Microsoft, sağlık alanında geliştirdiği yeni yapay zeka sistemiyle dikkat çekici sonuçlara ulaştı. Microsoft AI Diagnostic Orchestrator (MAI-DxO) adı verilen sistem, zorlu tıbbi vakalarda yapılan deneylerde pratisyen hekimlerden iki kattan fazla daha yüksek teşhis doğruluğu elde etti.
Daha önce ön baskı olarak yayımlanan araştırma, 22 Ekim 2026 tarihinde dünyanın önde gelen bilimsel yayınlarından Science dergisinde hakem değerlendirmesinden geçerek yayımlandı. Böylece Microsoft’un tıbbi yapay zeka çalışması önemli bir bilimsel doğrulama aşamasını geride bırakmış oldu.
Ancak araştırmanın sonuçları, yapay zekanın bugün itibarıyla doktorların yerini almaya hazır olduğu anlamına gelmiyor. Microsoft da gerçek hastalar üzerinde yapılacak klinik değerlendirmelerin bir sonraki kritik aşama olduğunu belirtiyor.
Microsoft MAI-DxO yüzde 83’e ulaşan teşhis doğruluğu gösterdi
Microsoft’un yayımladığı verilere göre MAI-DxO, The New England Journal of Medicine kaynaklı 304 karmaşık vaka üzerinde yapılan değerlendirmelerde yaklaşık yüzde 83 teşhis doğruluğuna ulaştı.
Aynı vakalarda genel tıp alanında çalışan hekimlerin başarısı, kitap ve internet gibi harici kaynakları kullanabildiklerinde yaklaşık yüzde 36 seviyesinde kaldı. Hekimlerin harici kaynak kullanmadığı deney grubunda ise doğruluk yaklaşık yüzde 22’ye geriledi.
Bu sonuçlara göre Microsoft’un sistemi, kaynak kullanabilen doktorlardan yaklaşık 2,3 kat, kaynak kullanmayan doktorlardan ise yaklaşık 3,7 kat daha yüksek doğruluk gösterdi.
Buradaki önemli ayrıntı, test grubundaki doktorların belirli bir hastalık konusunda uzmanlaşmış branş hekimleri değil, genel tıp alanında çalışan doktorlardan oluşması. Araştırmacılar da MAI-DxO’nun doğrudan ilgili uzmanlarla karşılaştırılması halinde farkın daha düşük olabileceğini kabul ediyor.
Acil servis vakalarında da yapay zeka öne geçti
Araştırma yalnızca son derece karmaşık ve nadir vakalarla sınırlı tutulmadı.
Microsoft, Beth Israel Deaconess Medical Center’a ait MIMIC-IV-ED veri setinden alınan daha tipik acil servis vakalarında da sistemi değerlendirdi. Bu testte MAI-DxO yaklaşık yüzde 80 doğruluk elde ederken doktorların ortalama başarısı yaklaşık yüzde 47 olarak ölçüldü.
Başka bir ifadeyle yapay zeka sistemi, bu senaryoda doktorlardan yaklaşık 1,7 kat daha yüksek teşhis doğruluğuna ulaştı.
Bu ikinci test özellikle önemli. Çünkü yalnızca sıra dışı akademik vaka raporlarına bakmak yerine, gerçek bir hastanenin acil servis kayıtlarından oluşturulan daha geniş bir klinik senaryo grubuna dayanıyor.
MAI-DxO tek seferde cevap vermek yerine doktor gibi ilerliyor
Microsoft’un sistemini standart bir sohbet botundan ayıran en önemli özelliklerden biri adım adım teşhis koyması.
Geleneksel yapay zeka testlerinde modele genellikle hastanın belirtileri, test sonuçları ve tıbbi geçmişi tek seferde veriliyor. Modelden de mevcut bilgiler doğrultusunda doğru hastalığı seçmesi isteniyor.
Gerçek hayatta ise doktorlar böyle çalışmıyor.
Bir hasta hastaneye geldiğinde hekim önce temel şikâyeti dinliyor, ardından ek sorular soruyor, gerekli testleri belirliyor ve elde edilen yeni bilgiler doğrultusunda olası teşhisleri daraltıyor.
