Microsoft stellte eine Behauptung auf, die sich rasch in der Technologie- und Medizinwelt verbreitete. Sein System für künstliche Intelligenz soll bei komplexen Fällen die richtige Diagnose bis zu viermal genauer stellen können als menschliche Ärzte. Die Ergebnisse erschienen in der Zeitschrift Science, einer der renommiertesten wissenschaftlichen Fachzeitschriften der Welt, und Mustafa Suleyman, Leiter der Sparte Microsoft AI, spricht von einem großen Meilenstein. Endlich sei es so weit, erklärte er. Bei genauerer Betrachtung der Studie zeigt sich jedoch, dass ein großer Teil des Erfolgs nicht auf die Modelle von Microsoft zurückzuführen ist, sondern auf die Sprachmodelle der Konkurrenz, vor allem auf die GPT-5-Version von OpenAI.
Eine von KI geleitete medizinische Fallbesprechung
Das System trägt den Namen MAI-DxO, vollständig Diagnostic Orchestrator. Dabei handelt es sich nicht um eine einzelne künstliche Intelligenz, sondern um mehrere zusammenarbeitende KI-Assistenten, die sich wie ein Expertenteam bei einer Fallbesprechung verhalten. Sie fragen nach Symptomen, gehen die Krankengeschichte des Patienten durch, entscheiden über die Anordnung von Untersuchungen und einigen sich schließlich auf ein Ergebnis. Damit ahmen sie das Vorgehen nach, mit dem Fachleute nach der Ursache von Beschwerden suchen.
Microsoft stellt dabei kein eigenes Sprachmodell bereit, auf dem das System basieren würde. Sein Produkt funktioniert eher wie ein Dirigent, der Sprachmodelle anderer Unternehmen steuert und ihnen Aufgaben zuweist. In der Studie ging es vor allem um das bereits erwähnte Modell GPT-5. Der eigentliche Mechanismus entstand noch zu einer Zeit, als die ältere Version GPT-4.1 die fortschrittlichste verfügbare Grundlage war.
Für den Vergleich stellte Microsoft einen eigenen Satz von Testaufgaben zusammen, der zwei Arten von Aufgaben umfasst. Die erste besteht aus Hunderten komplexer Fälle aus der Fachzeitschrift The New England Journal of Medicine. Dabei handelt es sich um ausführliche Beschreibungen realer Patienten und ihrer Erkrankungen, über die Ärzte häufig lange rätselten. Die zweite Gruppe bilden Situationen aus der Notaufnahme, die aus einer umfangreichen Datenbank des Bostoner Krankenhauses Beth Israel Deaconess Medical Center stammen.
Bei den komplexen Fällen stellte das Microsoft-System in rund 83 Prozent der Fälle die richtige Diagnose. Hausärzte und Internisten, die medizinische Fachliteratur verwenden durften, lagen in etwa 36 Prozent der Fälle richtig. Medizinische Fachkräfte ohne Nachschlagewerke erreichten lediglich 22 Prozent. Aus genau diesem Unterschied leitet sich die Schlagzeilenbehauptung von der vierfachen Genauigkeit ab. In der Notaufnahme erreichte die KI eine Erfolgsquote von 80 Prozent, während die Ärzte im Durchschnitt auf 47 Prozent kamen. Die künstliche Intelligenz gelangte üblicherweise auch mit geringeren geschätzten Untersuchungskosten zum Ergebnis.
Für eine angemessene Beurteilung der Studie gibt es hier zwei Probleme. Der KI standen Hausärzte und Internisten gegenüber, jeweils auf sich allein gestellt. Solch komplexe Fälle werden in der realen Medizin jedoch üblicherweise von Spezialisten oder ganzen Ärzteteams bearbeitet, und diese sind im Vergleich nicht vertreten.
Das zweite Problem räumt Microsoft selbst ein. Der Mechanismus arbeitete bislang nur mit Fällen aus der Vergangenheit, deren Ausgang bereits bekannt ist, nicht mit realen Patienten in einer Praxis. Niemand weiß bislang, wie er sich im normalen Krankenhausbetrieb schlagen würde. Es müsse klinisch überprüft werden, räumt Suleyman ein. Es sei ein großer Sprung, aber dies sei ein wichtiger Meilenstein auf diesem Weg.
Wie viel stammt von Microsoft und wie viel von OpenAI?
Das größte Fragezeichen steht jedoch über der Frage, wem der Erfolg eigentlich zuzuschreiben ist. Aus den Daten der Studie geht hervor, dass ein großer Teil des Fortschritts auf die leistungsfähigen Sprachmodelle zurückzuführen ist, auf denen alles basiert. Das Tool von Microsoft sorgt darüber hinaus nur noch für eine kleinere Verbesserung.
Das Unternehmen testete sein Produkt mit Tools von OpenAI, Google, Anthropic, Meta und dem chinesischen Unternehmen DeepSeek. Die besten Ergebnisse erzielte es mit den Modellen GPT-5 und GPT-5.5 von OpenAI. GPT-5 allein, dem die Forscher lediglich eine kurze und einfache Aufgabenstellung gaben, diagnostizierte bei den komplexen Fällen fast 79 Prozent korrekt. Die Untersuchungen pro Fall kosteten dabei mehr als achttausend Dollar. Die Microsoft-Entwickler senkten diese Kosten um rund dreitausend Dollar, erhöhten die Genauigkeit jedoch nur um etwa vier Prozentpunkte. In der Notaufnahme brachte die Zusatzebene weder bei der Genauigkeit noch beim Preis einen nennenswerten Vorteil.
