Por Redacción Pangea IA · 23 de octubre de 2026
Microsoft ha llevado a la revista Science una forma más realista de evaluar la inteligencia artificial médica: en vez de entregar al modelo toda la información de un paciente de una vez, le obliga a avanzar por etapas, hacer preguntas, pedir pruebas y revisar sus hipótesis. Su sistema MAI-DxO superó a médicos generalistas en dos conjuntos de casos y necesitó procedimientos de menor coste estimado. El resultado es relevante, pero no equivale a demostrar que la herramienta pueda diagnosticar pacientes con seguridad en un hospital.
La publicación, aparecida el 22 de octubre de 2026, convierte en artículo científico revisado un trabajo cuyo preprint se conocía desde junio de 2025. La novedad sustancial no consiste, por tanto, en descubrir ahora el proyecto, sino en su paso por Science, la ampliación del análisis a casos habituales de urgencias y el anuncio de una evaluación prospectiva con pacientes. Microsoft no ha comunicado fecha de lanzamiento comercial, precio ni disponibilidad en España o la Unión Europea.
Qué acaba de publicar Microsoft en Science
El trabajo presenta dos piezas relacionadas. La primera es SDBench, un banco de pruebas que transforma casos médicos en conversaciones secuenciales. La segunda es MAI-DxO, el Microsoft AI Diagnostic Orchestrator: un sistema que coordina varios agentes con papeles distintos para proponer diagnósticos, discutir alternativas y decidir qué información merece solicitarse a continuación.
La diferencia frente a muchos exámenes de IA médica es importante. En una pregunta de opción múltiple, el modelo recibe síntomas, exploración, analíticas e imágenes en el mismo enunciado. En una consulta real, el profesional parte de información incompleta. Debe decidir qué preguntar, qué explorar, qué prueba solicitar y cómo cambia cada resultado el diagnóstico diferencial.
SDBench intenta aproximarse a esa incertidumbre. El participante comienza con un resumen breve y solicita datos a un modelo «guardián», que solo revela la información pedida. El resultado no se mide únicamente por acertar la enfermedad: también se registran las pruebas elegidas y su coste estimado. Microsoft ha abierto parte del código y de los casos para que otros investigadores puedan reproducir y cuestionar la evaluación.
Cómo funciona el diagnóstico secuencial
MAI-DxO no es un único chatbot que emite una respuesta inmediata. Funciona como un panel virtual coordinado. Unos agentes plantean hipótesis; otros buscan datos que las apoyen o contradigan; el orquestador compara el valor probable de la siguiente pregunta o prueba con su coste. El proceso se repite durante varias rondas.
- Recibe una presentación inicial limitada del caso.
- Construye un diagnóstico diferencial, no una sola respuesta.
- Elige una pregunta, exploración o prueba con utilidad clínica esperada.
- Actualiza sus hipótesis cuando llega nueva evidencia.
- Detiene la investigación y propone un diagnóstico cuando considera suficiente la información.
Esta arquitectura conecta con una tendencia más amplia: los modelos dejan de limitarse a contestar y pasan a organizar tareas entre varios agentes. Pangea IA analizó recientemente cómo Claude Duet trabaja en segundo plano de forma proactiva. En medicina, sin embargo, la autonomía exige un nivel de validación, trazabilidad y supervisión mucho mayor porque una decisión equivocada puede afectar directamente a la salud.
Los resultados: más precisión y menor coste estimado
El artículo utiliza dos tipos de casos. El primero reúne 304 problemas complejos publicados en las conferencias clínico-patológicas de The New England Journal of Medicine. El segundo procede de MIMIC-IV-ED, una base de datos de atenciones en urgencias del Beth Israel Deaconess Medical Center de Boston y refleja presentaciones más habituales.
| Evaluación | MAI-DxO | Médicos | Lectura correcta |
|---|---|---|---|
| Casos complejos de NEJM | 83 % | 22 % sin recursos; 36 % con libros e internet | El sistema acertó más en un conjunto de casos excepcionalmente difíciles. |
| Casos de urgencias MIMIC-IV-ED | 80 % | 47 % | La ventaja también apareció en escenarios más cercanos a urgencias reales. |
| Configuración orientada al coste | 81 % en NEJM | — | Mantuvo una precisión alta con menos de la mitad del coste de los sistemas comparados. |
Microsoft afirma que ninguna otra combinación humana o de IA evaluada fue simultáneamente más precisa y más barata que MAI-DxO. También señala que la ventaja del método se mantuvo al repetir pruebas con modelos posteriores, sin cambiar la lógica del orquestador. Es una señal de que la coordinación puede aportar valor por encima del modelo base, aunque el rendimiento dependerá del entorno, los datos y las instrucciones concretas.
Por qué no significa que la IA ya sea mejor médico
El titular más llamativo —«la IA supera a los médicos»— necesita contexto. Los casos de NEJM están seleccionados precisamente por su complejidad y rareza. No representan la distribución de pacientes de un centro de salud, una consulta rural o un servicio de urgencias español. Además, los médicos comparados eran generalistas y trabajaron dentro de un experimento, no con un paciente al que pudieran observar, interrogar libremente y seguir en el tiempo.
- Datos retrospectivos: el sistema resolvió casos ya documentados; todavía no ha demostrado beneficio clínico prospectivo.
