微软AI诊断系统登Science：复杂病例准确率超医生两倍

根据发表在《科学》（Science）期刊上的一项最新研究，微软医疗 AI 诊断系统在《新英格兰医学杂志》（NEJM）复杂病例模拟测试中，诊断准确率达到 83%。相比之下，查阅参考资料的全科医生准确率仅为 36%。

微软 AI 首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）称，这一成果是迈向“医疗超级智能”的重要一步。但他同时强调，该系统尚未在真实患者身上得到验证。“它仍需要临床验证，”他在接受采访时表示，“这是一次跨越，也是这段旅程中的重要里程碑。”

系统表现与技术细节

该系统名为 MAI-DxO，通过协调多个 AI 智能体模拟多学科医生会诊流程。智能体会分别负责询问患者、开具检查单并展开诊断辩论。在完全不借助参考资料的情况下，人类医生在相同病例上的准确率约为 22%。

在贝斯以色列女执事医疗中心（BIDMC）急诊病例的测试中，MAI-DxO 取得了 80% 的准确率，而医生平均准确率为 47%，且系统的预估诊断成本通常更低。

不过，该对比存在一定局限性：现实中这类疑难杂症通常由专科医生或专家团队接诊，而测试并未涵盖这些群体。

研究数据同时表明，整体性能的大幅提升在很大程度上来自底层基础模型的能力：

• 仅使用基础提示词运行 GPT-5，在复杂病例上的准确率即达 78.9%；
• 引入 MAI-DxO 多智能体编排后，准确率提升约 4 个百分点，并将单病例预估诊断成本减少约 3000 美元；
• 在急诊病例上，编排系统的增益相对有限；
• MAI-DxO 对较小模型的提升最为显著，谷歌 Gemini 2.5 Flash 的准确率从 46.4% 跃升至近 69%。

从预印本走向医院临床试验

微软于 2025 年 6 月在预印本论文中首次公布了 MAI-DxO 诊断系统。当时公布的数据显示，该系统基准测试准确率最高可达 85.5%，而 21 位不使用外部工具的医生准确率仅为 20%。

目前，微软计划开源其基准测试工具 SDBench。

下一步研究将在贝斯以色列女执事医疗中心落地。参与试验且知情同意的患者将同时接受常规诊疗并与 MAI-DxO 互动，研究人员将对比 AI 建议与人类医生的决策差异。微软 AI 医疗副总裁多米尼克·金（Dominic King）表示，这预计将是同类规模最大的研究，计划在未来数月内启动。目前微软尚未公布商业化时间表。

加速医疗健康布局

苏莱曼透露，微软正与梅奥诊所（Mayo Clinic）合作开发医疗专用的基础大模型，计划于明年发布。随着谷歌、OpenAI 等科技巨头纷纷展示其 AI 匹敌甚至超越人类医生的表现，医疗 AI 赛道竞争日趋激烈。苏莱曼表示：“在未来几年内，我们必须打造出绝对领先的最先进临床决策支持产品。”