Diagnostic Orchestrator (DxO) es un sistema de inteligencia artificial de Microsoft que, según la compañía, diagnostica enfermedades a partir de información limitada del paciente con una precisión de hasta cuatro veces la de médicos generalistas en determinadas pruebas. A diferencia de otros algoritmos, no parte de informes completos: pregunta por los antecedentes, elige estudios de laboratorio y emite el diagnóstico cuando reúne evidencia suficiente. Los resultados provienen de un experimento controlado y los propios autores piden cautela. Este artículo resume qué es Diagnostic Orchestrator, qué midieron y qué lecciones deja a una empresa que usa IA.
Los datos provienen del reportaje de Fernanda González para WIRED en Español, publicado el 22 de octubre de 2026, que cita un artículo publicado en la revista Science. Este texto es informativo y no sustituye la valoración de un profesional de la salud.
Diagnostic Orchestrator: qué es y cómo razona
Una de las características más destacadas de DxO es que replica los procedimientos que los médicos emplean durante una consulta. La herramienta comienza su evaluación con datos limitados y, posteriormente, formula preguntas para conocer los antecedentes de la persona, determina qué pruebas de laboratorio necesita para explicar los síntomas y establece un diagnóstico cuando reúne evidencia suficiente. En un artículo publicado esta semana en Science, los desarrolladores sostienen que su propuesta no solo plantea una aplicación más precisa de la IA en la práctica médica, sino que también podría reducir las cargas económicas y psicoemocionales asociadas al diagnóstico al evitar pruebas y estudios innecesarios.
Cinco agentes de IA con funciones distintas
DxO se basa en GPT-5.5 de OpenAI y corresponde a un algoritmo de orquestación: organiza las tareas de razonamiento de un modelo subyacente para cumplir objetivos específicos. En la práctica emplea cinco agentes de IA, cada uno con una función: generar hipótesis, seleccionar pruebas, revisar críticamente los resultados, controlar los costos y verificar el diagnóstico final. Los autores no detallan el conjunto de datos exacto con el que se entrenó el sistema ni los procedimientos específicos de su capacitación.
SDBench: cómo se midió el desempeño
Los investigadores desarrollaron un indicador para evaluar el sistema, el Sequential Diagnosis Benchmark (SDBench), que convierte los casos clínicos en encuentros interactivos de varios pasos. Las evaluaciones de DxO se basan en 304 casos de conferencias clinicopatológicas publicados en The New England Journal of Medicine, seleccionados por su valor educativo y clínico, y en 325 encuentros de ingreso a urgencias procedentes de la base de datos MIMIC-IV de Estados Unidos, más cercanos al flujo cotidiano de los hospitales. Ambas bases incluyen enfermedades comunes y poco frecuentes y distintos grados de dificultad. Cada caso comienza con una breve descripción de los síntomas, y el sistema debe decidir qué información adicional necesita antes de concluir. La evaluación midió si el diagnóstico final era correcto y cuánto costaba el conjunto de pruebas solicitadas.
Resumen visual
Esta infografía resume los datos clave del estudio y sus límites.
Resultados: precisión y costo
En los casos complejos extraídos de The New England Journal of Medicine, DxO alcanzó una precisión de 83.2% cuando no tenía restricciones presupuestarias. Los médicos generalistas registraron un promedio de 36.1% cuando podían consultar materiales de referencia y de 22.3% cuando trabajaban sin ellos. En los escenarios de urgencias, la herramienta consiguió 80.3%, frente a 46.8% de los médicos. La nota subraya que estas cifras corresponden a las condiciones específicas del experimento y no demuestran, por sí solas, que el sistema pueda superar a los especialistas en cualquier entorno clínico.
Menos costo con poca pérdida de precisión
DxO también logró reducir el gasto estimado en pruebas médicas con una disminución relativamente pequeña de su precisión. En los casos complejos, con un presupuesto amplio alcanzó 83.2% de aciertos con un costo promedio de 5,431 dólares por caso. Al limitar el gasto a 1,303 dólares en promedio, su precisión bajó a 79.6%, una diferencia de apenas 3.6 puntos porcentuales, mientras que el costo se redujo aproximadamente 76%.
Las advertencias: una herramienta, no un sustituto
Los investigadores advierten que los resultados deben interpretarse con cautela porque el experimento se desarrolló en un entorno controlado que no reproduce toda la complejidad de la práctica clínica. Tampoco permite saber si el sistema mantendría el mismo desempeño al interactuar directamente con pacientes o al integrarse en los procedimientos habituales de un hospital. Aun así, consideran que DxO y SDBench podrían complementar el trabajo de los profesionales de la salud con nuevas formas de organizar y transparentar los procesos diagnósticos, optimizar recursos y reducir posibles sesgos, y que su utilidad deberá evaluarse en condiciones reales.
