
Un sistema di intelligenza artificiale che risolve casi clinici complessi più del doppio delle volte rispetto a un medico di medicina generale. È il risultato di uno studio di Microsoft pubblicato giovedì scorso su Science, che Mustafa Suleyman, a capo di Microsoft AI, ha presentato come un passo verso la “superintelligenza medica”. Un’espressione ambiziosa, che merita di essere guardata da vicino.
Il sistema si chiama MAI-DxO e funziona come un consulto tra medici virtuali. Diversi agenti di intelligenza artificiale interrogano il paziente, richiedono esami e discutono tra loro fino ad arrivare a una diagnosi. Messo alla prova su casi particolarmente difficili tratti dal New England Journal of Medicine, ha individuato la risposta corretta nell’83% delle volte, mentre medici di base e internisti, che lavoravano da soli con materiali di consultazione, si sono fermati al 36%. Va però precisato che casi di simile complessità vengono di norma affidati a specialisti o équipe mediche, rimasti esclusi dal confronto.
C’è poi un aspetto meno appariscente ma decisivo. Secondo i dati dello stesso studio, buona parte del merito spetta ai modelli sottostanti, in particolare GPT-5 e GPT-5.5 di OpenAI. Il sistema di coordinamento di Microsoft aggiunge un miglioramento ulteriore, ma non è il motore principale dei risultati. Con GPT-5.5, uscito lo scorso aprile, DxO porta l’accuratezza sui casi complessi dal 72% a quasi l’87%. Nei casi di pronto soccorso, invece, il vantaggio sparisce e le due configurazioni si attestano entrambe intorno all’85%. L’orchestrazione, insomma, aiuta soprattutto i modelli meno potenti, senza però colmare la distanza da quelli più avanzati.
Microsoft ha misurato anche i costi stimati per ciascun caso. Con GPT-5, DxO riduce la spesa di circa 3.000 dollari rispetto agli 8.400 iniziali. Nel frattempo è partita una collaborazione con il Beth Israel Deaconess Medical Center di Boston per valutare il sistema in condizioni reali, affiancandolo alle cure standard dei pazienti che daranno il consenso. Con la Mayo Clinic, inoltre, è in sviluppo un modello di base dedicato alla sanità, atteso per il 2027.
Ne esce il ritratto di una corsa a tre, con Google e OpenAI che rivendicano risultati analoghi. La partita decisiva, però, non si gioca sulle simulazioni ma dentro i flussi di lavoro clinici, dove contano affidabilità, responsabilità e fiducia. Suleyman prevede che i modelli sanitari diventino dieci volte più capaci entro due o tre anni, grazie allo stesso ciclo di miglioramento continuo già visto nella programmazione. Una previsione plausibile, ma un bug si corregge con una patch, una diagnosi sbagliata no. Resta da capire chi risponderà dell’errore quando l’agente virtuale e il medico in carne e ossa non saranno d’accordo. Il valore di sistemi come DxO si misurerà sulla capacità di alleviare la carenza di competenze mediche senza ridurre la superintelligenza a uno slogan.
Per approfondire: link all’articolo originale


