Microsofts nya AI-system lyckades ställa rätt diagnos i 83 procent av över 300 komplicerade patientfall. Läkarna som deltog i jämförelsen nådde 36 procent. Resultaten har nu publicerats i den vetenskapliga tidskriften Science, men forskarna betonar att tekniken ännu inte har visat samma förmåga i verklig sjukvård.

Det nya systemet heter MAI Diagnostic Orchestrator, förkortat MAI-DxO. Till skillnad från AI-verktyg som bara får en beskrivning av patientens symtom och sedan föreslår en diagnos arbetar Microsofts system stegvis.

Det kan välja vilka frågor som ska ställas, vilka undersökningar som behövs och vilka prover som är värda att ta. Varje nytt svar används sedan för att komma närmare en diagnos.

Tekniken efterliknar därmed delar av den arbetsgång som läkare använder när de undersöker patienter.

Microsofts AI satte rätt diagnos i 83 procent av fallen

I studien som publicerats i Science undersökte forskarna hur AI-systemet klarade två olika grupper av medicinska fall.

Den första omfattade 304 särskilt komplicerade patientfall från den medicinska tidskriften The New England Journal of Medicine. Fallen hade valts ut för att vara diagnostiskt utmanande och innehöll sjukdomstillstånd som kan vara svåra att identifiera.

Här nådde Microsofts system en träffsäkerhet på 83,2 procent. Läkarna som fick använda medicinska referensverktyg nådde 36,1 procent.

I en andra undersökning användes 325 fall från akutsjukvården. Även där presterade AI-systemet bättre, med 80,3 procents korrekta diagnoser jämfört med 46,8 procent för läkarna.

Resultaten innebär att AI-systemet var mer än dubbelt så träffsäkert som läkargruppen i den första jämförelsen.

Det är samtidigt viktigt att förstå vilka läkare som deltog. Jämförelsen gjordes huvudsakligen med allmänmedicinskt inriktade läkare och akutläkare, inte med specialistteam som arbetar tillsammans för att lösa ovanliga diagnosfall.

Så arbetar AI-systemet som en läkare

En central del av Microsofts forskning är att AI inte får all patientinformation på en gång.

Systemet börjar med en begränsad beskrivning av patientens besvär och måste sedan avgöra hur utredningen ska fortsätta.

Det kan exempelvis begära mer information om sjukdomshistorien, föreslå blodprover eller välja ytterligare undersökningar. När resultaten kommer tillbaka omprövas de tänkbara diagnoserna.

Flera simulerade medicinska roller används för att strukturera resonemanget. I studiens nya huvudresultat bygger systemet på språkmodellen GPT-5.

Målet är inte enbart att hitta rätt sjukdom, utan också att undvika undersökningar som inte behövs.

Det här skiljer tekniken från enklare diagnostiska AI-tester där en språkmodell får en komplett fallbeskrivning och ombeds ange den mest sannolika diagnosen.

Men även Microsofts mer avancerade upplägg bygger på simuleringar.

Patienterna i försöken var inte verkliga personer som undersöktes av AI under pågående vård. Informationen hämtades från tidigare medicinska fall, och en separat AI-funktion kunde lämna simulerade svar när vissa efterfrågade undersökningsresultat saknades.

Varför resultaten inte betyder att AI är bättre än läkare i vanlig vård

Det finns flera skäl till att resultaten måste tolkas försiktigt.

För det första är de 304 specialistfallen ovanligt svåra. De representerar inte den blandning av vanliga och ovanliga besvär som läkare möter på en vårdcentral.

För det andra kan läkare i verkligheten remittera patienter till specialister, diskutera med kollegor och väga in information som inte finns i en textbaserad fallbeskrivning.

AI-systemet genomförde inte heller några fysiska undersökningar och analyserade inte medicinska originalbilder eller vävnadsprover direkt.

Studien mäter framför allt förmågan att komma fram till rätt diagnos under kontrollerade förhållanden.

Den visar däremot inte om patienter skulle få bättre behandling, återhämta sig snabbare eller löpa mindre risk för vårdskador om systemet användes på sjukhus.

Att kunna identifiera en svår sjukdom i ett tidigare dokumenterat fall är en sak. Att fatta säkra beslut för en patient vars tillstånd förändras är något annat.

AI var inte alltid billigare än läkarna

Forskarna undersökte också om AI-systemet kunde nå rätt diagnos med färre och billigare undersökningar.

Här framträder en mer komplicerad bild.

När systemet inte fick någon tydlig kostnadsbegränsning uppgick den beräknade undersökningskostnaden för de svåra fallen till ungefär 5 431 dollar. Motsvarande kostnad för läkarnas utredningar var 4 725 dollar.

AI-systemet var alltså dyrare i just den jämförelsen.

När forskarna däremot begränsade hur mycket systemet fick lägga på undersökningar kunde det fortfarande uppnå 80,9 procents träffsäkerhet, samtidigt som den uppskattade kostnaden sjönk till 2 241 dollar.

Det visar att tekniken kan anpassas för att väga medicinsk nytta mot kostnader. Däremot bevisar det inte att ett införande skulle halvera sjukvårdens faktiska utgifter.

Beräkningarna bygger på simulerade undersökningskostnader i USA. Personalkostnader, behandling, teknisk drift och andra delar av sjukvården ingår inte på samma sätt som i en verklig ekonomisk utvärdering.

Nästa steg är kliniska försök på sjukhus

Microsoft planerar nu att gå vidare med kliniska försök tillsammans med Beth Israel Deaconess Medical Center i Boston.

Ett av de första användningsområdena är att undersöka om AI kan hjälpa till att prioritera patienter på akutmottagningar.

För att tekniken ska kunna användas brett behöver forskarna visa hur den fungerar tillsammans med vårdpersonal, hur ofta den gör allvarliga misstag och om patienterna faktiskt får bättre vård.

Det behövs också tydliga regler för vem som ansvarar när ett AI-system rekommenderar fel undersökning eller missar en allvarlig sjukdom.

Den nya Science-publiceringen är ett viktigt vetenskapligt steg för Microsofts forskning, som tidigare presenterats i en preliminär version. Men det finns ännu inget bekräftat datum för ett brett införande i sjukvården.

Forskningen pekar mot en framtid där AI kan bli ett kraftfullt stöd vid svåra medicinska bedömningar. Även inom svensk läkarutbildning undersöks hur tekniken kan användas, bland annat i en studie där en AI-robot förbättrade läkarstudenters provresultat.

Den avgörande frågan är därför inte om AI kan prestera bättre än läkare på ett diagnostiskt test. Det har Microsofts forskare redan visat under de aktuella testförhållandena.

Frågan är om samma teknik kan hjälpa vårdpersonal att fatta bättre och säkrare beslut när det handlar om verkliga patienter.