Microsoft asegura que ha desarrollado un modelo de inteligencia artificial (IA) capaz de diagnosticar enfermedades con información limitada sobre el paciente y alcanzar una precisión hasta cuatro veces superior a la obtenida por médicos generalistas en determinadas pruebas.
Una de las características más destacadas del sistema, denominado Diagnostic Orchestrator (DxO), es que replica los procedimientos que los médicos emplean para establecer un diagnóstico durante una consulta. A diferencia de otros algoritmos similares, sus conclusiones no parten de informes médicos que contienen de antemano toda la información necesaria para determinar la condición clínica del paciente.
En cambio, la herramienta desarrollada por Microsoft comienza su evaluación con datos limitados y, posteriormente, formula preguntas para conocer los antecedentes de la persona, determina qué pruebas de laboratorio necesita para explicar los síntomas y, finalmente, establece un diagnóstico cuando reúne evidencia suficiente.
¿Qué ventajas ofrece?
En un artículo publicado esta semana en la revista Science, los desarrolladores sostienen que su propuesta no solo plantea una aplicación más precisa de la IA en la práctica médica, sino que también podría reducir las cargas económicas y psicoemocionales asociadas al diagnóstico al evitar pruebas y estudios innecesarios que pueden generar gastos y preocupación en los pacientes.
“A medida que los modelos se vuelven más capaces, los métodos que integran la inferencia secuencial estructurada con la experiencia clínica pueden transformar la forma en que la IA apoya el razonamiento diagnóstico, con el potencial de mejorar la calidad y la accesibilidad de la atención médica en todo el mundo”, sostienen los autores.
¿Como funciona?
El funcionamiento de DxO se basa en GPT-5.5 de OpenAI y, como su nombre indica, corresponde a un algoritmo de orquestación. Esto significa que organiza las tareas de razonamiento de un modelo subyacente para cumplir objetivos específicos.
En la práctica, DxO emplea cinco agentes de IA basados en el sistema de OpenAI. Cada uno se especializa en una función: generar hipótesis, seleccionar pruebas, revisar críticamente los resultados, controlar los costos y verificar el diagnóstico final. En conjunto, estos componentes estructuran un proceso que busca reproducir las distintas etapas del razonamiento clínico.
Los autores no detallan el conjunto de datos exacto utilizado para entrenar el sistema ni los procedimientos específicos de su capacitación. Sin embargo, destacan el desarrollo de un indicador diseñado para evaluar su rendimiento: Sequential Diagnosis Benchmark (SDBench).
