MAI-DxO: Microsoft-KI diagnostiziert in Science mehr als doppelt so präzise

Ein Forschungsteam von Microsoft hat am 22. Oktober 2026 in der Fachzeitschrift Science eine Studie zur sequenziellen Diagnostik mit Sprachmodellen vorgestellt. Demnach diagnostizierte das neue KI-System MAI-DxO bei über 300 komplexen medizinischen Fällen mehr als doppelt so präzise wie Allgemeinmediziner, die Zugriff auf Fachliteratur und das Internet hatten.

Deutlicher Vorsprung bei Benchmark-Fällen

Die Forscher um Harsha Nori überprüften die Leistungsfähigkeit des Systems unter anderem an 304 klinisch-pathologischen Fallbeschreibungen des New England Journal of Medicine (NEJM). MAI-DxO erzielte dabei eine Diagnosegenauigkeit von 83,2 Prozent. Allgemeinmediziner mit Zugang zu Referenzmaterial erreichten im selben Test 36,1 Prozent, während Mediziner ohne Hilfsmittel auf 22,3 Prozent kamen.

In einer zweiten Auswertung von 325 Notaufnahmefällen aus der Datenbank MIMIC-IV-ED verzeichnete das Modell eine Trefferquote von 80,3 Prozent, verglichen mit 46,8 Prozent bei den Ärzten, was rund dem 1,7-Fachen entspricht.

Der beste menschliche Arzt erreichte bei den kuratierten Testfällen 51,8 Prozent und wurde vom System sowohl hinsichtlich der Genauigkeit als auch bei den Testkosten übertroffen. Bereits 2025 hatte ein Vorgängersystem bis zu 85,5 Prozent auf schwierigen Fällen erreicht.

Sequenzielle Methodik und Kostenanalyse

Technisch bildet MAI-DxO einen schrittweisen klinischen Entscheidungsprozess nach. Ein zentraler Orchestrator steuert ein Gremium spezialisierter KI-Agenten, die Anamnesefragen stellen, gezielt Tests anordnen und Hypothesen dynamisch abgleichen.

Auffällig war dabei, dass das Modell vor der Veranlassung erster Tests mehr anamnestische Informationen sammelte als menschliche Ärzte. Die Software basiert hauptsächlich auf GPT-5, wobei die Leistungsvorteile gegenüber Einzelmodellen auch beim Einsatz von GPT-5.5 erhalten blieben.

Wer sich mit komplexen medizinischen Diagnosen befasst, erkennt schnell, wie entscheidend die korrekte Interpretation von Daten für die Vorsorge ist. Dieser kostenlose Report erklärt verständlich, was wichtige Blutwerte wirklich bedeuten und wie Sie Fehldiagnosen vermeiden können. Laborwerte-Selbstcheck: Jetzt kostenlos verstehen

Harsha Nori von Microsoft AI Health betonte, dass die Untersuchung nicht nur die Trefferquote erfasse, sondern auch die Umsicht, mit der die diagnostische Abklärung ablaufe. Dr. Dominic King von Microsoft AI ergänzte, dass herkömmliche Multiple-Choice-Tests die Realität nicht ausreichend abbildeten.

Bei den Testkosten bezifferten die Forscher den Aufwand des Modells auf die Hälfte bis ein Drittel der Arztkosten. Eine kostenoptimierte Konfiguration erreichte 81 Prozent Genauigkeit bei geschätzten 2241 US-Dollar pro Fall gegenüber 4725 US-Dollar bei den Ärzten, wobei es sich um Referenzpreise und keine realen Einsparungen handelt.

Die fortschreitende Digitalisierung in der Medizin wirft oft Fragen zur richtigen Einordnung von Gesundheitsdaten auf. Erfahren Sie in diesem 25-seitigen PDF-Ratgeber, wie Sie Ihre Vitalstoff-Werte selbst prüfen und Mängel frühzeitig erkennen können. Kostenlosen Gesundheits-Ratgeber hier herunterladen

Über verschiedene Budgeteinstellungen hinweg lag die Genauigkeit zwischen 79,6 Prozent und 84,5 Prozent bei Kosten von 1303 bis 8945 US-Dollar. Im Update-Setting mit 83,2 Prozent Genauigkeit beliefen sich die kalkulierten Ausgaben auf 5431 US-Dollar gegenüber 4725 US-Dollar bei den Ärzten.

Bei den Notaufnahmefällen erforderte die 80,3-Prozent-Einstellung 4979 US-Dollar pro Fall im Vergleich zu 3400 US-Dollar bei den Ärzten; eine Budgetvariante erzielte 69,5 Prozent Genauigkeit bei 2037 US-Dollar.

Grenzen und geplante Erprobung

Das Microsoft-Team wies auf methodische Einschränkungen hin. Der Test erfolgte rein textbasiert in einer kontrollierten Umgebung ohne realen Klinikbetrieb. Anstelle menschlicher Patienten simulierte ein Gatekeeper-Agent die Antworten aus den Akten.

Körperliche Untersuchungen und Bildgebungen waren nicht möglich, zudem erfolgte der Vergleich ausschließlich mit Allgemeinmedizinern statt mit Fachteams. Die beteiligten Autoren sind ausnahmslos Microsoft-Angestellte mit Unternehmensanteilen, die Studie erhielt keine externen Mittel.

Aussagen zur realen klinischen Wirksamkeit oder zu Behandlungsergebnissen lassen sich laut den Forschern daraus nicht ableiten; die KI sei lediglich als Ergänzung gedacht.

Gleichwohl stellte Mustafa Suleyman, CEO von Microsoft AI, mögliche Implementierungen in Produktionsumgebungen für das kommende Jahr in Aussicht. Konkrete Termine für Verfügbarkeit oder Preise gibt es jedoch nicht. Als nächster Schritt ist eine prospektive Studie mit dem Beth Israel Deaconess Medical Center in Boston geplant, die den Einsatz zur Triage in Notaufnahme-Wartezimmern untersuchen soll.

Teile des Codes der Benchmark SDBench wurden veröffentlicht und sollen vollständig als Open Source bereitgestellt werden. Eine breite Nutzung hänge von künftigen Studienergebnissen, behördlicher Aufsicht sowie Erstattungsfragen ab.