Mit der neueren Version GPT-5.5 fielen die Ergebnisse unterschiedlich aus. Bei komplexen Aufgaben steigerte die neue Architektur die Erfolgsquote von 72 auf fast 87 Prozent und war dabei etwas günstiger. In der Notaufnahme zeigte sich jedoch erneut kein Unterschied: Das System erreichte mit und ohne Unterstützung jeweils rund 85 Prozent.
Am meisten hilft das Tool bei komplexen Fällen und schwächeren Modellvarianten. Gemini 2.5 Flash von Google erreichte allein nur 46 Prozent, mit der fremden Zusatzebene dagegen fast 69 Prozent. Der Unterschied zwischen den Leistungsklassen ist dennoch größer als der Nutzen des Programms selbst. Mit anderen Worten: Die Wahl des Basismodells ist entscheidender als das, was Microsoft zusätzlich beisteuern kann.
Ein Unternehmenssprecher wendet ein, dass die Effizienzsteigerung mit der Annäherung an das theoretische Maximum naturgemäß kleiner werde und das Programm dabei helfe, ein Gleichgewicht zwischen Genauigkeit und Kosten zu finden. Die Forscher behaupten, dass laut weiteren Tests auch fortschrittlichere Versionen den Vorteil der Zusammenarbeit mehrerer KI-Assistenten nicht zunichtemachen. Die Studie umfasst jedoch nicht die neuesten Softwaregenerationen wie GPT-6 Astra, Muse Wonder Full von Meta, Gemini 4 Argon von Google oder Opus 5.5 von Anthropic.
Aus dem Archiv direkt ins Krankenhaus
Der nächste Schritt soll direkt in der Klinik erfolgen. Microsoft hat sich mit dem Bostoner Beth Israel Deaconess Medical Center darauf verständigt, den Mechanismus im realen Betrieb zu testen. Die Patienten erhalten die übliche Versorgung, von der ersten Einstufung nach Dringlichkeit über den Besuch bei einem Spezialisten und Untersuchungen bis hin zur Entscheidung, ob sie sicher nach Hause entlassen werden können. Diejenigen, die dem zustimmen, werden zugleich auch mit der KI kommunizieren. Anschließend vergleichen die Forscher die Empfehlungen der Maschine mit den Entscheidungen der Ärzte.
Diese Technologie sei bereit für einen Test in der realen Welt, sagt Dominic King, der bei Microsoft AI den Gesundheitsbereich leitet und Mitautor der Arbeit ist. Ihm zufolge kann man sich vermutlich vorstellen, wie komplex und vielfältig die Probleme sind, mit denen eine Notaufnahme an einem Freitagabend konfrontiert wird. King schätzt, dass es sich um das größte Projekt seiner Art handeln wird, das sowohl die Notaufnahme als auch ambulante Notdienste umfasst. Einen festen Termin nannte niemand aus der Unternehmensleitung; die Tests sollen innerhalb der nächsten Monate beginnen.
Microsoft ist dabei nicht das einzige Unternehmen, das sich damit rühmt, dass seine KI Menschen in weißen Kitteln übertrifft. Ähnliche Behauptungen veröffentlichten auch Google und OpenAI. Google veröffentlichte diesen Monat in der Zeitschrift The Lancet einen Beitrag, in dem das Unternehmen gemeinsam mit derselben Bostoner Einrichtung sein diagnostisches System AMIE bei tatsächlichen Patientenbesuchen testete, wobei Fachleute die Gespräche die gesamte Zeit live mitverfolgten.
Große Pläne für medizinische Superintelligenz
Die Arbeit ist Teil eines Vorhabens, das Microsoft als medizinische Superintelligenz bezeichnet. Damit meint das Unternehmen eine künstliche Intelligenz, die beim medizinischen Denken und bei der Koordination der Versorgung selbst die besten von Menschen geleiteten Gesundheitsnetzwerke übertrifft. Die Diagnose sei laut King nur ein Teil davon. In einem Begleittext beschreibt Microsoft fünf weitere Bereiche, die die KI beherrschen muss, darunter Behandlungsentscheidungen und die menschliche Seite der Medizin.
Gemeinsam mit der Mayo Clinic trainiert das Unternehmen ein eigenes Basismodell für das Gesundheitswesen, das es im kommenden Jahr veröffentlichen will. Suleyman prognostiziert, dass sich diese Tools innerhalb von zwei bis drei Jahren um eine Größenordnung verbessern werden, und erwartet in den kommenden Jahren die Entwicklung einer Lösung, deren Leistung von der eines Menschen nicht zu unterscheiden sein wird. Zugleich beharrt er darauf, dass Ärzte bei der Versorgung von Kranken ihre zentrale Rolle behalten werden. Er räumt zwar ein, dass künstliche Intelligenz ihnen letztlich mehr Arbeit bescheren könnte, hofft aber, dass sie ihnen stattdessen lästige Routineaufgaben abnimmt und mehr Zeit für Menschen verschafft.
Wann und wie das Softwarepaket auf den Markt kommen wird, hat Microsoft bislang nicht bekannt gegeben. Das Unternehmen verkauft medizinischen Fachkräften bereits Tools zum Diktieren von Berichten und für die Radiologie. Gesundheitsfragen gehören zudem zu den häufigsten Themen, mit denen sich die Öffentlichkeit an den Chatbot Copilot wendet. King weist auf die strengen Vorschriften und Anforderungen hin, die jedes neue Tool in der Medizin erfüllen muss. Suleyman macht jedoch keinen Hehl daraus, wohin die Reise gehen soll. In den kommenden Jahren müsse man die absolut besten Produkte zur Unterstützung klinischer Entscheidungen haben, erklärte der Mann, der sich bereits als Mitgründer von DeepMind, heute ein Teil von Google, mit diesem Gebiet befasste. Er fügte hinzu, sie seien schlichtweg überzeugte Anhänger.
Quellen: theverge.com und techcrunch.com
