Microsoft-Diagnosesystem MAI-DxO löst 83,2 Prozent der NEJM-Fälle – Studie erscheint in Science

MAI-DxO löst 83,2 % der NEJM-Fälle, Generalisten mit Referenzmaterial 36,1 %

Microsoft AI hat die Studie „Sequential Diagnosis with Language Models“ am 22. Oktober 2026 in der Fachzeitschrift Science veröffentlicht. Nach Microsoft-Angaben und laut Berichterstattung diagnostiziert das System MAI-DxO 83,2 Prozent der 304 komplexen Fallberichte aus dem New England Journal of Medicine (NEJM) korrekt. Generalisten mit Zugang zu Referenzmaterial kommen auf 36,1 Prozent, ohne Hilfsmittel auf rund 22 Prozent. Das Paper selbst lag der Redaktion nicht vor. Alle Zahlen stützen sich auf Berichte und Darstellungen von Microsoft.

MAI-DxO ist kein eigenes Sprachmodell. Es handelt sich um einen Orchestrator, der ein Basismodell als Panel aus fünf virtuellen Ärzten arbeiten lässt. Diese stellen einem simulierten Patienten Fragen, wählen Tests aus und diskutieren die Diagnose, bevor sie sich festlegen. Dominic King von Microsoft AI kündigte an, eine prospektive Studie am Beth Israel Deaconess Medical Center (BIDMC) in Boston solle „within the next couple of months“ beginnen.

Notaufnahmefälle, GPT-5 und Peer Review: Was gegenüber dem Preprint neu ist

Die Arbeit war im Juli 2025 als nicht begutachteter arXiv-Preprint (2506.22405) erschienen. Neu ist zunächst das Peer Review bei Science. Hinzu kommt ein zweiter Datensatz mit Notaufnahmefällen aus MIMIC-IV-ED. Dort erreicht MAI-DxO nach Microsoft-Angaben 80,3 Prozent, Ärzte kommen auf 46,79 Prozent. Das entspricht dem 1,7-Fachen. Als Basismodell nennt die Cellcog-Aufbereitung der Studie jetzt GPT-5. Im Preprint kam o3 von OpenAI zum Einsatz. Außerdem ist die klinische Prüfung am BIDMC angekündigt.

Im Preprint lag MAI-DxO mit o3 bei 80 Prozent, die Kosten bei 4.735 Dollar (Konfiguration ohne Budgetgrenze). Eine Microsoft-Seite nannte dort bis zu 85 Prozent. Diese Spitzenwerte sind nicht mit den 83,2 Prozent der Science-Fassung gleichzusetzen, weil Version und Konfiguration abweichen. Nicht neu ist das Grundkonzept: die fünf virtuellen Ärzte und der Benchmark SDBench, der die Fälle als schrittweise Diagnosegespräche mit kostenpflichtigen Tests nachstellt.

Textbenchmark statt Klinikalltag: Kostenangaben und Vergleichsbedingungen bleiben offen

Hier handelt es sich um einen textbasierten Benchmark, nicht um eine klinische Studie. Praxistests und Patientenergebnisse stehen laut den Autoren und Microsoft-AI-Chef Mustafa Suleyman noch aus. Ein Einsatz im Klinikalltag würde eine klinische Prüfung voraussetzen.

Bei den Kosten widersprechen sich die Angaben. Microsoft nennt für die NEJM-Fälle die Hälfte bis ein Drittel der Kosten. Für die Notaufnahmefälle beziffert eine Quelle die Kosten dagegen auf etwa 4.980 Dollar pro Fall, gegenüber 3.400 Dollar bei den Ärzten, also höher. Möglich ist, dass sich beide Aussagen auf unterschiedliche Datensätze und Konfigurationen beziehen. Ob Kosten bei Ärzten und KI nach derselben Methode berechnet wurden, lässt sich ohne Paper nicht klären.

Widersprüchlich sind auch die Bedingungen der Vergleichsärzte. Microsoft und Suleyman sprechen von Webzugriff. Eine andere Quelle schreibt dagegen, Suchmaschinen und Sprachmodelle seien untersagt gewesen. Der Rahmen „medical superintelligence“ und die Aussage, kein anderer Ansatz sei „both more accurate and less costly“, stammen vom Hersteller. Prüfen lassen sie sich nur am Paper und durch unabhängige Replikation.