AI Medis Microsoft MAI-DxO Ungguli Dokter dan Pangkas Biaya Tes Diagnostik
Sistem MAI-DxO berbasis GPT-5 mencatat akurasi diagnostik dua kali lipat lebih tinggi dari dokter berpengalaman sekaligus memangkas biaya tes hingga 70 persen.
Foto: SingularityHub (Dokumentasi editorial)
Poin penting
- MAI-DxO mencatat akurasi 83% pada kasus medis rumit, melampaui dokter berpengalaman yang mencatat 22%.
- Arsitektur agen berbasis biaya berhasil menekan pengeluaran tes dari 4.700 dolar AS menjadi 1.300 dolar AS.
- Riset diterbitkan di jurnal Science dan saat ini memasuki uji coba alur kerja rumah sakit di Boston.
Peneliti Microsoft memperkenalkan sistem kecerdasan buatan medis bernama MAI-DxO yang mampu mendiagnosis penyakit jauh lebih akurat dan murah dibanding dokter manusia. Laporan riset yang dimuat di jurnal Science ini dilansir oleh media teknologi SingularityHub pada awal November 2026.
Lompatan teknologi ini menjadi perhatian para pengelola layanan kesehatan karena menargetkan dua masalah utama sekaligus: risiko salah diagnosis dan lonjakan biaya pemeriksaan medis yang tidak perlu.
MAI-DxO bekerja seperti tim konsensus dokter dengan pendekatan multi-agen, yaitu kumpulan modul kecerdasan buatan yang membagi tugas secara mandiri. Di dalamnya, satu agen merumuskan dugaan penyakit, agen kedua menguji hipotesis dengan usulan tes, dan agen ketiga khusus menghitung efisiensi biaya.
Semua proses tersebut dikendalikan oleh orchestrator, program pengatur alur kerja yang bertindak layaknya ketua tim medis untuk menentukan tes lanjutan yang paling hemat dan tepat sasaran.
Akurasi Dua Kali Lipat dan Biaya Jauh Lebih Rendah
Dalam pengujian terhadap 304 kasus rumit dari New England Journal of Medicine (NEJM), MAI-DxO diuji tanding melawan 40 dokter yang masing-masing memiliki pengalaman klinis sekitar 12 tahun. Hasilnya, MAI-DxO mencapai akurasi 83 persen, sementara dokter hanya mencatat akurasi 22 persen menggunakan ingatan mandiri.
Bahkan saat dokter diberi akses internet dan buku referensi, akurasi MAI-DxO tetap lebih dari dua kali lipat lebih tinggi. Pada kasus unit gawat darurat biasa, sistem ini unggul dengan akurasi 80 persen berbanding 47 persen milik dokter.
Dari sisi pengeluaran, konfigurasi hemat biaya MAI-DxO menyelesaikan diagnosis kasus NEJM dengan rata-rata biaya 1.300 dolar AS per kasus. Sebaliknya, proses pemeriksaan mandiri para dokter menghabiskan biaya lebih dari 4.700 dolar AS berdasarkan data tarif rumah sakit rujukan.
"Jika dijalankan dalam konfigurasi ini, sistem AI mencapai diagnosis yang tepat jauh lebih sering dan dengan biaya yang jauh lebih hemat dibanding penggunaan model bawaan langsung," ujar peneliti studi Harsha Nori.
Tantangan Implementasi di Lapangan
Keunggulan MAI-DxO didukung oleh model penalaran GPT-5 dan GPT-5.5, serta mengungguli model pesaing seperti Claude, Gemini, maupun Grok. Laporan SingularityHub menggarisbawahi bahwa seluruh pengujian tersebut sejauh ini masih berlangsung dalam simulasi berbasis teks terkendali.
Kondisi rumah sakit nyata menghadapi tantangan yang jauh lebih kompleks, mulai dari riwayat pasien yang tidak lengkap hingga preferensi individu pasien. Untuk menguji kesiapan klinisnya, Microsoft kini bermitra dengan Beth Israel Deaconess Medical Center di Boston guna melihat integrasi sistem dalam alur kerja harian rumah sakit.
Apa Artinya bagi Pelaku Usaha
Riset ini membawa pesan penting bagi pemilik rumah sakit, pengelola klinik, dan perusahaan asuransi kesehatan di Indonesia. Kunci efisiensi teknologi modern bukan sekadar mengadopsi model bahasa mentah secara instan, melainkan membangun arsitektur sistem yang mempertimbangkan batasan biaya operasional secara sadar.
Pimpinan fasilitas medis dapat mulai mengevaluasi biaya tes redundan yang sering membebani tagihan pasien dan klaim penjamin. Mengadopsi kerangka kerja multi-agen dapat menjadi panduan verifikasi diagnostik bertahap bagi tenaga medis, tanpa menghilangkan peran dokter sebagai pengambil keputusan akhir.
