Science dergisinde yayımlanan bir araştırmaya göre, Microsoft’un YZ teşhis sistemi bir simülasyonda karmaşık tıbbi vakaları pratisyen hekimlerin iki katından daha fazla sıklıkla doğru teşhis etti. Microsoft AI CEO’su Mustafa Süleyman, bu sonucu “tıbbi süper zekaya” doğru atılmış bir adım olarak nitelendirdi.
Kısaca DxO olarak anılan MAI-DxO adlı sistem, bir hekim heyeti gibi hareket eden birden fazla YZ ajanını koordine ediyor. Bu ajanlar hastayı sorguluyor, tetkik istiyor ve teşhis üzerine tartışıyor.
New England Journal of Medicine dergisinden alınan karmaşık vakaların kullanıldığı simülasyonda sistem, vakaların %83’ünde doğru sonuca ulaştı. Referans materyalleriyle bireysel çalışan birinci basamak hekimleri ve genel dahiliye uzmanları ise vakaların yalnızca %36’sını doğru bildi. Burada önemli bir ayrıntı var: Bu denli karmaşık vakalar normalde uzman hekimler veya hekim heyetlerince ele alınıyor ve bu uzmanlar karşılaştırmaya dahil edilmedi.
Microsoft AI Sağlık Birimi Başkan Yardımcısı Dominic King, TechCrunch‘a yaptığı açıklamada, “Burada çok somut ve heyecan verici bir şey var. Şu anda sağlık hizmeti sunumundaki en büyük zorluk, tıbbi uzmanlık talebi ile arzı arasındaki giderek büyüyen uyuşmazlık.” dedi.
Bu sonuçları yayımlayan Microsoft, geliştirdiği YZ’nin doktorlarla boy ölçüşebileceğini veya onları geride bırakabileceğini öne süren Google ve OpenAI‘ın arasına katıldı.
Araştırmanın kendi verileri, performanstaki artışın büyük kısmının temeldeki daha güçlü YZ modellerinden kaynaklandığını, Microsoft’un orkestrasyon sisteminin ise bu kazanımların üzerine ek katkı sağladığını gösteriyor.
Microsoft, MAI-DxO’yu OpenAI, Google, Anthropic, Meta ve DeepSeek gibi çeşitli şirketlerin modelleriyle test etti fakat en iyi sonuçları OpenAI’ın GPT-5 ve GPT-5.5 modelleriyle elde etti.
Microsoft, DxO’yu doğruluğun yanı sıra maliyet, yani YZ’nin vaka başına tahmini çalışma masrafı üzerinden de değerlendirdi. Kısa ve temel bir komutla tek başına çalışan GPT-5, karmaşık vakalarda vaka başına yaklaşık 8.400 dolar maliyetle %78,9 başarı gösterdi. DxO bu maliyeti yaklaşık 3.000 dolar düşürdü ama doğruluğu yalnızca dört puan kadar artırabildi. Acil servis vakalarında ise tek başına çalışan GPT-5 ile DxO destekli sürüm arasında gerek doğruluk gerekse maliyet açısından neredeyse hiçbir gelişme görülmedi.
Nisan 2026’da yayımlanan daha yeni bir model olan GPT-5.5 ile sonuçlar farklılaştı. Karmaşık vakalarda DxO, GPT-5.5’in doğruluk oranını biraz daha düşük bir maliyetle %72’den yaklaşık %87’ye çıkardı. Ancak acil servis vakalarında bu kazanımlar yine ortaya çıkmadı; hem DxO destekli hem de tek başına çalışan model, benzer bir maliyetle yaklaşık %85 oranında kaldı.
DxO en çok karmaşık vakalarda ve daha düşük kapasiteli YZ modellerinde fayda sağlıyor. Örneğin Gemini 2.5 Flash tek başına %46,4 doğrulukta kalırken, DxO ile bu oran yaklaşık %69’a çıktı. Yine de zayıf ve güçlü modeller arasındaki uçurum, DxO’nun sağladığı takviyeden daha büyüktü.
Microsoft araştırmacıları, modeller teorik sınıra yaklaştıkça doğruluk artışının doğal olarak azaldığını belirtti. Bir şirket sözcüsü, “DxO orkestrasyonu, hem doğruluğu hem de maliyeti optimize etmeye dönük daha geniş kapsamlı zorluğun aşılmasına yardımcı oluyor.” sözlerini ekledi.
Microsoft’un öncü YZ geliştirme çalışmalarına liderlik eden Süleyman, şirketin sağlık alanına özel bir temel model eğitmek üzere Mayo Clinic ile çalıştığını ve modelin gelecek yıl yayımlanmasının planlandığını TechCrunch’a aktardı. Süleyman, bu modelin şirketin “bu alanda gerçekten çok büyük sıçramalar yapmasını” sağlayacağına inanıyor. Ayrıca DxO’nun, Microsoft’un sağlık alanında gerçek atılımlar gerçekleştirmek için oluşturduğu temel altyapının bir parçası olduğunu söylüyor.
Süleyman, “2027’de tıbbi kayıtlar konusunda, kodlama alanındakine benzer bir kırılmanın eşiğinde olacağımıza gerçekten inanıyorum.” dedi ve ekledi: “Bir tıbbi kaydın nasıl gelişebileceğine dair yüksek doğrulukta tahminleri anlık olarak sunabileceğimizi düşünüyorum ve bu tür bir öngörü bir klinisyen için elbette paha biçilemez.”
