконливі докази щодо можливості ширшого впровадження цих систем у майбутньому».

Дослідження Microsoft у Science збігається з маніфестом — своєрідною заявою про те, що потрібно для створення медичного суперінтелекту, визначеного як «здатність перевершити найсильніші сучасні системи охорони здоров’я під керівництвом людей у медичному міркуванні та координації на всьому шляху надання допомоги». Microsoft прагне вийти за межі оцінювання окремих завдань — таких як відповіді на запитання медичних іспитів і формування діагнозів — до інтеграції з клініцистами та системами охорони здоров’я задля кращих результатів. 

«Це саме та технологія, яку хочуть отримати всі люди у світі, і саме тому ми прагнемо зробити все можливе, щоб прискорити її впровадження у світі», — сказав Сулейман, додавши, що такий фокус може стати конкурентною перевагою Microsoft порівняно з іншими передовими лабораторіями. 

Microsoft уже продає клініцистам інструменти для диктування та радіології й розглядає DxO як розширення цих напрямів. 

«Протягом наступних кількох років ми маємо створити абсолютні номер один — найсучасніші продукти для підтримки клінічних рішень у медицині», — сказав Сулейман.