DxO : Microsoft prépare des essais hospitaliers pour son IA médicale

SSacha

D’après Brief IA, Microsoft prévoit d’évaluer DxO en milieu hospitalier avec le Beth Israel Deaconess Medical Center, mais aucun calendrier précis n’est annoncé. Le protocole décrit une interaction entre des patients consentants et le système, en parallèle des soins standards. Les recommandations de DxO seraient ensuite comparées à celles des médecins. Autrement dit, l’étude doit observer ce que produit le système dans un cadre de soins, sans que les soins habituels soient remplacés par l’outil. La comparaison porte sur les recommandations, et l’annonce ne précise pas encore l’étendue exacte de l’étude ni ses modalités détaillées. Microsoft espère que cette étape apportera des éléments utiles pour évaluer la possibilité d’un déploiement à plus grande échelle, mais ce résultat reste à établir. Il faut donc distinguer ce qui est prévu de ce qui a déjà été démontré : l’essai hospitalier est annoncé, mais ses résultats ne sont pas disponibles. Pour l’instant, il s’agit d’un projet d’évaluation clinique, pas d’une annonce de mise à disposition de DxO dans les hôpitaux.

SSacha

TechCrunch explique que DxO, également appelé MAI-DxO, coordonne plusieurs agents d’intelligence artificielle. Ces agents peuvent interroger le patient, demander des examens et confronter leurs diagnostics, un peu comme plusieurs spécialistes qui mettent en commun des pistes, sans que cette image signifie que le système reproduit une équipe médicale. Les agents s’appuient sur des modèles d’intelligence artificielle, et les résultats dépendent aussi de ces modèles. Dans une simulation consacrée à des cas complexes tirés du New England Journal of Medicine, MAI-DxO aurait obtenu le bon diagnostic dans 83 % des cas, contre 36 % pour des médecins généralistes et internistes qui travaillaient seuls avec des documents de référence. Ces chiffres décrivent une comparaison sur des cas préparés, et non le résultat d’un essai auprès de patients. Les résultats de l’étude ont été publiés dans la revue Science. L’intérêt mis en avant est celui des situations complexes, où les informations d’un dossier doivent être rapprochées pour proposer une hypothèse diagnostique. Mais une simulation ne reproduit pas nécessairement les échanges d’une consultation, l’évolution d’un patient ou toutes les informations dont dispose un médecin. Le passage annoncé à l’hôpital doit justement permettre d’évaluer le système dans un cadre clinique différent.

SSacha

Brief IA indique que DxO a aussi été évalué sur des cas issus des urgences du Beth Israel Deaconess Medical Center. Dans ces tests, le système aurait atteint environ 80 % de précision, contre environ 47 % en moyenne pour les médecins participants. Là encore, il s’agit de cas évalués, pas d’une mesure directe de la qualité des soins lors d’une prise en charge réelle. Microsoft envisage une étude hospitalière qui couvrirait les urgences et les soins urgents, et qui inclurait des interactions avec des patients consentants en parallèle des soins standards. Dominic King, vice-président de la santé chez Microsoft AI, estime que DxO est prêt pour une évaluation en conditions réelles et anticipe une étude de grande ampleur. Cette appréciation décrit la position d’un responsable de Microsoft, pas un résultat déjà établi par l’essai. Si l’étude a lieu comme prévu, elle pourrait examiner comment les recommandations du système se comportent dans des situations de soins concrètes, en comparaison avec celles des médecins. Les informations annoncées ne permettent pas encore de préciser le nombre de patients, la durée de l’évaluation ou les services qui y participeront. Elles ne précisent pas non plus si les médecins modifieront leurs décisions à partir des recommandations de DxO. Pour les patients, le protocole annoncé prévoit donc une évaluation en parallèle des soins habituels, et non le remplacement de leur prise en charge par l’intelligence artificielle.