Kariyerini sağlık sorunlarını YZ ile çözmeye adayan Süleyman, 2014 yılında Google tarafından satın alınan DeepMind‘ın kurucu ortakları arasındaydı. Ertesi yıl Google DeepMind, King’in klinik görev yönetim uygulaması olan Hark girişimini bünyesine kattı ve ikili birlikte DeepMind Health birimini başlattı. Süleyman 2024’te Microsoft’un YZ biriminin başına geçti, King de birkaç ay sonra onu takip etti.
Süleyman, “Bizler sadece bu işe yürekten inanan insanlarız.” dedi.
Sağlık alanında üretken YZ kullanımının henüz başında olunduğunu belirten Süleyman, sağlık alanına yönelik modellerin önümüzdeki 24 ila 36 ay içinde yeteneklerinin yaklaşık on kat artmasını beklediğini söyledi.
Süleyman sözlerini şöyle sürdürdü: “Son beş veya altı yılda defalarca gördüğümüz gibi, kendini besleyen bir döngü oluşturduğunuzda ilerleme çok hızlı gerçekleşiyor. Böyle bir döngü, gerçek dünyadaki kullanımdan yararlanarak sürekli geliştirdiğimiz, kullanıma sunulmuş bir modelimizin olması anlamına geliyor. Böylece modeldeki eksiklikleri belirleyebiliyor, bunları giderip modeli iyileştirebiliyoruz. Kodlama alanında yaşanan tam olarak buydu. Ondan önce de sohbet sistemlerinde aynı şey yaşandı. Bence gelecek yıl bu süreç tıbbi kayıtlarda ve klinik karar desteğinde de yaşanmaya başlayacak.”
Microsoft, Boston’daki Beth Israel Deaconess Medical Center ile kurduğu yeni ortaklık sayesinde DxO’nun klinik muhakeme kabiliyetlerini farklı hastane ortamlarında sınayacak.
King, “Bu teknoloji gerçek dünya değerlendirmelerine hazır; bir cuma akşamı Boston’daki bir acil serviste karşılaşılabilecek sorunların karmaşıklığını ve çeşitliliğini tahmin edebilirsiniz.” dedi.
King, çalışmanın nasıl işleyeceğini şöyle açıkladı: Hastalar triyaj, bir uzmanla görüşme, tedaviler, tetkikler ve taburcu edilmenin güvenli olup olmadığına dair karar da dahil olmak üzere standart tedavi sürecinden geçecek. Eş zamanlı olarak onay veren hastalar DxO ile de etkileşime girecek. Microsoft ve ortakları, DxO’nun sunduğu tavsiyeleri hekimlerinkiyle karşılaştıracak.
Google da bu ay The Lancet dergisinde Beth Israel ile birlikte bir klinik çalışma yayımladı. Bu çalışmada hekimler etkileşimleri anlık izlerken, Google’ın sohbet tabanlı teşhis YZ’si AMIE ayakta acil bakım başvurularında değerlendirildi.
King, “Bunun kendi türündeki en büyük araştırma olacağını düşünüyoruz. Araştırma yalnızca acil servisleri değil, acil bakım ortamlarını da kapsayacak. Araştırma süresinin sonunda, bu sistemlerin gelecekte daha geniş ölçekte kullanılıp kullanılamayacağına ilişkin son derece güçlü kanıtlar elde edeceğiz.” dedi.
Microsoft’un Science dergisinde yayımlanan araştırması, tıbbi süper zeka geliştirmek için nelerin gerektiğini ortaya koyan bir tür manifestoyla aynı döneme denk geldi. Tıbbi süper zeka, “bakım sürecinin tüm aşamalarında tıbbi akıl yürütme ve koordinasyon açısından, günümüzün insanlar tarafından yönetilen en güçlü sağlık sistemlerini geride bırakma kapasitesi” olarak tanımlanıyor. Microsoft, tıbbi sınav sorularını yanıtlamak ve teşhis koymak gibi tekil görevlerde performans ölçmenin ötesine geçerek, daha iyi sonuçlar elde etmek amacıyla YZ sistemlerini doktorlarla ve sağlık sistemleriyle bütünleştirmeyi hedefliyor.
Süleyman, “Bu, dünyadaki herkesin istediği türden bir teknoloji; bu yüzden onu dünyayla buluşturma sürecini hızlandırmak için elimizden gelen her şeyi yapmaya kararlıyız.” ifadesini kullandı ve bu odağın, diğer öncü laboratuvarlara kıyasla Microsoft için belirleyici bir fark yaratabileceğini sözlerine ekledi.
Hâlihazırda klinisyenlere tıbbi dikte ve radyoloji araçları satan Microsoft, DxO’yu bu girişimlerin bir uzantısı olarak görüyor.
Süleyman, “Önümüzdeki birkaç yıl içinde tartışmasız bir numara olan, en son teknoloji tıbbi klinik karar destek ürünlerine sahip olmak zorundayız.” dedi.
Kaynak: https://techcrunch.com/2026/10/22/microsofts-mustafa-suleyman-says-its-ai-outperforms-doctors-on-hard-cases-as-he-chases-medical-superintelligence/
