Microsoft-KI soll genauere medizinische Diagnosen liefern als Ärzte

Microsoft hat für eine Studie ein eigenes Orchestrierungs-Tool für KI-Modelle getestet und dessen Genauigkeit bei medizinischen Diagnosen mit den Fähigkeiten menschlicher Ärzte verglichen. Die Ergebnisse sind nach Konzernangaben vielversprechend.

Microsoft lässt KI wie Ärzte handeln

Microsofts KI-Dienste geraten in Sachen Popularität im Vergleich zu den Angeboten von Firmen wie OpenAI und Anthropic zunehmend ins Hintertreffen. Jetzt hat der Konzern eine Studie veröffentlicht, die belegen soll, dass man zumindest im Bereich der Medizin ganz oben mitspielen kann.

Laut den gestern im US-Wissenschaftsmagazin Science veröffentlichten Ergebnissen einer von Microsoft in Auftrag gegebenen Studie war ein KI-System namens MAI-DxO (Microsoft AI Diagnostic Orchestrator) mehr als doppelt so oft erfolgreich bei der Diagnose von simulierten komplexen medizinischen Fällen wie Allgemeinmediziner.


MAI-DxO soll damit einen Beleg dafür geliefert haben, dass man auf dem Weg hin zu "medizinischer Superintelligenz" sei, hieß es dazu von Mustafa Suleyman, dem Chef von Microsoft AI (MAI). DxO kombiniert nach Angaben von Microsoft eine Reihe von KI-Agenten, die sich verhalten sollen, als wären sie Ärzte, die gemeinsam an einer Diagnose arbeiten. Das System liefert unter anderem Fragen an den Patienten, ordnet verschiedene Tests an und "diskutiert" dann eine mögliche Diagnose.

Für die Studie wurde eine Art Simulation durchgeführt, bei der komplexe Fälle aus dem renommierten New England Journal of Medicine als Grundlage dienten. MAI-DxO lieferte in 83 Prozent der Fälle eine richtige Diagnose. Eine Gruppe von Allgemeinmedizinern und nicht spezialisierten Internisten konnte hingegen im Schnitt nur in 36 Prozent der Fälle eine korrekte Diagnose stellen. MAI-DxO: Studie zur Genauigkeit von KI-Diagnosen in der Medizin

KI wurde mit Allgemeinmedizinern verglichen

Bei der Studie ist natürlich zu bedenken, dass komplexe Fälle normalerweise auch von spezialisierten Ärzten oder mehreren entsprechend qualifizierten Medizinern diagnostiziert werden. Gerade in dieser Diskrepanz zwischen den mit spezialisierten Daten trainierten KI-Systemen und den allgemein ausgebildeten Ärzten sieht Microsoft aber "etwas Substanzielles und Spannendes", so der zuständige Manager Dominic King gegenüber TechCrunch.

Die größte Herausforderung im Gesundheitswesen sei derzeit nämlich, dass die Schere zwischen Bedarf und Verfügbarkeit medizinischer Expertise immer weiter auseinandergehe, so King weiter. Die guten Ergebnisse bei der Diagnose mit MAI-DxO wurden allerdings bei der Studie auch nicht mit Microsofts eigenen KI-Modellen erzielt. Stattdessen dient das "Orchestrierungssystem" lediglich der Koordination und Verarbeitung diverser Anfragen unter Verwendung externer Sprachmodelle.

Orchestrator kann Genauigkeit externer Modelle steigern

Microsoft testete MAI-DxO deshalb in Verbindung mit den KI-Modellen von verschiedenen Anbietern wie OpenAI, Google, Anthropic, Meta und DeepSeek, wobei die besten Resultate mit GPT-5 und GPT-5.5 von OpenAI erzielt wurden. Durch die Verwendung von DxO konnte man die Genauigkeit der Diagnosen zusätzlich teils deutlich steigern.

Bei Microsofts Studie wurden auch die Kosten gemessen, die für die Verwendung der KI-Dienste anfielen, bis eine bestmögliche Diagnose vorlag. Bei GPT-5 fielen bei einer kurzen, einfach formulierten Anfrage demnach Kosten von 8400 Dollar (etwa 7200 Euro) pro Fall an, während eine Genauigkeit von 78,9 Prozent erreicht wurde. In Verbindung mit DxO wurden die Kosten um rund 3000 Dollar (etwa 2600 Euro) reduziert, während die Genauigkeit um rund vier Prozent gesteigert werden konnte.

Insgesamt geht Microsoft davon aus, dass man ab 2027 einen Punkt erreicht, an dem die Verwendung von LLMs in Verbindung mit medizinischen Daten eine Qualität erreicht, die dem nahe kommt, was heute beim Coding möglich ist, so Suleyman. Dabei will man mit einem eigenen Grundlagenmodell ebenfalls eine Rolle spielen, das derzeit in Zusammenarbeit mit der renommierten Mayo Clinic entwickelt wird.

Siehe auch: