MAI-DxO di Microsoft: l’AI che diagnostica l’83% dei casi complessi

Microsoft ha pubblicato su Science i risultati del suo sistema diagnostico multi-agente, oggi chiamato Diagnostic Orchestrator e noto in precedenza come MAI-DxO. Sui casi clinici complessi del New England Journal of Medicine il sistema ha indovinato circa l’83% delle diagnosi, contro il 36% dei medici di base che potevano consultare materiale di riferimento. Se lavori con l’AI o segui la sanità digitale, è una delle notizie più discusse della settimana, e vale la pena capire cosa dimostra davvero e cosa no.

La parola chiave è prudenza: i numeri sono impressionanti, ma arrivano da un test retrospettivo e non da pazienti reali.

Che cos’è MAI-DxO e come funziona

MAI-DxO, ora presentato come Diagnostic Orchestrator, non è un singolo chatbot che risponde a una domanda medica. È un sistema multi-agente che si comporta come un piccolo panel di specialisti: pone domande al paziente simulato, decide quali esami richiedere, legge i risultati e rivede la diagnosi a ogni passaggio. Un agente può proporre una diagnosi differenziale, un altro la mette in discussione, un altro ancora valuta se un esame vale il suo costo. Secondo le ricostruzioni giornalistiche, al suo interno lavorano modelli linguistici di OpenAI, ma la vera novità è l’orchestrazione, cioè il modo in cui i ruoli dialogano tra loro.

L’idea nasce dalla constatazione che un medico, davanti a un caso difficile, non risponde a un quiz a scelta multipla. Ragiona per ipotesi, sceglie cosa chiedere, pesa il costo di ogni accertamento. Microsoft ha provato a riprodurre questo processo in forma software.

SDBench: il banco di prova

Per misurare il sistema Microsoft ha costruito SDBench, un benchmark che trasforma i casi clinici pubblicati in un percorso a puntate. Il sistema non vede tutto subito: deve chiedere informazioni, ordinare test, ricevere gli esiti e aggiornare l’ipotesi, esattamente come in una visita reale. Secondo quanto riportato dalla stampa, Microsoft prevede di rendere open source questo benchmark, un passo utile per permettere a ricercatori indipendenti di replicare e criticare i risultati.

Il punto di forza di questo approccio è che misura anche l’efficienza. Non basta arrivare alla diagnosi giusta, conta anche quanti esami si prescrivono per arrivarci.

I numeri dello studio

Sui casi del New England Journal of Medicine il sistema ha raggiunto circa l’83%, mentre i medici con accesso a materiale di riferimento si sono fermati intorno al 36% e quelli senza riferimenti intorno al 22%. In un secondo test su casi di pronto soccorso del Beth Israel Deaconess Medical Center, il sistema ha ottenuto circa l’80%, contro una media del 47% dei medici. Anche i costi diagnostici stimati sono risultati inferiori a quelli dei medici, anche se si tratta di stime di modello e non di fatture reali.

Il titolo più ripetuto, quello del sistema “quattro volte migliore” dei medici, va letto con cura. Il rapporto di circa 3,8 volte nasce dal confronto più favorevole, cioè 83% contro 22%. Contro i medici con riferimenti il divario è di circa 2,3 volte, e sui casi di pronto soccorso scende a circa 1,7 volte.

Perché questa notizia conta per la sanità e per l’AI

La diagnosi differenziale è uno dei compiti in cui l’errore costa di più e in cui l’AI può dare un contributo concreto: un secondo parere sempre disponibile, che non si stanca e che ragiona sui costi. Mustafa Suleyman, a capo di Microsoft AI, parla da tempo di una strada verso una “superintelligenza medica”, e questo studio è il tassello più solido finora, perché passa da una rivista scientifica con revisione tra pari e non da un semplice comunicato.

C’è anche un messaggio per chi sviluppa agenti AI in qualsiasi settore. Il vantaggio non viene soltanto dal modello di base, ma dall’architettura che lo circonda: ruoli diversi, controllo reciproco, gestione del budget. È la stessa logica che vedi nei sistemi agentici per il software e per la ricerca, applicata a un dominio in cui la posta in gioco è la salute delle persone.

Resta il tema della fiducia. Un sistema che batte i medici su un benchmark non è automaticamente sicuro in un reparto.

