Microsoft’un yapay zekâ destekli tanı sistemi MAI-DxO, geçmiş vakalara dayalı bir değerlendirmede hekimlerden daha yüksek doğruluk oranı elde etti. 22 Ekim 2026’da Science’ta yayımlanan çalışmada sistem, New England Journal of Medicine’da (NEJM) yer alan karmaşık vakalarda yüzde 83 doğruluğa ulaşırken, referans kaynakları kullanan genel hekimlerin oranı yüzde 36’da kaldı. Kaynak kullanmayan hekimlerde bu oran yüzde 22 olarak ölçüldü.
Araştırmacılar sistemi Sequential Diagnosis Benchmark (SDBench) adlı test ortamında değerlendirdi. Testte 304 NEJM vakasının yanı sıra MIMIC-IV-ED veri kümesinden alınan 325 acil servis vakası kullanıldı. Acil servis vakalarında MAI-DxO’nun doğruluğu yüzde 80, hekimlerin ortalaması ise yüzde 47 oldu.
MAI-DxO, tek bir modelin hemen yanıt vermesi yerine birden fazla sanal hekim rolünün birlikte çalıştığı bir düzenek olarak tasarlandı. Sistem vakayla ilgili ek bilgi ve testleri aşamalı biçimde istiyor; yeni bulgular geldikçe olası tanıları yeniden değerlendiriyor. Test ortamı, yalnızca son tanıyı değil, bu tanıya ulaşmak için istenen bilgileri ve tahmini test maliyetlerini de izliyor.
Çalışmanın sonuçları, sistemin hekimlerden her koşulda daha iyi olduğu anlamına gelmiyor. Değerlendirme metin tabanlı ve geçmiş vakalarla sınırlıydı; karşılaştırma uzman hekimlerle veya birden fazla doktordan oluşan ekiplerle yapılmadı. Ayrıca çalışmanın yazarları Microsoft çalışanı ve araştırma şirket tarafından finanse edildi.
Microsoft, SDBench’in bazı bölümlerini araştırmacıların erişimine açmayı planladığını bildirdi. Ancak test sonuçlarının gerçek hastanelerde ne ölçüde karşılık bulacağı henüz bilinmiyor. Bu nedenle bulgular, klinik kullanımın kanıtı değil, sonraki değerlendirmelerde sınanması gereken bir araştırma sonucu olarak görülmeli.
Çalışmanın önemi, yapay zekâyı yalnızca tanı sorusuna yanıt veren bir araç olarak değil, bilgi toplama ve test seçme adımlarına katılan bir sistem olarak değerlendirmesinde yatıyor. Klinik koşullarda güvenlik, maliyet ve hekim kararları üzerindeki etkisi ölçülmeden, bu performansın hasta bakımına doğrudan aktarılıp aktarılamayacağı belirlenemiyor.
