Perşembe günü Science'da yayımlanan çalışmaya göre Microsoft'un yapay zekâ teşhis sistemi, simülasyonda karmaşık tıbbi vakaları genel hekimlerden iki katından fazla sıklıkla doğru teşhis etti. Microsoft AI CEO'su Mustafa Suleyman sonucu tıbbi süper zekâya doğru bir adım olarak nitelendirdi.
Sistem MAI-DxO adını taşıyor; kısaca DxO olarak anılıyor ve birkaç yapay zekâ ajanını doktor paneli gibi koordine ediyor. Ajanlar hastayı sorguluyor, test istiyor ve teşhis üzerinde tartışıyor.
New England Journal of Medicine'den alınan karmaşık vakalarla yapılan simülasyonda sistem yüzde 83 doğruluk sağladı. Referans materyalleriyle tek başına çalışan birinci basamak hekimleri ve genel dahiliye uzmanları yüzde 36'da kaldı. Not: Bu kadar karmaşık vakalar genellikle uzmanlar ya da hekim ekiplerince ele alınır; karşılaştırmaya dahil değillerdi.
Microsoft AI'de Sağlık biriminden sorumlu başkan yardımcısı Dominic King TechCrunch'a "Burada çok ciddi ve heyecan verici bir şey var" dedi. "Şu anda sağlık hizmetinde en büyük sorun, tıbbi uzmanlık talebi ile arzı arasındaki giderek büyüyen uyuşmazlık."
Bu sonuçları yayımlayarak Microsoft, yapay zekâsının doktorlarla eşdeğer ya da daha iyi performans gösterebileceğini iddia eden Google ve OpenAI'nin yanına katıldı.
Çalışmanın kendi verileri, iyileşmenin büyük kısmının daha güçlü altyapı modellerinden geldiğini, Microsoft'un orkestrasyon sisteminin de üzerine ek kazanç sağladığını gösteriyor.
Microsoft MAI-DxO'yu OpenAI, Google, Anthropic, Meta ve DeepSeek dahil birçok şirketin modelleriyle test etti; en iyi sonuçlar OpenAI'nin GPT-5 ve GPT-5.5'inde alındı.
Microsoft DxO'yu doğruluk kadar maliyet açısından da ölçtü; bu, yapay zekânın her vakada çalıştırılmasının tahmini maliyeti anlamına geliyor. Kısa ve temel bir istemle tek başına GPT-5, karmaşık vakalarda yüzde 78,9 başarı sağladı, vaka başı yaklaşık 8.400 dolar. DxO maliyeti yaklaşık 3.000 dolar düşürdü ama doğruluğu sadece dört puan artırdı. Acil servis vakalarında GPT-5'in tek başına ve DxO desteğiyle performansı arasında doğruluk ya da maliyet iyileşmesi açısından belirgin bir fark olmadı.
Nisan 2026'da yayımlanan daha yeni model GPT-5.5'te sonuçlar ayrıştı. Karmaşık vakalarda DxO, GPT-5.5'in doğruluk skorunu yüzde 72'den neredeyse yüzde 87'ye çıkardı ve maliyet biraz düştü. Acil servis vakalarında ise kazanç yine görülmedi. DxO ile ya da olmadan her iki durumda da skor yaklaşık yüzde 85'te kaldı ve maliyet benzerdi.
DxO en çok karmaşık vakalarda ve daha az yetenekli yapay zekâ modellerinde fayda sağlıyor. Örneğin Gemini 2.5 Flash tek başına yüzde 46,4 alırken DxO ile neredeyse yüzde 69'a ulaştı. Yine de zayıf ve güçlü modeller arasındaki fark, DxO'nun sağladığı artıştan daha büyük kaldı.
Microsoft araştırmacıları, modeller teorik maksimuma yaklaştıkça doğruluk kazançlarının doğal olarak küçüldüğünü söyledi. Bir sözcü "DxO orkestrasyonu, doğruluk ve maliyetin birlikte optimize edilmesi meselesinde daha geniş bir sorunu çözmeye yardımcı oluyor" diye ekledi.
Microsoft'un kendi öncü yapay zekâsını geliştirme çabasına liderlik eden Suleyman TechCrunch'a, şirketin sağlık için bir temel model eğitmek üzere Mayo Clinic ile çalıştığını, modelin gelecek yıl yayımlanmasının planlandığını söyledi. Bu modelin şirketin "burada gerçekten büyük sıçramalar yapmasını" sağlayacağına inanıyor ve DxO'nun sağlıkta gerçek atılımlar için inşa ettiği altyapının parçası olduğunu belirtiyor.