La investigación forma parte de una propuesta más amplia de Microsoft para desarrollar lo que llama superinteligencia médica: una IA capaz de superar el desempeño de los mejores sistemas sanitarios gestionados por humanos. En un artículo en BMJ Digital, la empresa reconoce que queda un largo camino y que mejorar la atención exige integrar las capacidades de la IA en las distintas etapas de la atención médica y aprovecharlas en colaboración con los profesionales.
Qué significa para tu empresa
Tu empresa probablemente no diagnostica enfermedades, pero el diseño de DxO deja cuatro lecciones para cualquier proyecto de IA, sea de una PyME o de una empresa mediana. Son recomendaciones de Infinitix y no conclusiones de la nota.
- Mide precisión y costo a la vez. El estudio no solo preguntó si el diagnóstico era correcto, sino cuánto costaba llegar a él. Haz lo mismo con tu automatización: calidad del resultado frente a tiempo, dinero y revisiones.
- Divide la tarea en agentes con funciones claras. DxO separa generar hipótesis, elegir pruebas, criticar, controlar costos y verificar. En procesos de ventas, compras o atención, un agente que verifique el trabajo de otro reduce errores.
- Haz que el sistema pida lo que le falta. DxO parte de datos incompletos y pregunta antes de concluir. Diseña tus agentes para solicitar la información faltante en lugar de adivinar.
- Valida en tu operación antes de confiar. Un buen resultado en un experimento controlado no garantiza el mismo desempeño en la práctica, como reconocen los autores. Prueba con una muestra de tus casos reales y deja la decisión final sensible a una persona.
Si te interesa por qué conviene que una persona verifique lo que produce la IA, lee nuestro análisis del estudio del MIT sobre IA en la ciencia.
Otro caso de IA en salud, con límites parecidos, lo analizamos en IA y esquizofrenia: cómo el habla podría adelantar el diagnóstico.
Para ver cómo se evalúa un sistema de IA antes de confiar en él, revisa nuestro análisis del informe de la OCDE sobre la IA gubernamental en México.
En Infinitix diseñamos agentes de IA y automatizaciones que se prueban con datos reales y mantienen supervisión humana. Conoce nuestros servicios de agentes de IA o cómo automatizar procesos con IA.
Lo que la nota no dice
La nota no detalla los datos de entrenamiento ni el procedimiento de capacitación de DxO, y no incluye una evaluación independiente de los resultados: las cifras son las que reportan Microsoft y los autores del estudio. Tampoco hay pruebas con pacientes reales ni dentro de un hospital, y el sistema no está disponible como herramienta clínica. Conviene tratar los resultados como una señal de avance en investigación y no como una recomendación de uso médico.
Preguntas frecuentes
¿Qué es Diagnostic Orchestrator (DxO)?
Es un sistema de IA de Microsoft, basado en GPT-5.5 de OpenAI, que replica los pasos de una consulta médica: parte de datos limitados, formula preguntas sobre los antecedentes, decide qué pruebas de laboratorio necesita y emite un diagnóstico cuando reúne evidencia suficiente.
¿Cómo funcionan sus cinco agentes de IA?
Cada agente se especializa en una función: generar hipótesis, seleccionar pruebas, revisar críticamente los resultados, controlar los costos y verificar el diagnóstico final. Juntos estructuran un proceso que busca reproducir las etapas del razonamiento clínico.
¿Qué precisión alcanzó en las pruebas?
En casos clínicos complejos publicados en The New England Journal of Medicine alcanzó 83.2% de precisión sin restricciones de presupuesto, frente a 36.1% de médicos generalistas con material de referencia y 22.3% sin él. En escenarios de urgencias logró 80.3% frente a 46.8% de los médicos.
¿Significa que la IA es mejor que los médicos?
No necesariamente. La nota aclara que las cifras corresponden a las condiciones específicas del experimento y no demuestran por sí solas que el sistema supere a los especialistas en cualquier entorno clínico. Los autores insisten en que es una herramienta de apoyo.
¿Cómo redujo el costo de las pruebas?
Con un presupuesto amplio alcanzó 83.2% de aciertos con un costo promedio de 5,431 dólares por caso. Al limitar el gasto a 1,303 dólares en promedio, la precisión bajó a 79.6%, es decir 3.6 puntos porcentuales, con un costo cerca de 76% menor.
¿Qué puede aprender una empresa de este estudio?
Que conviene medir la precisión y el costo a la vez, que dividir una tarea en agentes con funciones distintas (incluido uno que verifique) es un patrón útil y que un resultado en una prueba controlada debe validarse en la operación real. Es una recomendación nuestra, no una conclusión de la nota.
Conclusión
Diagnostic Orchestrator muestra cómo una IA puede organizar un razonamiento en pasos, con agentes que proponen, piden pruebas y verifican, y obtener buenos resultados en una prueba controlada con menos costo. También recuerda que ese resultado todavía no se ha probado con pacientes reales. Para tu empresa, la lección es medir calidad y costo, separar funciones entre agentes y validar con tus propios casos. Fuente: WIRED en Español.