Microsoft’un tıbbi yapay zekası, karmaşık vakalarda yüzde 83 doğruluğa ulaştı

Microsoft’un farklı yapay zeka ajanlarını bir doktor heyeti gibi koordine eden MAI-DxO sistemi, Science dergisinde yayımlanan çalışmada değerlendirildi. Sistem, The New England Journal of Medicine arşivinden alınan karmaşık vakalarda hastaya sorulacak soruları ve istenecek tetkikleri seçerek tanıya adım adım ilerledi. Yüzde 83’lük doğruluk, referans kaynaklarını kullanan birinci basamak ve dahiliye hekimlerinin yüzde 36’lık sonucunun iki katını aştı. Karşılaştırmaya uzman hekim heyetleri dahil edilmedi.

TETKİK MALİYETİ DE ÖLÇÜLDÜ 

OpenAI, Google, Anthropic, Meta ve DeepSeek modelleriyle sınanan koordinasyon sisteminde en yüksek performans GPT-5 ve GPT-5.5 ile elde edildi. GPT-5, temel bir komutla tek başına kullanıldığında karmaşık vakalarda yüzde 78,9 doğruluğa ulaştı. MAI-DxO ile doğruluk yaklaşık dört puan artarken vaka başına tahmini tanı ve tetkik maliyeti yaklaşık 8 bin 400 dolardan 3 bin dolar düşürüldü.

Buradaki tutar, yapay zekanın çalıştırılması için harcanan işlem gücünü değil, simülasyonda seçilen tıbbi değerlendirmelerin tahmini maliyetini ifade ediyor. Araştırmacılar bu maliyetlerin sağlık sistemlerine göre değişebileceğini belirtiyor.

MODELE GÖRE DEĞİŞEN KAZANIM 

Nisan 2026’da kullanıma sunulan GPT-5.5’in karmaşık vakalardaki doğruluğu, MAI-DxO ile yüzde 72’den yaklaşık yüzde 87’ye çıktı. Gemini 2.5 Flash’ta ise oran yüzde 46,4’ten yaklaşık yüzde 69’a yükseldi. Sonuçlar, koordinasyonun etkisinin kullanılan modele ve vaka türüne göre değiştiğini gösterdi.

Microsoft AI Üst Yöneticisi Mustafa Süleyman ile Sağlık Birimi Başkan Yardımcısı Dominic King, bulguları 'tıbbi süper zeka' hedefi açısından bir adım olarak değerlendirdi; sağlık hizmetlerindeki temel sorunlardan birinin uzmanlık ihtiyacı ile mevcut kapasite arasındaki dengesizlik olduğunu vurguladı.

MAYO CLINIC İLE ORTAKLIK 

Microsoft, Mayo Clinic ile sağlık alanına yönelik bir temel yapay zeka modeli geliştirmek için çalışıyor ve modeli gelecek yıl sunmayı hedefliyor. Süleyman ve King, sağlık modellerinin yeteneklerinin önümüzdeki 24 ila 36 ayda önemli ölçüde gelişeceğini öngörüyor.

Yöneticiler, 2027’den itibaren tıbbi kayıtların işlenmesi ve klinik karar desteğinde ilerleme beklediklerini, sistemlerin klinisyenlere hastalıkların olası seyrini değerlendirmede yardımcı olmasını amaçladıklarını belirtti. Şirket, bu çalışmaları mevcut sesli dikte ve radyoloji analiz araçlarıyla birleştirmeyi planlıyor.

HASTANE KOŞULLARINDA SINANACAK 

Simülasyon sonuçlarının ardından Microsoft, Boston’daki Beth Israel Deaconess Tıp Merkezi ile MAI-DxO’yu gerçek bakım süreçlerinde değerlendirmek üzere ortaklık kurdu. Planlanan çalışmada onay veren hastalar sistemle etkileşime girecek; yapay zekanın önerileri, hekimlerin bağımsız değerlendirmeleriyle karşılaştırılacak.

İnceleme, triyajdan muayene ve tetkiklere, tedavi planlamasından taburculuğa uzanan süreçleri kapsayacak. Google’ın aynı hastaneyle yürüttüğü AMIE çalışmasının bu ay The Lancet’te yayımlanmasının ardından gelen proje, MAI-DxO’nun acil servis ve ayakta acil bakım koşullarındaki başarısını görmeyi amaçlıyor.

Hastane çalışmasının sonuçları açıklanana kadar yüzde 83’lük simülasyon başarısı, gerçek hastalarda doğrulanmış bir tanı performansı olarak değerlendirilemez.