Microsofts Diagnose-KI schlägt Ärzte im Test – mit großem Haken

Worum es geht

Microsoft hat in der Fachzeitschrift Science (veröffentlicht am 22. Oktober) eine Studie zu seinem KI-Diagnosesystem MAI-DxO (Microsoft AI Diagnostic Orchestrator) vorgestellt. Laut Studie diagnostizierte es komplexe medizinische Fälle in einer Simulation mehr als doppelt so oft richtig wie Allgemeinmediziner: 83 % gegenüber 36 %. Mustafa Suleyman, KI-Chef von Microsoft, sieht darin einen Schritt zur „medizinischen Superintelligenz“. Es handelt sich um eine Forschungstechnik, die nicht für Patienten verfügbar ist.

Wie MAI-DxO arbeitet

MAI-DxO ist kein einzelnes Modell, sondern ein Orchestrator: Mehrere KI-Agenten arbeiten zusammen wie ein Ärztegremium. Das System startet mit wenigen Informationen, stellt Rückfragen zur Krankengeschichte und überlegt, welche Tests weiterhelfen. Die Agenten hinterfragen gegenseitig ihre Schlussfolgerungen, sobald neue Ergebnisse vorliegen.

Das unterscheidet sich von früheren Studien, in denen die KI einen kompletten Fall in einem einzigen Prompt bekam. Hier ist Diagnose ein schrittweiser Prozess, bei dem auch Kosten abgewogen werden. Als „Patient“ diente ein KI-Agent als Gatekeeper, der Fragen aus der zugrunde liegenden Fallakte beantwortete. Fehlten Details, konnte er laut Fox News plausible Antworten erzeugen.

Zahlen und Vergleiche

Getestet wurde mit 304 klinisch-pathologischen Konferenzfällen aus dem New England Journal of Medicine und 325 Fällen von der Notaufnahme bis zur Aufnahme aus der Datenbank MIMIC-IV-ED.

Die Notaufnahme-Quote ist damit etwa das 1,7-Fache, nicht das Doppelte (laut The News).

Wie viel das Orchestrierungssystem bringt, hängt vom Basismodell ab. Laut TechCrunch erreichte GPT-5 mit kurzem Standardprompt 78,9 % bei etwa 8.400 US-Dollar geschätzten Kosten pro Fall. MAI-DxO senkte die Kosten um rund 3.000 US-Dollar und hob die Genauigkeit um nur etwa vier Punkte. Mit dem im April 2026 erschienenen GPT-5.5 stieg die Quote bei komplexen Fällen von 72 % auf fast 87 %. In der Notaufnahme lagen beide Varianten bei etwa 85 %. Schwächere Modelle profitieren stärker: Gemini 2.5 Flash kam allein auf 46,4 %, mit MAI-DxO auf knapp 69 %. Getestet wurden auch Modelle von Anthropic, Meta und DeepSeek. Der Abstand zwischen schwachen und starken Modellen war größer als der Gewinn durch MAI-DxO. Ein Großteil der Leistung stammt also vom Basismodell.

Kosten der Diagnostik

Die Forscher wiesen Untersuchungen geschätzte Kosten zu. In einer kostenbewussten Konfiguration erreichte MAI-DxO etwa 81 % bei geschätzt 2.241 US-Dollar pro Fall, die Ärzte mit Nachschlagewerken lagen im Schnitt bei rund 4.725 US-Dollar. Auf die Gesamtkosten bezogen sprechen die Autoren von der Hälfte bis einem Drittel der Testkosten. Konfigurationen mit maximaler Genauigkeit verursachten höhere Kosten. Die Beträge sind Schätzungen aus der Simulation, keine echten Rechnungen und nicht die Betriebskosten der KI.

Grenzen der Studie

• Die Vergleichsärzte waren Hausärzte und Allgemeininternisten, die allein arbeiteten. Solche Fälle gehen im Klinikalltag meist an Fachärzte oder Teams, die nicht verglichen wurden.
• Die KI wurde an allen 304 Fällen getestet, die Ärzte bearbeiteten laut Fox News nur 56 zurückgehaltene Fälle. Die Gruppen sind also nicht identisch.
• Es wurden bestehende Fallberichte genutzt, keine Echtzeit-Patienten. Menschen verschweigen Symptome, Akten haben Lücken, körperliche Untersuchungen liefern Hinweise, die in keiner Zusammenfassung stehen.
• Eine richtige Diagnose ist nur ein Teil der Behandlung.
• Die Autoren arbeiten für Microsoft; unabhängige Tests stehen aus.

Ausblick: Klinische Tests und Ambitionen

Mit dem Beth Israel Deaconess Medical Center in Boston plant Microsoft eine Studie in Notaufnahmen und Urgent-Care-Einrichtungen. Patienten werden regulär versorgt; wer zustimmt, interagiert zusätzlich mit MAI-DxO. Dessen Empfehlungen werden mit denen der Ärzte verglichen, die verantwortlich bleiben. Dominic King, Vizepräsident für Gesundheit bei Microsoft AI, erwartet „die größte Studie ihrer Art“.

Google veröffentlichte im Oktober in The Lancet eine Studie zu seinem System AMIE: 98 Patienten sprachen vor dringenden Hausarztterminen mit der KI, Ärzte überwachten mit, und kein Gespräch musste aus Sicherheitsgründen abgebrochen werden.

Suleyman nannte gegenüber TechCrunch ein mit der Mayo Clinic trainiertes Gesundheits-Basismodell, das nächstes Jahr erscheinen soll. Er erwartet für 2027 einen Durchbruch bei Prognosen zu Krankenakten und sagte, Gesundheitsmodelle würden sich in 24 bis 36 Monaten „um eine Größenordnung“ verbessern. Microsoft verkauft schon Diktier- und Radiologie-Werkzeuge und will bei klinischer Entscheidungsunterstützung führend werden. Microsoft definiert medizinische Superintelligenz als Fähigkeit, die stärksten menschlich geführten Gesundheitssysteme bei medizinischem Denken und Koordination zu übertreffen.

Einordnung

Die Studie zeigt, dass orchestrierte KI-Agenten in kontrollierten Tests starke Diagnoseleistungen erzielen und möglicherweise unnötige Tests sparen. „KI schlägt Ärzte“ ist aber zu einfach: Der Vergleich betraf Generalisten ohne Teamarbeit, simulierte Patienten und eine unterschiedliche Fallzahl. Ein großer Teil des Erfolgs kommt von Modellen wie GPT-5 und GPT-5.5; bei Notaufnahmefällen mit den besten Modellen brachte die Orchestrierung kaum etwas. Google und OpenAI machen ähnliche Ansprüche. Ob MAI-DxO im echten Klinikbetrieb Patienten nützt oder Kosten senkt, ist offen. Für Patienten gilt: KI-Antworten eignen sich zur Vorbereitung von Arztfragen, nicht als Diagnose.