Langkah mitigasi risiko terbaik adalah menahan diri dari penggunaan AI otonom tanpa pengawasan di lini depan. Manfaatkan teknologi ini sebagai alat pendukung keputusan kedua (second opinion) untuk menekan kesalahan diagnosa sekaligus mengendalikan anggaran perawatan kesehatan.
- SingularityHub: Microsoft’s Medical AI Is Over Twice as Good Diagnosing Diseases as Doctors
Lihat hasil pemeriksaan (12 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Microsoft mempublikasikan riset sistem AI medis MAI-DxO di jurnal Science. | Didukung | “in a paper published in Science , Microsoft researchers described MAI-DxO” SingularityHub mencatat publikasi makalah riset MAI-DxO oleh peneliti Microsoft di jurnal Science. |
| MAI-DxO beroperasi dengan arsitektur multi-agen dan orchestrator yang membagi tugas diagnosis, pengetesan, dan analisis biaya. | Didukung | “One specialist proposes possible diagnoses. Another suggests questions and tests and iteratively challenges the emerging diagnosis. The last considers costs. Meanwhile, an “orchestrator”” SingularityHub menguraikan pembagian peran tiga agen dan satu orchestrator dalam sistem MAI-DxO. |
| Pengujian mencakup 304 kasus rumit dari New England Journal of Medicine (NEJM). | Didukung | “they selected 304 complex cases from NEJM” SingularityHub menyebutkan pemilihan 304 kasus kompleks dari NEJM untuk tolok ukur pengujian. |
| Sistem diuji tanding melawan 40 dokter dengan rata-rata pengalaman klinis sekitar 12 tahun. | Didukung | “Pitted against 40 doctors, each with roughly a dozen years of clinical experience” SingularityHub mengonfirmasi jumlah dokter penguji sebanyak 40 orang dengan pengalaman klinis sekitar 12 tahun. |
| Pada kasus NEJM, MAI-DxO meraih akurasi 83 persen berbanding 22 persen untuk dokter yang mengandalkan pengetahuan sendiri. | Didukung | “On complex NEJM cases, it reached an accurate diagnosis 83 percent of the time. In comparison, physicians were 22 percent accurate when relying on their own knowledge.” SingularityHub memaparkan persentase akurasi 83% untuk MAI-DxO versus 22% untuk dokter. |
| MAI-DxO lebih dari dua kali lebih akurat dibanding dokter yang dibantu buku teks dan internet. | Didukung | “MAI-DxO was more than twice as accurate as physicians armed with textbooks and the internet” SingularityHub menyatakan keunggulan akurasi MAI-DxO lebih dari dua kali lipat dibanding dokter dengan referensi. |
| Pada kasus umum UGD, akurasi MAI-DxO mencapai 80 persen berbanding 47 persen untuk dokter. | Didukung | “The system also surpassed doctors on typical emergency room cases, achieving 80 percent accuracy versus 47 percent for physicians.” SingularityHub mencantumkan perbandingan akurasi 80% versus 47% pada kasus IGD. |
| Konfigurasi hemat biaya MAI-DxO mencatat perkiraan biaya 1.300 dolar AS per kasus dibandingkan dokter yang mencapai lebih dari 4.700 dolar AS. | Didukung | “spending an estimated $1,300 dollars per case, based on 2023 hospital pricing data from a national healthcare system. Doctors, in contrast, racked up a bill of over $4,700.” SingularityHub memaparkan angka estimasi biaya pengujian kasus NEJM. |
| Kutipan Harsha Nori mengenai kinerja sistem AI dalam konfigurasi multi-agen yang menghasilkan diagnosis tepat dengan biaya lebih rendah dibanding penggunaan model standar. | Didukung | ““If you run it in this configuration, the AI systems get to the right diagnosis far more often and at far less cost than out-of-the-box runs,” said Nori.” SingularityHub memuat pernyataan langsung Harsha Nori. |
| MAI-DxO didukung GPT-5 dan GPT-5.5 serta melampaui performa model Claude, Gemini, dan Grok. | Didukung | “MAI-DxO also outmatched a range of general language models, including Anthropic’s Claude, Google’s Gemini, and xAI’s Grok.” SingularityHub menyebutkan perbandingan dengan model-model AI umum lainnya. |
| Seluruh eksperimen sejauh ini berlangsung dalam simulasi berbasis teks terkendali. | Didukung | “The experiments took place in controlled, text-based simulations.” SingularityHub menegaskan batasan pengujian yang masih berbasis simulasi teks terkendali. |
| Microsoft bermitra dengan Beth Israel Deaconess Medical Center di Boston untuk menguji integrasi sistem dalam alur kerja rumah sakit. | Didukung | “The team has partnered with Beth Israel Deaconess Medical Center in Boston to evaluate MAI-DxO in different hospital settings.” SingularityHub mencatat kemitraan evaluasi klinis dengan Beth Israel Deaconess Medical Center. |
Video AI terbaru
GPT-Image-2.6: Faster image generation with Flare and Sunburst
