Een AI-systeem van Microsoft stelt bij lastige medische puzzels ruim twee keer zo vaak de juiste diagnose als een algemeen arts. Dat staat in een studie die op 22 oktober verscheen in het wetenschappelijke tijdschrift Science (Bron: Microsoft AI). Het systeem, MAI-DxO, wordt nog nergens in de zorg gebruikt. Wat er precies is gemeten, bepaalt hoeveel je je van die uitkomst moet aantrekken.
Wat Microsoft heeft gebouwd
MAI-DxO, kort voor MAI Diagnostic Orchestrator, bootst een panel van artsen na. Het systeem begint met een korte samenvatting van de klacht, stelt een lijst met mogelijke diagnoses op en kiest dan zelf welke vragen het stelt en welke tests het aanvraagt. Na elke uitslag stelt het de diagnose bij (Bron: arXiv). Veel andere medische AI krijgt alle symptomen, labwaarden en scans in één keer en geeft dan een antwoord (Bron: The Next Web).
Onder de motorkap draait een groot taalmodel. In de Science-studie was dat GPT-5 van OpenAI (Bron: The Next Web). Volgens Microsoft blijven de resultaten overeind, en worden ze zelfs beter, met nieuwere modellen zoals GPT-5.5 (Bron: Microsoft AI).
Beginner-tip Een taalmodel als GPT-5 weet veel, maar geeft standaard meteen antwoord. De slimheid van MAI-DxO zit in de regie eromheen: het dwingt het model om eerst door te vragen en te kiezen welke test zinvol is, zoals een arts dat in de spreekkamer doet.
De cijfers
De onderzoekers testten op twee sets casussen (Bron: Microsoft AI):
| Casussen | MAI-DxO | Algemeen artsen |
|---|---|---|
| 304 complexe gevallen uit het New England Journal of Medicine | 83% | 36% met boeken en internet, 22% zonder |
| Spoedeisende-hulpbezoeken uit de Amerikaanse MIMIC-IV-database | 80% | 47% |
Bij de tweede set ging het volgens The Next Web om 325 opnames (Bron: The Next Web). De onderzoekers keken niet alleen naar de goede diagnose, maar ook naar hoeveel tests er werden aangevraagd en wat die zouden kosten. MAI-DxO kwam uit op de helft tot een derde van de kosten (Bron: Microsoft AI). Dat zijn schattingen op basis van de casussen, geen echte ziekenhuisrekeningen (Bron: The Next Web).
Dominic King, vicepresident bij de gezondheidstak van Microsoft AI, legt uit waarom het team een nieuwe test bouwde. AI scoort inmiddels bijna perfect op meerkeuze-examens, maar zo werkt de spreekkamer niet:
“No patient ever came to see me with a nice summary.” (bron: Dominic King, vicepresident Microsoft AI Health, via Reuters)
Wat de studie niet meet
De vergelijking is minder eerlijk dan de kop doet vermoeden. Drie dingen springen eruit, alle drie genoemd door The Next Web (Bron: The Next Web):
- Alles was tekst. Er was geen lichamelijk onderzoek en er waren geen scans, voor de AI niet en voor de artsen niet. Een huisarts die normaal luistert, kijkt en voelt, moest het hier doen met een uitgeschreven dossier.
- Generalisten, geen specialisten. De NEJM-casussen zijn bewust zeldzame, lastige gevallen waar in de praktijk een specialist bij komt kijken.
- Geen echte patiënten. De casussen zijn achteraf uitgeschreven. Hoe het systeem omgaat met een patiënt die zijn klachten verkeerd onder woorden brengt, is niet getest.
Gevorderden Let op de benchmark zelf. Microsoft ontwierp SDBench, de test waarop MAI-DxO uitblinkt, ook zelf. Het team heeft een deel van de casussen en de code openbaar gemaakt, zodat anderen de resultaten kunnen nadoen (Bron: Microsoft AI). Een onafhankelijke herhaling is er nog niet.
Een eerdere versie van het onderzoek verscheen al in juni 2025 als preprint. Daarin haalde MAI-DxO 80 procent met een ouder OpenAI-model, en bleef de winst overeind met modellen van Google, Anthropic, Meta en anderen (Bron: arXiv). De publicatie in Science betekent dat het werk nu door vakgenoten is beoordeeld.
Wat jij ervan merkt
Voorlopig niets in de spreekkamer. Microsoft wil eerst met het Beth Israel Deaconess Medical Center in Boston onderzoeken of het systeem patiënten in de wachtkamer van de spoedeisende hulp kan helpen inschatten. Patiënten praten daar direct met de AI, en de uitkomst wordt vergeleken met het oordeel van artsen (Bron: Microsoft AI).
In Nederland zou zo’n systeem niet zomaar in een huisartsenpraktijk belanden. Software die een diagnose stelt, is in Europa een medisch hulpmiddel en valt onder de AI-verordening in de zwaarste risicoklasse, met deadlines die net zijn verschoven. Wat al wel in Nederlandse praktijken draait, zoals AI die gespreksverslagen schrijft, lees je in ons overzicht van AI bij de huisarts.
Vraag je zelf ChatGPT of Copilot om advies over een klacht, dan is dat niet MAI-DxO. Een eerdere studie in The Lancet liet zien wat een chatbot vóór je doktersbezoek wel en niet oplevert. Met aanhoudende klachten ga je nog altijd naar de huisarts.