MAI-DxO da benzer bir yöntem izliyor. Sistem:
- Hastaya hangi soruların sorulması gerektiğini belirleyebiliyor,
- hangi testlerin gerekli olduğuna karar verebiliyor,
- olası teşhisleri birbiriyle karşılaştırabiliyor,
- yeni bilgiler geldikçe değerlendirmesini güncelleyebiliyor,
- yapılacak testlerin tahmini maliyetini de hesaba katabiliyor.
Microsoft, sistemi tek bir yapay zeka modeli gibi değil, birbiriyle tartışan sanal doktorlardan oluşan bir kurul şeklinde tasarladığını ifade ediyor.
Microsoft yeni bir teşhis testi geliştirdi: SDBench
Araştırmacılar, mevcut yapay zeka testlerinin gerçek tıbbi teşhis sürecini yeterince yansıtmadığını düşünüyor.
Bu nedenle şirket Sequential Diagnosis Benchmark (SDBench) adı verilen yeni bir değerlendirme sistemi geliştirdi.
SDBench’te yapay zekaya bütün bilgiler başlangıçta verilmiyor. Sistem sınırlı bilgilerle sürece başlıyor ve doğru teşhise ulaşabilmek için hangi ek bilgilere ihtiyaç duyduğuna kendisi karar veriyor.
Değerlendirme yalnızca yapay zekanın sonunda doğru hastalığı bulup bulmadığına bakmıyor. Aynı zamanda hangi soruları sorduğu, hangi testleri istediği ve teşhise ulaşmak için ne kadar kaynak harcadığı da ölçülüyor.
Microsoft, araştırmacıların sistemi bağımsız olarak değerlendirebilmesi amacıyla SDBench’in bazı bölümlerini açık kaynak olarak paylaşacağını açıkladı.
Yapay zeka daha az test isteyerek maliyeti de düşürebiliyor
Araştırmadaki dikkat çekici sonuçlardan biri de maliyet tarafında ortaya çıktı.
Microsoft’a göre MAI-DxO, bazı yapılandırmalarda doktorlara ve bağımsız çalışan yapay zeka modellerine kıyasla daha az test ve prosedür isteyerek doğru teşhise ulaşabiliyor.
Şirket, karmaşık NEJM vakalarında maliyete göre optimize edilen bir yapılandırmanın yaklaşık yüzde 81 doğruluk seviyesini korurken karşılaştırılan sistemlerin yarısından daha düşük tahmini test maliyeti oluşturabildiğini belirtiyor.
Ancak burada önemli bir sınırlama var.
Söz konusu maliyetler gerçek hastane faturalarına dayanmıyor. Araştırmacılar, standartlaştırılmış test ve prosedür maliyetleri üzerinden oluşturulan simülasyon hesaplamalarını kullanıyor. Dolayısıyla gerçek sağlık sistemlerinde elde edilecek tasarrufun aynı seviyede olup olmayacağı henüz bilinmiyor.
Sistem GPT-5 ile çalışıyor, yeni modellerde sonuçlar daha da gelişiyor
Hakemli çalışmada kullanılan Microsoft Diagnostic Orchestrator’ın OpenAI GPT-5 ile çalıştırılan sürümünün güçlü sonuçlar verdiği bildiriliyor.
Microsoft ayrıca orkestrasyon yöntemini değiştirmeden daha yeni modellerle yaptığı sonraki testlerde performansın gelişmeye devam ettiğini ve GPT-5.5 gibi yeni nesil modellerde de kazanımların sürdüğünü açıkladı.
Bu durum MAI-DxO’nun yalnızca belirli bir dil modeline bağlı olmadığını gösteriyor.
Microsoft’un yaklaşımında temel fikir, tek bir yapay zekadan yanıt almak yerine birden fazla yapay zeka ajanının farklı ihtimalleri değerlendirmesi ve birbirlerinin çıkarımlarını sorgulaması.
Gerçek hastane testleri Boston’da başlayacak
Araştırmanın bundan sonraki aşaması ise gerçek klinik ortam olacak.
Microsoft, Beth Israel Deaconess Medical Center ile birlikte sistemi Boston’daki hastane ortamında değerlendirmeye hazırlanıyor.
