Une IA de Microsoft a obtenu 83,2 % de diagnostics corrects sur des cas complexes, contre 36,1 % pour des médecins disposant de références documentaires, selon une étude publiée le 22 octobre 2026 dans Science. L’évaluation portait sur des cas cliniques simulés.
Les chercheurs ont évalué le système MAI-DxO, fondé sur GPT-5, sur 304 cas complexes publiés dans le New England Journal of Medicine et sur 325 dossiers de patients hospitalisés après un passage aux urgences. Sur ces derniers, l’IA atteignait 80,3 % de diagnostics corrects, contre 46,8 % pour les médecins.
Chaque cas débutait par un bref résumé clinique. Médecins et IA devaient choisir les questions à poser et les examens à demander, puis décider quand les informations permettaient de retenir un diagnostic. MAI-DxO simulait une concertation entre plusieurs médecins virtuels, chargés notamment de proposer des hypothèses, de les contester et de sélectionner les investigations utiles.
Des médecins expérimentés
Le groupe autorisé à consulter des références comptait 19 médecins américains ou britanniques, avec une expérience médiane de 12 ans. Ils pouvaient notamment utiliser UpToDate et les recommandations du NICE, mais aucune IA générative. L’étude ne mesure donc pas les performances de médecins assistés par l’IA.
Les participants, notamment généralistes, internistes et urgentistes, travaillaient individuellement. Pour les cas complexes, leurs résultats proviennent d’un sous-ensemble de 56 dossiers, alors que le score global de l’IA porte sur les 304 cas. Les situations publiées dans le NEJM sont sélectionnées pour leur intérêt pédagogique et peuvent surreprésenter des présentations rares ou difficiles.
Avec une consigne de base, GPT-5 atteignait déjà 78,9 % de diagnostics corrects sur les cas complexes. MAI-DxO porte ce résultat à 83,2 %, soit un gain de 4,3 points.
Un interrogatoire plus poussé
Sur les mêmes cas complexes, l’IA posait en moyenne 25,5 questions avant de demander un premier examen, contre 5,6 pour les médecins. Par rapport aux modèles utilisés avec une consigne de base, son avantage concernait particulièrement les diagnostics dépendant d’une anamnèse approfondie, notamment certaines expositions inhabituelles et infections liées aux voyages.
Lorsqu’elle se trompait, l’IA retenait généralement un diagnostic voisin, mais à un niveau de précision inadapté. Les erreurs des médecins tendaient à être plus éloignées du diagnostic attendu. La grille d’évaluation, élaborée par des médecins, considérait comme corrects les diagnostics suffisamment proches de la référence pour ne pas modifier la prise en charge.
« Nous mesurons aussi avec quel discernement et quelle prudence le système mène le bilan diagnostique », a expliqué à Reuters Harsha Nori, responsable de l’IA chez Microsoft AI Health et coauteur de l’étude.
Des économies estimées à plus de 50 %
L’annonce d’économies concerne le coût estimé du bilan diagnostique sur les cas complexes. Avec un budget limité pour les examens, MAI-DxO conservait 80,9 % de diagnostics corrects pour un bilan estimé à 2.241 dollars par cas, contre 4.725 dollars pour les médecins disposant de références documentaires. L’écart représente une réduction d’environ 53 %.
Sans limite budgétaire, le système atteignait 83,2 % de diagnostics corrects, mais le coût du bilan montait à 5.431 dollars, au-dessus de celui des médecins. Les économies dépendent donc du budget fixé au système. Calculées à partir de tarifs américains, elles ne démontrent pas une baisse équivalente des dépenses globales de santé.
Une validation clinique encore nécessaire
Les auteurs rappellent que les médecins doivent composer avec la pression du temps, les informations incomplètes, la charge administrative et la relation de soins. Ces dimensions ne sont pas reproduites par la simulation. Les chercheurs s’attendent à voir l’écart se réduire face à des spécialistes ou à des équipes adaptées à chaque cas.
L’exercice était uniquement textuel, sans consultation réelle ni interprétation directe d’images médicales. Certains résultats manquants étaient générés par une IA, avec l’objectif de rester neutres sur le plan diagnostique. Les patients en bonne santé et les situations bénignes étaient exclus. L’étude n’évalue ni les traitements, ni la sécurité des soins, ni le devenir des patients.
Microsoft annonce une évaluation prospective au Beth Israel Deaconess Medical Center de Boston. Des patients interagiront directement avec le système, dont les résultats seront comparés aux évaluations indépendantes des médecins.
