Microsofts KI MAI-DxO löst schwierigste Fälle 4-mal erfolgreicher als Ärzte

Verzögerte Diagnosen: Die stille Krise der Gesundheitssysteme

Die medizinische Diagnose gehört zu den komplexesten und kostspieligsten Aufgaben moderner Gesundheitsversorgung. Falsche oder verspätete Diagnosen beeinträchtigen Lebensqualität und Gesundheitsbudgets erheblich. Bei seltenen oder komplexen Fällen mit mehreren betroffenen Organsystemen erfordert die richtige Diagnose die Zusammenarbeit verschiedener Fachgebiete. Künstliche Intelligenz (KI)tritt nun mit dem Versprechen an, diesen Prozess schneller und zuverlässiger zu gestalten.

Die von Microsoft am 30. Juni 2025 veröffentlichte Untersuchunggehört zu den ehrgeizigsten Vorhaben in diesem Bereich. Medical AI Diagnostic Orchestrator (MAI-DxO) heißt das System, das aus dem New England Journal of Medicine(NEJM) stammende Fälle untersuchte und 85,5 % von 304 schwierigen Fällen richtig diagnostizierte. Erfahrene Ärztinnen und Ärzte erreichten bei denselben Fällen im Mittel 20 %als Erfolgsrate.

🔎 Sequential Diagnosis Benchmark: Prüfung realer klinischer Herausforderungen

Die Fälle aus der NEJM-Reihe „Case Records of the Massachusetts General Hospital“ haben folgende Merkmale:

• Befunde aus mehreren Organsystemen,
• Bedarf an weiterführenden Tests und multidisziplinärer Beurteilung,
• Schrittweise Diagnoseketten, die reale klinische Abläufe nachbilden.

Microsoft überführte diese Fälle in eine Sequential Diagnosis Benchmark (SD Bench) genannte interaktive Plattform. Sowohl Fachpersonen als auch KI-Systeme:

1. Bewerten die Erstvorstellung,
2. Wählen erforderliche Tests und Fragen aus,
3. Gelangen schrittweise zur endgültigen Diagnose.

Jeder Test hat virtuelle Kosten. So werden Genauigkeit und Wirtschaftlichkeit gleichzeitig gemessen.

🤖 MAI-DxO: Die Stärke der Orchestrierung

MAI-DxOverbindet verschiedene große Sprachmodelle wie GPT, Claude, Gemini und DeepSeek zu einem „virtuellen ärztlichen Gremium“ anstelle eines einzelnen Modells. Jeder „Agent“ übernimmt eine andere Rolle:

• Dr Hypothesis Agent: Listet mögliche Diagnosen auf.
• Dr Test Chooser Agent: Wählt die geeignetsten Untersuchungen.
• Dr Stewardship Agent: Verringert unnötige Tests.
• Dr Checklist Agent: Prüft die klinische Vollständigkeit.
• Dr Challenger Agent: Hinterfragt Entscheidungen und regt bei Bedarf erneutes Nachdenken an.

Das System entscheidet in jedem Schritt zwischen Fragen stellen, Tests anfordern oder Diagnose stellen als Handlungsoptionen. Die Entscheidungen werden nach Genauigkeit und Kosten abgewogen.

Abbildung 1 – Entscheidungsablauf mit mehreren Agenten bei MAI-DxO.

📊 Menschliche Ärzte gegenüber MAI-DxO

MAI-DxO stellt genauere Diagnosen und erreicht dies mit geringeren Kosten als Vergleichsansätze. Das bietet Gesundheitssystemen Vorteile bei Qualität und Nachhaltigkeit.

Abbildung 2 – Pareto-Grenze von Genauigkeit und Kosten: MAI-DxO liegt je nach Modellkonfiguration bei beiden Größen vorn.

🔮 Wird KI Ärzte ersetzen?

Kurzfristig nein. Wie Microsoft betont, ist MAI-DxO ein Forschungsprototyp ohne klinische Zulassung für die Versorgung. Ziel ist es, ärztliches Personal zu erhalten und Fehler zu verringern:

• Entscheidungsunterstützung soll den Weg zur richtigen Diagnose beschleunigen,
• Automatisierte Routineaufgaben sollen medizinisches Personal entlasten,
• Eine zweite Einschätzung bei schwierigen Fällen soll Fehldiagnosen minimieren.

Vor einem breiten Einsatz im Krankenhaus müssen klinische Validierung, ethische Prüfung und regulatorische Verfahren abgeschlossen werden.

💬 Schlussgedanke

MAI-DxOverdeutlicht die von KI in der klinischen Diagnostik erreichte Schwelle zur „Superintelligenz“. Mit über 85 % diagnostischer Genauigkeit, kosteneffizientem Vorgehen und transparenter Architektur mehrerer Agenten entwickelt sich das System zu einem möglichen unverzichtbaren Bestandteil künftiger Versorgung. Wir erleben, wie menschliche und künstliche Intelligenz gemeinsam eine neue Ära im Gesundheitswesen eröffnen.