Microsoft: su IA diagnostica 4 veces mejor que médicos

Microsoft reporta 83% de precisión contra 36% de médicos

Microsoft publicó en la revista Science un estudio en el que su nuevo sistema de diagnóstico con inteligencia artificial supera a los médicos en una serie de casos clínicos. En los escenarios construidos a partir de cientos de informes publicados en el New England Journal of Medicine, la herramienta alcanzó una precisión diagnóstica de alrededor del 83%, frente al 36% de los médicos generalistas que podían consultar material de referencia y al 22% de los que trabajaban sin él.

En los casos de urgencias tomados de una base de datos de admisiones del Beth Israel Deaconess Medical Center de Boston, el sistema puntuó 80% de precisión contra un promedio de 47% de los médicos. Además, sus diagnósticos tendieron a tener un costo estimado menor que el de sus contrapartes humanas.

Si construyes en health tech, el número que importa no es el 83%: es la arquitectura que lo produce y la distancia que todavía separa ese resultado de una sala de urgencias real.

Qué es el Diagnostic Orchestrator y por qué no es un modelo más

La herramienta de Microsoft, el Diagnostic Orchestrator, no es un modelo único. Funciona como un panel de expertos: varios agentes de IA razonan sobre síntomas e historial médico, deciden qué pruebas pedir y llegan a un diagnóstico, imitando el proceso con el que un médico investiga un caso. Está impulsada por GPT-5, de OpenAI, y según los investigadores también superó a modelos de frontera operando por su cuenta.

El detalle interesante para cualquiera que trabaje con agentes es otro. El sistema se desarrolló cuando GPT-4.1 era el modelo más avanzado disponible, y las pruebas posteriores sugieren que "las mejoras en la capacidad del modelo no necesariamente reducen los beneficios" de hacer trabajar a varios agentes juntos. Traducido: la orquestación aporta valor por sí misma, incluso cuando el modelo base queda desactualizado.

Microsoft compiló los casos en su propio benchmark, SDBench, que planea liberar como código abierto. Para un equipo chico que quiera medir su propio sistema de diagnóstico, eso es un instrumento de evaluación reutilizable sin tener que construir un dataset clínico desde cero.

Qué significa esto para tu startup

• Si desarrollas agentes, la lección es arquitectónica. El diferencial del Diagnostic Orchestrator no está en el modelo base —que cualquiera puede alquilar— sino en el diseño multiagente: roles separados, verificación cruzada y decisión por etapas. Es una ventaja replicable en legal tech, seguros o soporte técnico, no solo en medicina.
• Presupuesta la validación clínica como una línea de producto, no como un trámite. El propio Mustafa Suleyman, CEO de Microsoft AI, lo dice sin rodeos: "Necesita validación clínica. Ese es un salto, pero este es un hito importante en ese camino". Si vendes a hospitales, esa validación es tu cronograma real, no tu fase final.
• Diseña la trazabilidad desde el día uno. Poder mostrar por qué el sistema pidió una prueba, qué hipótesis descartó y con qué evidencia vale tanto como la precisión. Es lo primero que va a pedir un comité de calidad hospitalario.
• Si eres comprador, no compres precisión: compra monitoreo. La exactitud en un benchmark no dice nada sobre cómo se comportará ese modelo con tus pacientes, tu demografía y tus flujos de trabajo.

El cuello de botella no es la precisión, es la evidencia post-despliegue

Microsoft lo admite: el sistema solo se probó con casos médicos ya cerrados y todavía no está claro cómo se comportaría en entornos clínicos reales. La compañía planea empezar a testearlo en hospitales junto al Beth Israel Deaconess Medical Center, aunque ni Suleyman ni Dominic King, responsable de salud con IA de Microsoft y coautor del estudio, se comprometieron a una fecha firme. King dijo que probablemente comience "en los próximos meses".

El contexto regulatorio explica esa prudencia. Una revisión sistemática publicada en Frontiers in Digital Health y difundida por Bioengineer.org documenta que, a fines de 2025, la FDA había autorizado acumulativamente más de 1.451 dispositivos médicos habilitados con IA y aprendizaje automático. El dato que debería preocupar a cualquier founder del sector es otro: un sistema de IA para detectar COVID en radiografías de tórax que lograba un AUC superior a 0,95 en datasets abiertos cayó a cerca de 0,70 después de su despliegue prospectivo en varios hospitales.

La misma revisión encontró que solo el 58,1% de los hospitales de una muestra nacional hacía monitoreo posterior a la implementación en 2024, y que el 47,4% no evaluaba la precisión después del despliegue. En paralelo, Fierce Healthcare reportó que el CMS lanzó el modelo ACCESS, un programa de 10 años para manejo de enfermedades crónicas apoyado en tecnología, con más de 150 organizaciones de salud aceptadas, y que la FDA publicó en agosto un documento de discusión sobre cómo evaluar dispositivos médicos con IA generativa.

La asimetría regulatoria también importa si operas en ambos lados del Atlántico: la Unión Europea exige evaluación de conformidad previa a la comercialización para los sistemas de IA de alto riesgo, incluida la mayoría de la IA médica, mientras que en Estados Unidos la supervisión está repartida entre la FDA, la ONC y el CMS. Un producto que pasa un filtro no necesariamente pasa el otro.

Hacia dónde va Microsoft en salud

El diagnóstico es solo una parte del plan. Microsoft describe cinco áreas adicionales que la IA debería dominar, entre ellas coordinar la atención clínica, tomar decisiones de tratamiento y manejar el lado humano de la medicina. La compañía tampoco anunció cuándo ni cómo comercializaría esta tecnología, aunque ya tiene presencia en el sistema de salud estadounidense y salud es uno de los usos más populares de su chatbot Copilot.

Suleyman mantiene su discurso de que los clínicos humanos seguirán en el centro de la atención y que la IA debería quitarle a la medicina "el trabajo pesado", liberando tiempo para el paciente. Su apuesta temporal es agresiva: "El año próximo vamos a ver despliegues extremadamente impresionantes de sistemas inteligentes en producción".

Conclusión

El estudio es sólido y va a reordenar expectativas: si un sistema multiagente le saca 47 puntos de precisión a médicos generalistas en casos complejos, el diagnóstico asistido deja de ser una promesa de laboratorio. Pero la brecha entre un benchmark curado y un hospital real sigue siendo enorme, y ahí es donde se gana o se pierde la categoría. Para un founder hispanohablante en health tech, la lectura práctica es simple: la ventaja competitiva no estará en quién usa el modelo más potente, sino en quién construye la infraestructura de validación, trazabilidad y monitoreo continuo que los reguladores van a exigir. Eso todavía está sin resolver, y es una oportunidad abierta.

Fuentes

• The Verge: Microsoft says its AI tool is better than doctors at diagnosing conditions
• Bioengineer.org: Hospitals Are Deploying AI Faster Than Regulators Can Keep Up
• Fierce Healthcare: Federal health officials outline AI ambitions as clinicians debate risks
• Analytics Insight: How has AI Improved Healthcare Gadget Applications