Angka akurasi tinggi, tetapi konteksnya penting
MAI-DxO adalah sistem kecerdasan buatan Microsoft yang mengoordinasikan beberapa model AI untuk mengajukan pertanyaan, mempertimbangkan pemeriksaan, dan menyusun kemungkinan diagnosis secara bertahap pada kasus medis yang rumit. Hasil yang diterbitkan dalam jurnal Science membuat AI diagnosis Microsoft sulit diabaikan: akurasi MAI-DxO mencapai 83,2 persen pada 304 kasus kompleks dari The New England Journal of Medicine. Dalam pengujian yang sama, dokter umum dengan akses ke referensi medis mencapai 36,1 persen, sementara dokter tanpa referensi memperoleh 22 persen. Keunggulan itu besar, tetapi bukan bukti bahwa AI sudah lebih baik dalam merawat pasien. Pengujian mengukur ketepatan jawaban atas kasus terdokumentasi, bukan hasil pemeriksaan, keputusan pengobatan, atau pemulihan pasien. Karena itu, angka 83,2 persen layak dibaca sebagai sinyal kuat tentang kemampuan penalaran sistem—bukan tiket untuk menggantikan dokter.
Ujian tertulis berbeda dari praktik klinis
MAI-DxO meniru alur kerja tim medis: sistem mengumpulkan informasi lanjutan, memilih tes yang dinilai relevan, lalu mempersempit dugaan penyakit. Dalam 325 kasus terkait pasien unit gawat darurat, sistem mencatat akurasi 80,3 persen, dibandingkan 46,8 persen untuk dokter pembanding. Hasil tersebut memperkuat alasan untuk menguji diagnosis penyakit AI sebagai alat bantu, tetapi perbandingannya tetap memiliki batas. Dokter dalam pengujian bekerja sendiri, bukan sebagai tim spesialis yang dapat dimintai pendapat saat kasus sulit. Selain itu, berkas kasus yang sudah tersusun rapi tidak sama dengan pasien yang datang dengan riwayat tak lengkap, gejala yang berubah, atau kebutuhan penanganan segera. Dalam situasi nyata, ketepatan diagnosis saja tidak cukup: sistem juga harus aman, konsisten, dan membantu keputusan klinis tanpa menunda perawatan. Bukti itu belum tersedia.
Angka tambahan juga perlu dibaca dengan teliti. Pada pengujian kasus kompleks menggunakan GPT-5.5, akurasi naik dari 72 persen tanpa koordinasi MAI-DxO menjadi hampir 87 persen dengan koordinasi tersebut. Namun, angka ini berasal dari pengujian tersendiri, bukan hasil utama 83,2 persen, dan manfaat koordinasi tidak sama pada semua jenis kasus. Ini menunjukkan bahwa performa AI medis Microsoft bergantung pada model yang digunakan serta karakter kasus, sehingga satu angka tidak bisa dijadikan jaminan umum.
Penghematan masih berupa perkiraan
Daya tarik MAI-DxO bukan hanya akurasi, melainkan kemungkinan mengurangi pemeriksaan yang tidak perlu. Peneliti memperkirakan beberapa konfigurasi dapat menekan biaya prosedur hingga setengah atau sepertiga dibandingkan pembanding, melalui simulasi kasus. Potensi itu penting, sebab pemeriksaan yang lebih terarah dapat mengurangi beban bagi pasien dan layanan kesehatan. Namun, estimasi biaya bukan hasil klinis yang sudah teruji. Belum ada bukti bahwa rumah sakit yang memakai sistem ini benar-benar akan mengeluarkan biaya lebih rendah, atau bahwa pengurangan tes tidak menimbulkan risiko melewatkan kondisi penting. Klaim penghematan karenanya harus dipisahkan dari manfaat bagi pasien: keduanya memerlukan pengukuran langsung, bukan hanya perhitungan pada kumpulan kasus.
Langkah berikutnya adalah evaluasi bersama Beth Israel Deaconess Medical Center di Boston, dalam konteks gawat darurat dan perawatan mendesak. Rencana uji klinis langsung di rumah sakit akan membandingkan rekomendasi AI dengan penilaian dokter, sementara pasien tetap menerima pelayanan medis standar. Bagi masyarakat, hasil studi sekarang belum mengubah cara memperoleh diagnosis atau menjadi alasan untuk mengandalkan chatbot ketika sakit. Nilai praktisnya baru akan terlihat jika pengujian menunjukkan sistem aman, dapat diandalkan, dan benar-benar mendukung keputusan tenaga medis pada pasien dengan kondisi beragam.
Alat bantu yang menjanjikan, bukan pengganti dokter
MAI-DxO mencatat hasil yang mengesankan dalam studi kasus kompleks dan pantas mendapat evaluasi serius. Namun, lompatan dari akurasi pada berkas medis ke keberhasilan merawat pasien tidak bisa diasumsikan. Dokter harus menimbang kondisi nyata, keselamatan, pemeriksaan, dan langkah penanganan; sistem AI belum membuktikan bahwa ia dapat menjalankan seluruh tanggung jawab tersebut dengan aman. Pengujian rumah sakit menjadi penentu apakah keunggulan yang terlihat di laboratorium bertahan dalam pelayanan sehari-hari. Sampai hasil itu tersedia, kesimpulan yang masuk akal bukan bahwa AI telah mengalahkan dokter, melainkan bahwa teknologi ini mungkin menjadi pendamping yang berguna jika manfaat klinisnya terbukti.