"2027'de tıbbi kayıtlar için kodlama tarzında bir atılımın eşiğinde olacağımıza gerçekten inanıyorum" dedi Suleyman. "Tıbbi kaydın nasıl gelişeceğine dair son derece doğru tahminleri akış halinde sunabileceğimizi düşünüyorum ve bir klinisyen için bu tür bir öngörü elbette altın değerinde."
Suleyman kariyeri boyunca yapay zekâyı tıbbi sorunları çözmek için kullanmaya çalıştı. Daha önce 2014'te Google tarafından satın alınan DeepMind'in kurucu ortaklarındandı. Ertesi yıl Google DeepMind, King'in klinik görev yönetimi uygulaması Hark'ı satın aldı ve ikili birlikte DeepMind Health'i başlattı. Suleyman 2024'te Microsoft'un yapay zekâ birimini yönetmek üzere şirkete katıldı, King birkaç ay sonra geldi.
"We sadece gerçek inananlarız" dedi Suleyman.
Üretken yapay zekânın sağlıkta kullanımı hâlâ erken aşamada olsa da, sağlık modellerinin önümüzdeki 24 ila 36 ay içinde yetenek olarak "bir mertebe daha iyi" olmasını beklediğini söyledi.
"Son beş-altı yılda birden fazla kez gördük, bir kez volan mekanizması oluştuğunda ilerleme çok hızlı oluyor" dedi Suleyman. "Volan, gerçek dünya kullanımıyla yinelediğimiz, modeldeki boşlukları tespit edip yamayıp geliştirdiğimiz üretimde bir model demek. Bu kodlamada oldu. Daha önce sohbette oldu. Bence gelecek yıl tıbbi kayıtlar ve klinik karar desteği için de başlayacak."
Boston'daki Beth Israel Deaconess Tıp Merkezi ile yeni bir ortaklık kapsamında Microsoft, DxO'nun klinik muhakeme yeteneklerini farklı hastane ortamlarında değerlendirecek.
"Bu teknoloji gerçek dünya değerlendirmelerine hazır; Cuma akşamı Boston'daki bir acil servisten gelen sorunların karmaşıklığını ve çeşitliliğini hayal edebilirsiniz" dedi King.
Çalışmanın nasıl işleyeceğini açıkladı: Hastalar triyaj, uzmanla görüşme, tedavi, tetkik ve taburcu edilip edilmemesine karar verme dahil standart tedaviyi alacak. Paralelde onay verenler DxO ile de etkileşime girecek. Microsoft ve ortakları DxO'nun önerilerini insan hekimlerin önerileriyle karşılaştıracak.
Google bu ay The Lancet'te Beth Israel ile birlikte yayımladığı klinik çalışmada, Google'ın AMIE sohbet tabanlı teşhis yapay zekâsını gerçek dünya acil bakım ziyaretlerinde değerlendirdi; insan hekimler etkileşimleri gerçek zamanlı izledi.
"Bence bu türün en büyük çalışması olacak" dedi King. "Sadece acil servislerle sınırlı kalmayacak, acil bakım ortamlarını da kapsayacak ve çalışma dönemi sonunda bu sistemlerin gelecekte daha geniş ölçekte dağıtılabilme yeteneği konusunda çok ikna edici kanıtlar sunacak."
Science'daki çalışması, tıbbi süper zekânın nasıl inşa edileceğiyle ilgili bir manifestoyla aynı zamana denk geliyor; bu kavram "bakımın tüm evresinde tıbbi muhakeme ve koordinasyonda çağdaş en güçlü insan yönetimli sağlık sistemlerini aşma kapasitesi" olarak tanımlanıyor. Microsoft, bireysel görevleri ölçütlemeden —tıp sınav sorularını yanıtlama ve teşhis üretme gibi— daha iyi sonuçlar için klinisyenler ve sağlık sistemleriyle entegrasyona geçmeyi umuyor.
"Bu, dünyanın her yerindeki herkesin istediği türden bir teknoloji ve bu yüzden onu dünyaya tanıtmayı hızlandırmak için elimizden geleni yapmaya kararlıyız" dedi Suleyman ve bu odağın Microsoft'u diğer öncü laboratuvarlara kıyasla farklılaştırabileceğini ekledi.
Microsoft zaten klinisyenlere dikte ve radyoloji araçları satıyor ve DxO'yu bu çabaların bir genişlemesi olarak görüyor.
"Önümüzdeki birkaç yıl içinde mutlak birinci sınıf, en son teknoloji tıbbi klinik karar destek ürünlerine sahip olmalıyız" dedi Suleyman.
