Madrid
9 °C
Palma de Mallorca
13 °C
Sevilla
Madeira
21 °C
Canary Islands
Valencia
Lima
Cusco
7 °C
Iquitos
23 °C
Arequipa
13 °C
Bogota
Medellin
Cali
21 °C
Barcelona
24 °C
7 °C
16 °C
IA de Microsoft supera a médicos en pruebas diagnósticas con un 83% de precisión
IA de Microsoft supera a médicos en pruebas diagnósticas con un 83% de precisión
Un sistema de inteligencia artificial desarrollado por Microsoft ha demostrado una capacidad diagnóstica superior a la de médicos generales en pruebas controladas, alcanzando un 83% de precisión frente al 36% de los profesionales. Los resultados, publicados en la revista Science, subrayan el avance del razonamiento clínico automatizado y la necesidad crítica de integrar este conocimiento en la práctica médica real.
Un sistema de inteligencia artificial desarrollado por Microsoft ha logrado diagnosticar correctamente el 83% de una serie de casos médicos complejos en pruebas controladas, superando ampliamente a los médicos generales que participaron en la misma evaluación. Este resultado, publicado el 22 de octubre de 2026 en la revista Science, reaviva el debate sobre el potencial real de la IA en el razonamiento clínico y su capacidad para asistir a los profesionales de la salud.
El sistema, denominado MAI-DxO (Microsoft AI Diagnostic Orchestrator), opera mediante una arquitectura que imita el trabajo de un equipo multidisciplinario de especialistas. A diferencia de los modelos tradicionales que procesan síntomas y resultados para generar una respuesta inmediata, MAI-DxO coordina múltiples agentes de inteligencia artificial. Estos agentes interactúan entre sí formulando preguntas, solicitando pruebas adicionales, comparando hipótesis diagnósticas y ajustando sus conclusiones a medida que se dispone de nueva información clínica.
En la evaluación principal, que incluyó 304 casos clínicos complejos extraídos de publicaciones del New England Journal of Medicine, el sistema alcanzó una precisión diagnóstica del 83%. En contraste, los médicos generales que participaron en la prueba obtuvieron un acierto del 36% cuando tenían permitido consultar libros de referencia y herramientas de consulta externas. Cuando se les restringió el acceso a estos recursos externos, su tasa de acierto descendió al 22%.
Una segunda prueba, basada en 325 casos de urgencias, confirmó esta tendencia. La IA obtuvo un 80% de precisión frente al 47% registrado por los profesionales médicos. Microsoft señaló que, más allá de la precisión, el sistema podría lograr resultados similares con un costo estimado menor para pruebas y procedimientos, aunque advirtió que estos datos provienen de entornos controlados y no demuestran necesariamente una superioridad en situaciones clínicas reales.
A pesar del éxito numérico, los expertos subrayan que el verdadero desafío de la inteligencia artificial aplicada a la salud no reside únicamente en diagnosticar enfermedades, sino en facilitar el acceso a información científica confiable y transformarla en conocimiento útil. Los médicos necesitan consultar investigaciones recientes, guías clínicas y evidencia actualizada para respaldar sus decisiones, un proceso que puede resultar agotador debido a las barreras de idioma, acceso y la vastedad de los documentos disponibles.
En este contexto, herramientas como MAI-DxO representan una evolución hacia asistentes capaces de localizar, organizar y contextualizar el conocimiento médico. Su utilidad depende no solo de la corrección de las respuestas, sino de la fuente de la información, su actualización y la capacidad del profesional para verificarla. Aunque la mayoría de los modelos operan mejor en inglés, existen iniciativas en Latinoamérica, como Coralia Health con su plataforma SALUS, que buscan cerrar esta brecha lingüística y ofrecer asistencia médica adaptada al español.
Los avances de Microsoft indican que los modelos están transitando de la generación de respuestas simples a procesos de razonamiento más complejos. Sin embargo, llevar estos resultados a la práctica clínica exige superar obstáculos significativos en seguridad, privacidad de datos y validación en entornos reales. Es fundamental distinguir entre una herramienta que ayuda a construir un diagnóstico y otra que facilita el acceso a la evidencia científica necesaria para respaldar una decisión.
Para los sistemas de salud en Latinoamérica, donde el acceso a información especializada puede estar condicionado por recursos limitados y conectividad, estas tecnologías ofrecen una oportunidad para reducir brechas de conocimiento. El siguiente paso podría ser garantizar que los profesionales accedan a información confiable y la utilicen como apoyo, manteniendo siempre la responsabilidad final de las decisiones clínicas en manos del criterio y la supervisión profesional.
K.Koch--BlnAP