- Posible contaminación: los informes médicos públicos pueden haber formado parte de datos vistos por modelos durante su entrenamiento, aunque la mecánica secuencial dificulta una comparación simple.
- Coste simulado: los precios asignados a pruebas no sustituyen el coste real de personal, infraestructura, demoras o consecuencias de un error.
- Diagnóstico no es atención: faltan tratamiento, comunicación, consentimiento, seguimiento y adaptación a circunstancias personales.
- Responsabilidad: el estudio no resuelve quién responde ante una recomendación incorrecta ni cómo auditar cada paso.
La propia empresa reconoce la necesidad de validación clínica. Reuters informa de que Microsoft y Beth Israel Deaconess preparan una prueba en salas de espera de urgencias, donde la herramienta se evaluará frente a valoraciones independientes de médicos. Ese estudio prospectivo será mucho más informativo que un banco de pruebas sobre expedientes históricos.
Qué cambia para hospitales y empresas sanitarias
El avance no invita a sustituir médicos, sino a repensar el diseño de los asistentes clínicos. Un sistema útil debería mostrar qué dato solicita, por qué lo considera relevante, cómo modifica su hipótesis y cuándo necesita intervención humana. Esa trazabilidad resulta especialmente valiosa para triaje, apoyo a decisiones y revisión de casos complejos.
Para hospitales, aseguradoras y proveedores tecnológicos, la lección práctica es que la precisión aislada no basta. Deben medirse también pruebas innecesarias, tiempo hasta una decisión, falsos negativos, diferencias por sexo o grupo poblacional y comportamiento cuando faltan datos. La colaboración anunciada entre AstraZeneca y Oracle para aplicar IA a ensayos clínicos apunta a la misma necesidad: integrar datos sanitarios exige controles específicos y objetivos verificables.
En la Unión Europea, un software destinado a una finalidad médica puede quedar bajo el Reglamento de Productos Sanitarios o el de productos sanitarios para diagnóstico in vitro. Si además cumple las condiciones del Reglamento de IA para sistemas de alto riesgo, tendrá obligaciones adicionales de gestión de riesgos, calidad de datos, documentación, supervisión humana y seguimiento. MAI-DxO no se ha anunciado como producto disponible en Europa, de modo que todavía no puede afirmarse qué clasificación concreta tendría.
Las organizaciones que exploren herramientas parecidas deberían exigir evidencia local antes de usarlas en decisiones asistenciales. También conviene mantener separación entre prototipos y sistemas clínicos, limitar el acceso a datos personales y registrar tanto las recomendaciones como las correcciones humanas. La noticia encaja con una cuestión más amplia que ya abordamos al explicar cómo Microsoft propone vigilar a los agentes de IA como riesgos internos: cuanto mayor es su capacidad de actuar, más importante es observar cada paso.
Qué debemos vigilar a partir de ahora
La siguiente etapa no se decidirá en un benchmark, sino en hospitales. Será necesario conocer si el sistema mantiene su ventaja con historias incompletas, lenguaje ambiguo, pacientes pluripatológicos y protocolos diferentes. También habrá que medir si reduce tiempos y pruebas sin desplazar trabajo hacia el personal clínico ni crear una dependencia difícil de detectar.
Otro punto clave será la reproducción independiente. Microsoft ha abierto componentes de SDBench para determinados casos, pero la evaluación completa depende de modelos, configuraciones y datos que pueden cambiar. Investigadores ajenos a la empresa deberán confirmar el rendimiento, estudiar errores y comprobar si las ventajas se mantienen en otros países y especialidades.
Conclusión: un avance serio, todavía preclínico
La publicación en Science da más peso a una idea prometedora: evaluar la IA médica por el camino que sigue y no solo por la respuesta final. MAI-DxO muestra que varios agentes coordinados pueden escoger información de forma más selectiva, mejorar la precisión y contener el coste estimado en casos retrospectivos.
Pero el salto desde un caso reconstruido hasta la atención real sigue siendo enorme. La conclusión responsable no es que un algoritmo pueda reemplazar al médico, sino que el diagnóstico asistido por IA está adquiriendo métodos de prueba más cercanos a la práctica clínica. El valor definitivo dependerá de validaciones prospectivas, regulación, integración segura y resultados medibles para pacientes.
Lecturas relacionadas
- AstraZeneca y Oracle aplicarán IA a los ensayos clínicos
- Microsoft vigilará a los agentes de IA como riesgos internos
- IA biológica: 480 modelos para descifrar la vida
Fuentes consultadas
- Science: «Sequential diagnosis with language models», publicado el 22 de octubre de 2026. Consulta: 23 de octubre de 2026.
- Microsoft AI: «Building Medical Superintelligence», 22 de octubre de 2026. Consulta: 23 de octubre de 2026.
- Reuters: Microsoft develops AI tool that can diagnose sequentially like a doctor, 23 de octubre de 2026. Consulta: 23 de octubre de 2026.
- The Verge: Microsoft says its AI tool is better than doctors at diagnosing conditions, 22 de octubre de 2026. Consulta: 23 de octubre de 2026.
- Comisión Europea: inteligencia artificial en la asistencia sanitaria. Consulta: 23 de octubre de 2026.
Deja una respuesta