SSacha

Les pourcentages correspondent à la précision obtenue dans les scénarios testés, et ils varient selon le modèle utilisé comme base et le type de cas. TechCrunch rapporte qu’avec GPT-5.5, l’orchestration de Microsoft aurait fait passer la précision sur des cas complexes de 72 % à près de 87 %. Pour des cas d’urgences, en revanche, elle n’aurait pas apporté de gain notable : les résultats étaient proches de 85 %, avec ou sans DxO. Ces écarts indiquent que l’apport de l’orchestrateur n’est pas identique dans toutes les situations. Les données de l’étude suggèrent que les modèles sous-jacents expliquent une grande partie des performances, tandis que l’organisation en plusieurs agents ajoute des gains variables. Microsoft a également examiné le coût estimé de fonctionnement de l’intelligence artificielle pour les cas évalués, et non le coût global d’une prise en charge à l’hôpital. Brief IA évoque un coût des diagnostics inférieur à celui des praticiens, mais cette estimation reste à confirmer en contexte clinique. Le coût d’exécution d’un système ne suffit pas à mesurer ce que coûterait son intégration dans un service, avec les ressources et le suivi nécessaires. Il ne permet pas non plus de conclure que l’usage de DxO réduirait les dépenses de santé. Enfin, trouver le diagnostic attendu dans un scénario ne démontre pas, à lui seul, que l’outil améliore les soins ou les résultats pour les patients.

SSacha

La comparaison sur les cas complexes oppose DxO à des généralistes et à des internistes qui travaillaient seuls, avec des ressources de référence. Or ces cas sont généralement pris en charge par des spécialistes ou des équipes médicales, qui ne figuraient pas dans cette comparaison. Les résultats ne permettent donc pas de dire que DxO serait supérieur à ces professionnels, ni qu’il ferait mieux qu’une équipe clinique. Les scénarios étudiés proviennent de comptes rendus de cas médicaux et de données de services d’urgence rassemblés dans un référentiel conçu par Microsoft. Cela permet de comparer les systèmes sur des exemples communs, mais ne garantit pas que ces exemples représentent toute la variété d’une consultation. Une situation réelle peut comporter des informations incomplètes, des symptômes qui évoluent et des décisions à prendre dans un contexte particulier. Les résultats ne démontrent pas que les recommandations de DxO conduisent à de meilleurs soins, avec moins d’erreurs ou de complications. Ils ne démontrent pas non plus que l’outil peut prendre en charge un patient sans intervention médicale. C’est une raison pour laquelle Microsoft prévoit une évaluation hospitalière : elle pourrait apporter des éléments sur le comportement du système en contexte clinique. Mais, tant que cette évaluation n’a pas été menée et ses résultats examinés, la supériorité annoncée reste limitée aux comparaisons réalisées sur les cas testés.

SSacha

Microsoft décrit comme objectif la capacité de systèmes médicaux à raisonner et à se coordonner sur l’ensemble du parcours de soins, au-delà de ce que peuvent faire les systèmes de santé humains de référence. C’est une ambition affichée par l’entreprise, et non une capacité que les simulations de DxO auraient déjà démontrée. Microsoft prévoit aussi de rendre open source SDBench, le référentiel de cas utilisé pour évaluer le système. Si cette ouverture se concrétise, d’autres équipes pourraient examiner ces cas et comparer leurs systèmes, même si les usages futurs du référentiel ne sont pas précisés. L’entreprise travaille par ailleurs avec la Mayo Clinic à l’entraînement d’un modèle de fondation destiné à la santé, dont la sortie est prévue l’année prochaine. Ce projet distinct témoigne des travaux de Microsoft dans le domaine médical, mais il ne valide pas les performances cliniques de DxO. Pour l’orchestrateur, les résultats disponibles sont prometteurs sur certains cas complexes, mais les performances changent selon les modèles et les scénarios. L’étape hospitalière annoncée doit permettre d’étudier plus directement les recommandations de DxO dans un cadre de soins, en parallèle des soins standards. Son calendrier et ses résultats restent inconnus, et Microsoft espère seulement que cette étude pourra éclairer la possibilité d’un déploiement plus large. Le point essentiel, c’est donc que les simulations donnent une première mesure sur des cas sélectionnés, tandis que l’utilité clinique et les conditions d’un éventuel déploiement restent à établir.