Il contesto: la sanità sta già cambiando

Il settore non parte da zero. Il nostro approfondimento sui dispositivi medici AI approvati dalla FDA mostra che la stragrande maggioranza è stata autorizzata senza test sugli esiti dei pazienti, un promemoria utile quando si guardano i risultati di laboratorio. Allo stesso modo, il caso dell’AI autorizzata in Utah a prescrivere farmaci per l’acne dimostra che la regolamentazione si sta muovendo, ma caso per caso e con cautela. E per capire come si misurano questi sistemi, merita una lettura anche il benchmark MentalHealthBench di OpenAI sulla salute mentale.

I limiti dello studio e le domande aperte

Il primo limite è che i casi sono retrospettivi. Le storie pubblicate dal New England Journal of Medicine sono scritte a diagnosi già nota, quindi più ordinate e più ricche di indizi rispetto a un paziente che entra in ambulatorio con sintomi confusi. Il secondo limite riguarda il confronto: nella versione preliminare del 2025 i medici lavoravano senza colleghi, libri o strumenti digitali, una condizione lontana dalla pratica quotidiana. Nella versione pubblicata un gruppo con materiale di riferimento è stato aggiunto, e il divario si è ridotto, pur restando ampio.

Un terzo aspetto è temporale. Secondo l’analisi di alcuni osservatori, le tabelle principali non testano i modelli più recenti usciti nelle ultime settimane, quindi non è chiaro quanto il vantaggio dell’orchestrazione resista quando i modelli di base diventano molto più capaci. Gli autori sostengono che i benefici multi-agente persistano, ma la dimostrazione completa non è ancora nei dati.

Infine ci sono i costi, che sono calcolati con modelli e non con fatturazione reale, e il tema dei dati: chi controlla le informazioni cliniche che alimentano questi sistemi resta una questione aperta.

Lo ha riconosciuto lo stesso Suleyman: serve una validazione clinica.

Cosa succede adesso: la sperimentazione in ospedale

Il passo successivo è la prova sul campo. Microsoft ha indicato una sperimentazione con il Beth Israel Deaconess Medical Center, che secondo Dominic King dovrebbe partire probabilmente nei prossimi due mesi, senza una data precisa. Gli indicatori da osservare saranno l’accuratezza, il tempo necessario per arrivare alla diagnosi, i costi e gli eventi avversi. Sono questi dati, e non i benchmark, a dire se il sistema migliora davvero la cura.

Per ora lo strumento non è disponibile al pubblico e Microsoft non ha comunicato né una data di rilascio né prezzi. Non è quindi qualcosa che puoi usare, e non va confuso con le app che permettono di fare domande di salute a un chatbot generico. Per il contesto della ricerca iniziale puoi consultare l’annuncio originale di Microsoft AI sul percorso verso la superintelligenza medica.

Nel frattempo i professionisti sanitari possono già ragionare su come inserire un assistente di questo tipo in un flusso di lavoro: come secondo parere, come promemoria di ipotesi alternative, come strumento per ridurre esami inutili. La condizione è che la decisione finale resti al medico.

Che cosa cambia per chi lavora con l’AI

Per chi si occupa di AI, marketing o contenuti, la lezione è doppia. Da un lato i sistemi agentici ben orchestrati stanno superando i singoli modelli nei compiti complessi. Dall’altro, i risultati vanno sempre verificati: un numero percentuale senza il contesto del test racconta una storia incompleta, e una buona comunicazione di prodotto passa dal dire anche cosa non è stato dimostrato.

Se tratti temi di salute nel tuo sito o nei tuoi progetti, ricorda che i lettori cercano risposte affidabili. Citare le fonti, distinguere tra ricerca e uso clinico e spiegare i limiti sono pratiche che costruiscono fiducia, anche agli occhi dei motori di ricerca.

Conclusioni

Il Diagnostic Orchestrator di Microsoft è un risultato scientifico solido su un benchmark difficile e mostra quanto possa valere un’orchestrazione ben pensata di più agenti AI. Non è però ancora un medico digitale: mancano la prova su pazienti reali, la verifica con i modelli più recenti e un percorso regolatorio chiaro.

Il mio consiglio è di seguire con attenzione la sperimentazione al Beth Israel Deaconess nei prossimi mesi, perché sarà quella a dire se i numeri di laboratorio si trasformano in diagnosi migliori. Intanto continua a seguire le nostre news sull’AI nella sanità: ti racconteremo ogni passo, con fonti e limiti ben chiari.