Diagnosi, l’IA sfida i medici: il test decisivo sarà in ospedale

Il risultato più importante non riguarda soltanto i casi clinici estremamente rari: la prova decisiva arriverà quando MAI-DxO dovrà confrontarsi con pazienti veri, sintomi incompleti e decisioni prese in tempo reale. Microsoft ha infatti annunciato uno studio prospettico in ospedale, dopo aver ottenuto prestazioni migliori dei medici in due serie di casi simulati.

La prova reale deve ancora arrivare

Il prossimo esperimento sarà condotto con il Beth Israel Deaconess Medical Center di Boston. Alcuni pazienti dialogheranno direttamente con MAI-DxO, continuando nel frattempo a ricevere le cure previste dai professionisti sanitari.

Le indicazioni elaborate dal sistema saranno messe a confronto con quelle formulate autonomamente dai medici. Solo questo passaggio potrà chiarire se il vantaggio registrato nelle prove teoriche rimarrà intatto anche in un pronto soccorso, dove i dati possono essere frammentari, le condizioni cambiano rapidamente e la diagnosi rappresenta soltanto una parte dell’attività clinica.

Il vantaggio emerge anche nei casi comuni

La ricerca definitiva è stata pubblicata su Science con il titolo “Diagnosi sequenziale con modelli linguistici”. Oltre a confermare il risultato ottenuto sui casi più complessi, il lavoro introduce una verifica basata su 25 cartelle cliniche anonimizzate di pazienti transitati dal pronto soccorso del Beth Israel Deaconess Medical Center, presenti nel database MIMIC-IV-ED.

Su questo materiale, MAI-DxO ha raggiunto un’accuratezza dell’80,3%. I medici non specialisti si sono fermati al 46,8%, lasciando al sistema un rendimento circa 1,7 volte superiore. Il confronto, quindi, non riguarda più soltanto diagnosi eccezionali raccolte nella letteratura specialistica, ma situazioni più vicine alla pratica quotidiana.

L’IA sceglie domande ed esami

MAI-DxO non riceve subito l’intera storia del paziente. Parte da un quadro parziale e deve stabilire quali domande porre, quali accertamenti richiedere e quali ipotesi mantenere in considerazione. Il costo stimato degli esami entra a sua volta nella valutazione.

Il sistema coordina diversi agenti basati su grandi modelli linguistici. Questi componenti avanzano diagnosi, raccolgono nuove informazioni e discutono le proposte degli altri, simulando il lavoro di una piccola équipe virtuale. Le verifiche con modelli più recenti, tra cui GPT-5.5, hanno indicato che l’impianto continua a funzionare senza dover cambiare l’architettura dell’orchestratore.

I numeri sui casi più difficili

La precedente prova comprendeva 304 casi pubblicati dal New England Journal of Medicine. Nel test ora valutato dalla rivista, MAI-DxO ha identificato correttamente la diagnosi nell’83,2% delle situazioni.

I medici di cure primarie e gli internisti hanno raggiunto il 22,3% senza consultare risorse esterne. Con la possibilità di usare libri e internet, il loro dato è salito al 36,1%, ma l’intelligenza artificiale ha conservato un risultato più che doppio. Nella prima versione dell’esperimento, presentata il 30 giugno 2025, la configurazione migliore del sistema aveva ottenuto l’85,5%, mentre i 21 medici coinvolti si erano attestati intorno al 20%.

Ambizioni alte, prove ancora limitate

Mustafa Suleyman, amministratore delegato di Microsoft AI e tra gli autori della ricerca, interpreta questi dati come un possibile passo verso la “superintelligenza medica”. A suo giudizio, “nel 2027 saremo alle soglie di una svolta per le cartelle cliniche simile a quella avvenuta nella programmazione”, con strumenti capaci di prevedere in modo continuativo l’evoluzione delle condizioni di un paziente.

Lo studio, tuttavia, non dimostra ancora un miglioramento degli esiti clinici. I medici hanno lavorato singolarmente e, nei casi più complessi, non sono state coinvolte équipe di specialisti, cioè il tipo di gruppo che normalmente affronta diagnosi di quel livello.

Le prove restano inoltre ricostruzioni basate su cartelle già disponibili. Sarà il confronto con pazienti reali a stabilire quanto MAI-DxO riesca a mantenere le proprie prestazioni quando deve operare in un ambiente ospedaliero imprevedibile.