Microsoft AI sağlık ekibinin başındaki Dr. Dominic King’e göre çalışmanın önümüzdeki birkaç ay içerisinde başlaması planlanıyor. Prospektif çalışmada gerçek hastalar sistemle etkileşime girecek ve yapay zekanın performansı doktorların bağımsız değerlendirmeleriyle karşılaştırılacak.
Bu deneyler, laboratuvar koşullarında elde edilen yüksek doğruluk oranlarının günlük hastane ortamında korunup korunamayacağını gösterecek.
Peki yapay zeka doktorların yerini alabilir mi?
Şimdilik bunun için oldukça erken.
Microsoft AI CEO’su Mustafa Suleyman da sistemin gerçek dünyada kullanılmadan önce klinik olarak doğrulanması gerektiğini söylüyor.
Tıbbi yapay zekada yüksek test başarısı ile gerçek hasta tedavisindeki başarı aynı şey değil. Hatalı bir teşhisin sonuçları ciddi olabileceği için güvenilirlik, hasta güvenliği, veri gizliliği, düzenleyici onaylar ve hukuki sorumluluk gibi çok sayıda konunun çözülmesi gerekiyor.
Ayrıca mevcut bilimsel literatür, üretken yapay zekanın her tıbbi alanda uzman doktorları geçtiğini göstermiyor. 83 çalışmayı inceleyen geniş kapsamlı bir meta-analiz, üretken yapay zeka sistemleriyle doktorlar arasında genel anlamda anlamlı bir teşhis farkı bulunmadığını, yapay zeka modellerinin ise uzman hekimlere karşı daha düşük performans gösterdiğini ortaya koymuştu.
Dolayısıyla MAI-DxO’nun sonuçları son derece dikkat çekici olsa da bunları “yapay zeka artık bütün doktorlardan daha iyi” şeklinde yorumlamak doğru olmaz.
Yapay zekaya fazla güvenmenin de riskleri var
Sağlıkta yapay zeka kullanımının başka bir tartışmalı tarafı ise doktorların zaman içerisinde teknolojiye fazla bağımlı hale gelme ihtimali.
2025 yılında yayımlanan çok merkezli bir araştırmada, kolonoskopi sırasında yapay zeka desteğine sürekli maruz kalan doktorların daha sonra yapay zeka kullanılmadan yaptıkları muayenelerdeki adenoma tespit oranının yüzde 28,4’ten yüzde 22,4’e düştüğü gözlemlendi.
Araştırmacılar bunun doğrudan yapay zekanın doktorların becerilerini azalttığını kesin olarak kanıtlamadığını, ancak uzun süreli kullanımda bir tür beceri körelmesi riskinin araştırılması gerektiğini belirtti.
Bu nedenle gelecekte sağlık sistemlerinde asıl hedefin doktorları tamamen devreden çıkarmak yerine doktor ve yapay zekanın birlikte çalıştığı sistemler oluşturmak olması bekleniyor.
Microsoft da MAI-DxO’yu şimdilik bir doktorun yerine geçecek ürün olarak değil, sağlık çalışanlarının daha doğru kararlar vermesine yardımcı olabilecek bir araç olarak konumlandırıyor.
Microsoft’un hedefi “tıbbi süper zekâ”
Şirketin planları yalnızca hastalık teşhisiyle sınırlı değil.
Microsoft, uzun vadede tedavi seçimi, hastaların sağlık geçmişinin takip edilmesi, bakım koordinasyonu ve klinik karar desteği gibi alanları da kapsayabilecek daha geniş bir “medical superintelligence”, yani tıbbi süper zekâ sistemi oluşturmayı hedefliyor.
MAI-DxO’nun gerçek hastane testlerinden başarılı sonuçlar alması halinde, sağlık sektöründeki yapay zeka uygulamaları açısından önemli bir dönüm noktası yaşanabilir.
Ancak mevcut veriler ışığında en doğru değerlendirme şu: Microsoft’un yapay zekası kontrollü teşhis testlerinde genel tıp doktorlarını önemli ölçüde geride bıraktı; gerçek hastalar üzerindeki başarısının ise önümüzdeki klinik çalışmalarla kanıtlanması gerekiyor.
