AI stelt vaker juiste diagnose dan artsen in nieuwe test

Een AI-systeem van Microsoft heeft in een nieuwe wetenschappelijke studie aanzienlijk beter gepresteerd dan individuele artsen bij het stellen van complexe medische diagnoses. De technologie herkende meer dan 80 procent van de aandoeningen correct, tegenover 36 tot 47 procent bij de deelnemende artsen. De resultaten, gepubliceerd in het wetenschappelijke tijdschrift Science, bevestigen het potentieel van AI voor medische beslisondersteuning. Tegelijkertijd laten eerdere onderzoeken zien dat AI-chatbots bij het interpreteren van symptomen nog regelmatig tekortschieten.

Het stellen van een juiste diagnose is niet altijd eenvoudig. Verschillende aandoeningen kunnen vergelijkbare symptomen veroorzaken, waardoor aanvullend onderzoek nodig is. Microsoft ontwikkelde de AI Diagnostic Orchestrator (MAI-DxO) om te onderzoeken of kunstmatige intelligentie dit diagnostische proces kan ondersteunen. Het systeem simuleert een multidisciplinair artsenteam. Verschillende AI-rollen beoordelen mogelijke diagnoses, stellen aanvullende vragen, selecteren onderzoeken en toetsen elkaars conclusies. Daardoor ontstaat een stapsgewijs diagnostisch proces in plaats van één directe beoordeling.

Meer dan 80 procent correcte diagnoses

Voor het onderzoek ontwikkelden de wetenschappers een testomgeving, Sequential Diagnosis Benchmark (SDBench). Daarin werden 304 complexe medische casussen uit The New England Journal of Medicine en 325 dossiers van patiënten die via een spoedeisende hulp werden opgenomen, omgezet in interactieve diagnostische opdrachten. Artsen en AI kregen eerder alleen basisinformatie over de patiënt. Vervolgens konden zij aanvullende vragen stellen en onderzoeken aanvragen. Een afzonderlijk AI-systeem verstrekte de beschikbare gegevens uit het oorspronkelijke patiëntendossier. Een AI-beoordelaar vergeleek de uiteindelijke diagnose met de vastgestelde uitkomst.

MAI-DxO stelde bij 83,2 procent van de complexe casussen de juiste diagnose. Bij de spoedeisendehulpcasussen bedroeg de nauwkeurigheid 80,3 procent. De deelnemende generalistische artsen behaalden respectievelijk 36,1 en 46,8 procent. De vergelijking kent wel beperkingen. Zo werden de artsen bij de complexe casussen beoordeeld op een kleinere selectie dan de volledige dataset waarop de AI-resultaten betrekking hadden.

Opvallend was bovendien dat het AI-systeem uitgebreider naar de medische voorgeschiedenis vroeg voordat aanvullende onderzoeken werden aangevraagd. Volgens de onderzoekers kan deze aanpak bijdragen aan gerichtere diagnostiek en mogelijk lagere onderzoekskosten. Of dat in de dagelijkse praktijk daadwerkelijk besparingen oplevert, moet nog worden vastgesteld.

Potentie AI diagnostiek

De nieuwe publicatie bouwt voort op onderzoek waarover wij  in juli 2025 schreven. Microsoft presenteerde destijds voorlopige resultaten van MAI-DxO, waarbij het systeem bij complexe medische casussen een nauwkeurigheid van ongeveer 85 tot 86 procent behaalde.

Dat was volgens de toenmalige onderzoeksgegevens ruim vier keer zo hoog als de gemiddelde score van 20 procent van 21 deelnemende artsen. Deze artsen mochten tijdens de test geen externe hulpmiddelen raadplegen. De inmiddels gepubliceerde studie in Science biedt een uitgebreidere wetenschappelijke onderbouwing, met aanvullende patiëntencasussen en nieuwe vergelijkingen. De resultaten verschillen enigszins van de eerdere cijfers, onder meer doordat de onderzoeksopzet en vergelijkingscondities zijn aangepast.

De belangrijkste ontwikkeling is dat AI niet uitsluitend wordt beoordeeld op het beantwoorden van medische kennisvragen, maar op het volledige proces van diagnostisch redeneren. Daarbij moet het systeem zelf bepalen welke informatie ontbreekt, welke onderzoeken zinvol zijn en wanneer voldoende zekerheid bestaat om een diagnose te stellen.

AI kent beperkingen bij symptomen

De positieve resultaten staan tegenover een onderzoek  van Binghamton University, waarover wij vorig jaar in oktober berichtten. Onderzoekers onder leiding van Ahmed Abdeen Hamed onderzochten hoe goed ChatGPT medische informatie kon interpreteren. Bij het herkennen van medische termen, geneesmiddelen en genetische informatie behaalde de chatbot een nauwkeurigheid tussen 88 en 97 procent.

Zodra het systeem echter klachten en symptomen moest interpreteren, namen de prestaties af. Vooral bij vage of alledaagse beschrijvingen van gezondheidsproblemen bleek het moeilijk om de juiste verbanden te leggen. De onderzoekers waarschuwden bovendien dat AI-chatbots onjuiste antwoorden met grote overtuiging kunnen presenteren, waardoor gebruikers de betrouwbaarheid moeilijk kunnen beoordelen.

De verschillen tussen beide onderzoeken zijn aanzienlijk, maar niet noodzakelijk tegenstrijdig. Het onderzoek van Binghamton richtte zich op een algemene chatbot, terwijl Microsoft een gespecialiseerd systeem ontwikkelde dat diagnostische stappen structureert en voortdurend aanvullende informatie verzamelt. Ook de onderzoeksmethoden en beoordelingscriteria verschilden. De resultaten kunnen daarom niet rechtstreeks worden vergeleken.

Nog geen bewijs

Ondanks de hoge scores benadrukken de Microsoft-onderzoekers dat hun bevindingen geen bewijs vormen dat AI in de klinische praktijk beter diagnosticeert dan artsen. De testen vonden plaats in een gecontroleerde, tekstgebaseerde omgeving. Daarbij ontbraken belangrijke onderdelen van de dagelijkse patiëntenzorg, zoals lichamelijk onderzoek, persoonlijk contact en de onzekerheden die ontstaan wanneer patiënten hun klachten onvolledig beschrijven. Bovendien werd MAI-DxO vergeleken met individuele generalistische artsen, niet met medisch specialisten of multidisciplinaire behandelteams.

Ook is nog niet onderzocht of samenwerking tussen artsen en het AI-systeem daadwerkelijk leidt tot betere diagnoses, veiligere behandelingen of gunstigere patiëntuitkomsten. De onderzoekers zien daarom vooral mogelijkheden voor aanvullende diagnostische ondersteuning en medische opleidingen.

De resultaten benadrukken dat de waarde van AI sterk afhankelijk is van de toepassing en de omstandigheden waarin deze wordt gebruikt. Waar algemene chatbots moeite kunnen hebben met complexe symptoominterpretatie, laten gespecialiseerde AI-systemen zien dat gestructureerd diagnostisch redeneren veelbelovend is. De volgende stap is aantonen dat deze prestaties ook onder realistische omstandigheden behouden blijven en daadwerkelijk bijdragen aan betere patiëntenzorg.