Microsoft опубликовала в журнале Science исследование своей системы диагностики MAI-DxO, которая в симуляции на сложных клинических случаях показала 83% точность против 36% у врачей общей практики, работавших индивидуально со справочными материалами. Система координирует несколько ИИ-агентов, которые действуют как группа врачей: задают вопросы пациенту, назначают тесты и обсуждают диагноз. Для сравнения использовались сложные случаи из New England Journal of Medicine, которые в реальной практике обычно решают специалисты или врачебные команды — последних в исследовании не было.
Важно понимать, что в этой цифре скрывается две отдельные вещи: эффективность самой мощной базовой модели (GPT-5.5 от OpenAI) и добавленная стоимость самого оркестрирующего механизма DxO. Когда Microsoft тестировала систему на разных моделях, выяснилось, что большинство улучшения приходит от самой модели. Например, на Gemini 2.5 Flash DxO поднял точность с 46% до 69% — это впечатляет, но разница между самыми слабой и самой сильной моделями оказалась ещё больше. На экстренных случаях системы показали мало улучшений от оркестрирования, независимо от модели. Иными словами, это не волшебный оркестр, который компенсирует слабость модели — это инструмент оптимизации для уже сильных систем.
Microsoft вместе с Mayo Clinic разрабатывает специализированную foundation-модель для здравоохранения с запуском запланирован на 2027 год. Mustafa Suleyman, возглавляющий ИИ-подразделение Microsoft (ранее он был со-основателем DeepMind в Google), говорит об ожидании "огромного скачка" и верит в быстрый прогресс — по его прогнозам, медицинские модели станут порядок на порядок мощнее за 24-36 месяцев. Правда, это звучит как стандартная риторика tech-лидеров: Suleyman обещал похожие скачки в медицине ещё во времена DeepMind, и реального прорыва в клинической практике так и не произошло.
Параллельно Google опубликовала свою клиническую студию в The Lancet, где её система AMIE оценивалась в реальных условиях urgent care с наблюдением врачей. Microsoft объявила о партнёрстве с Beth Israel Deaconess Medical Center в Бостоне для аналогичной оценки DxO в реальных условиях скорой помощи и urgent care — исследование обещают провести на большой выборке. То есть обе компании сейчас переходят от бенчмарков (правильно ответить на вопросы экзамена) к настоящей клинической работе. Это нужный шаг, но результаты появятся не раньше года-полутора.
Контекст важен: за последние два года OpenAI, Google и теперь Microsoft по очереди анонсируют, что их ИИ может диагностировать лучше врачей. Каждый раз это вызывает волны энтузиазма в медиа, но каждый раз детали показывают, что говорится либо о специфичных задачах (экзаменационные вопросы, специфичные синдромы), либо о том, что система просто работает лучше одного врача на сложном случае в условиях ограниченной информации. Реальная клиническая практика куда мезознее: там нужна история пациента, контекст, интеграция с системами больницы, юридическая ответственность. Microsoft и Google начинают тестировать это, но это совсем другой уровень сложности, чем симуляция.
Для российского бизнеса тут есть несколько практических моментов. Во-первых, медицина у нас жёсткостоит регулирование: ИИ-диагностика требует одобрения Минздрава и клинических испытаний, поэтому даже если скопировать подход Microsoft, выход на реальный рынок займёт годы. Во-вторых, для медицинских организаций интерес в основном к узким, проверенным задачам: помощь в обработке амбулаторных карт (здесь инструменты для работы с медицинским контентом и OCR становятся полезнее, чем диагностика), анализ результатов лабораторных тестов, формирование отчётов. В-третьих, нужна интеграция — не просто красивая демонстрация, а реальное встраивание в систему электронной истории болезни и рабочие процессы врача. На этом фронте российские медучреждения медленнее западных, что делает ввод новых ИИ-инструментов ещё более затруднённым.
Главный редактор SPV News, Алексей Мартыненко, считает, что текущая волна анонсов про медицинский ИИ — это в основном маркетинг, пока не будет реальных данных из работающих систем. Системы вроде DxO технически интересны, но их практическое применение станет понятно только через год-два настоящих клинических испытаний. До тех пор любые цифры о превосходстве над врачами нужно воспринимать как промежуточный результат в лабораторных условиях, а не как готовое решение.