La revista Science publicó el 22 de octubre el trabajo con el que Microsoft sostiene que su sistema DxO acierta el 83,2 % de los casos clínicos del New England Journal of Medicine, frente al 36,1 % de un grupo de médicos generalistas. En ingresos de urgencias, 80,3 % contra 46,8 %.
El paper es público, está revisado por pares y detalla cómo se midió. Y cuando se lee entero, la comparación resulta más interesante y más estrecha de lo que dice el titular.
A medias. El trabajo se recibió en Science el 4 de abril de 2026 y se aceptó el 10 de agosto, pero su primera versión la publicó Microsoft como preprint en junio de 2025: mismo título, los mismos quince autores, el mismo sistema y los mismos 304 casos del NEJM.
Lo nuevo de la versión publicada es sustancial. La revisión por pares. Un segundo conjunto de datos: 325 ingresos de urgencias de MIMIC-IV-ED, notas clínicas reales en lugar de casos didácticos. Una rama de comparación con médicos con acceso a buscadores y referencias, de donde sale el 36,1 %. Y el motor: el sistema corre sobre GPT-5, con la batería completa repetida en GPT-5.5 sin cambiar ni los prompts ni la orquestación.
