Microsoft'un tanı sistemi, testlerde hekimlerden daha yüksek doğruluk oranı aldı

Microsoft'un çok ajanlı Diagnostic Orchestrator sistemi, karmaşık vakalarda yaklaşık yüzde 83 ve acil servis vakalarında yüzde 80 doğruluk oranına ulaştı; ancak sistem yalnızca geçmiş vakalar üzerinde test edildi.

Microsoft, OpenAI'ın GPT-5 modeli üzerine kurduğu Diagnostic Orchestrator adlı çok ajanlı sistemin, New England Journal of Medicine dergisinin yüzlerce vaka raporundan oluşan testte yaklaşık yüzde 83 doğruluğa ulaştığını açıkladı. Aynı testte kaynaklara başvuran genel pratisyen hekimlerin ortalaması yaklaşık yüzde 36 olarak verildi.

Beth Israel Deaconess Medical Center'dan alınan acil servis vakalarında sistem yüzde 80 puan aldı; insan hekimlerin ortalaması ise yüzde 47. Sonuçlar Science dergisinde yayımlandı ve şirket, değerlendirmede kullandığı SDBench kıyaslama aracını açık kaynak olarak paylaşacağını söyledi.

Sonuçların büyük bölümü altta yatan modele bağlı. Acil servis vakalarında sistemin GPT-5 modeline kıyasla eklediği iyileşme küçük kaldı. Daha yeni GPT-5.5 ile karmaşık vakalarda ise doğruluk yüzde 72'den yaklaşık yüzde 87'ye çıktı.

Microsoft, sistemi Beth Israel'da gerçek dünya koşullarında hekimlerle karşılaştırmalı olarak değerlendirmeyi planlıyor. Ancak sistem şimdiye kadar yalnızca geçmiş vakalar üzerinde test edildi ve ticari kullanıma ilişkin bir takvim açıklanmadı.