Le système d'intelligence artificielle MAI-DxO, développé par Microsoft, affiche des résultats inédits en matière de diagnostic médical. En surpassant significativement les médecins généralistes sur des cas cliniques complexes, cette technologie soulève des questions majeures sur l'évolution de la pratique médicale et l'intégration de l'IA dans les systèmes de santé.
Une performance supérieure aux standards cliniques
Dans une étude publiée par la revue scientifique Science, l'orchestrateur de diagnostic MAI-DxO a démontré une capacité de précision de 83,2 % sur 304 cas médicaux réputés difficiles, issus du New England Journal of Medicine. À titre de comparaison, des médecins généralistes utilisant des manuels et Internet n'ont atteint que 36,1 % de réussite sur les mêmes dossiers. Le système, piloté par la division Microsoft AI, fonctionne en coordonnant plusieurs agents virtuels chargés d'émettre des hypothèses, de sélectionner les examens nécessaires et de confronter les points de vue pour affiner le diagnostic.
Les limites d'une simulation numérique
Bien que les chiffres soient probants, les auteurs de l'étude soulignent que ces performances ont été obtenues dans un cadre simulé. Le système n'a pas été confronté à la réalité clinique brute, telle que l'examen physique du patient, l'analyse d'imageries médicales complexes ou l'interprétation de lames d'anatomopathologie. L'IA repose sur des données textuelles, ce qui constitue un angle mort important par rapport à la pratique réelle en milieu hospitalier. Par ailleurs, la puissance du modèle de langage sous-jacent, comme GPT-5, joue un rôle déterminant dans la précision finale du diagnostic.
Vers une évaluation en conditions réelles
L'enjeu pour Microsoft est désormais de passer de la simulation à l'application pratique. Si l'outil se révèle capable d'optimiser les coûts et de réduire le nombre d'examens inutiles, son intégration dans les services d'urgence représente un défi logistique et éthique majeur. La complexité et la diversité des situations rencontrées dans un hôpital, notamment lors des périodes de forte affluence, constituent le prochain test de fiabilité pour cette technologie. Les chercheurs estiment que le système est désormais prêt pour des évaluations en conditions réelles, bien que la question de la supervision humaine et de la responsabilité médicale reste un point de vigilance essentiel.