Štúdia, ktorú výskumníci Microsoftu zverejnili 22. októbra, skúšala diagnostiku po krokoch. Účastníci na začiatku nedostali celý prípad: museli si vyžiadať ďalšie informácie, rozhodnúť o vyšetreniach a podľa nových zistení upravovať svoju pracovnú diagnózu. Test tak hodnotil aj cestu k odpovedi, nie iba výber diagnózy z pripravených možností.
MAI-DxO pri tom koordinuje jazykový model v úlohách viacerých virtuálnych odborníkov. Tí navrhujú možné diagnózy, posudzujú potrebné testy a spochybňujú predbežné závery. V hlavnom porovnaní systém využíval model GPT-5; výsledok preto vypovedá o celej zostave, nie o samostatnom novom medicínskom modeli Microsoftu.
Výskumníci hodnotili aj 325 prípadov odvodených zo záznamov pacientov prijatých z pohotovosti. Systém podľa ich výsledkov dosiahol úspešnosť 80,3 percenta, porovnávaní lekári 46,8 percenta. Skupinu ľudí však tvorili jednotliví všeobecne zameraní lekári. Štúdia nepreukazuje, že by AI bola presnejšia než špecialisti alebo tímy, ktoré zložité prípady riešia v bežnej praxi.
Microsoft poukazuje aj na možnosť znížiť náklady výberom potrebných vyšetrení. Tieto náklady boli v štúdii odhadované, nešlo o skutočné účty nemocníc. Výsledok navyše závisel od nastavenia systému: prísnejší rozpočtový limit mohol znížiť predpokladané náklady, no menil aj diagnostickú úspešnosť.
Test pracoval s textovými prípadmi a nemeral bezpečnosť liečby ani zdravotný stav pacientov po stanovení diagnózy. Lekári ani AI v ňom neposudzovali pacienta tak, ako pri priamom vyšetrení v ambulancii. Práve preto z publikovaných percent nevyplýva, že systém možno nasadiť ako náhradu lekára.
Ďalším krokom má byť podľa Microsoftu hodnotenie v spolupráci s nemocnicou Beth Israel Deaconess Medical Center v Bostone. Až skúšanie v klinickom prostredí ukáže, či MAI-DxO dokáže lekárom spoľahlivo pomáhať pri práci s pacientmi. Súčasná štúdia ukazuje sľubný výsledok v presne vymedzenej diagnostickej úlohe.