微软AI诊断系统在模拟疑难病例中准确率83%，对照全科医生为36%
微软AI CEO Mustafa Suleyman称这是迈向“医疗超级智能”的一步。研究发表在《Science》，病例来自《新英格兰医学杂志》，对照的是单独工作的全科医生和普通内科医生，未纳入专科医生或医生团队。
AI解读：微软的AI诊断系统MAI-DxO在模拟疑难病例中诊断正确率为83%，作为对照的全科医生和普通内科医生正确率为36%。该结果来自发表在《Science》上的研究，病例取自《新英格兰医学杂志》的复杂病例，属于模拟而非真实临床环境。
研究数据表明，准确率提升主要来自底层AI模型本身，微软的调度系统在此基础上带来额外增益。DxO的最佳成绩使用OpenAI的GPT-5和GPT-5.5取得，测试还覆盖了Google、Anthropic、Meta和DeepSeek的模型。
DxO对疑难病例和较弱模型的帮助更明显，对急诊科病例则几乎没有提升。《TechCrunch》的报道指出，这类复杂病例通常由专科医生或医生团队处理，而后者未参与本次对照。
微软正与Mayo Clinic合作训练医疗基础模型，计划明年发布；同时与波士顿贝斯以色列女执事医疗中心合作，在真实医院环境中评估DxO的临床推理能力。
微软的AI诊断系统MAI-DxO在一项模拟研究中，对复杂病例的诊断正确率为83%，而单独工作的全科医生和普通内科医生为36%。该研究于周四发表在《Science》上。
微软AI CEO Mustafa Suleyman称这一结果朝着“医疗超级智能”迈进了一步。微软对医疗超级智能的定义是：在覆盖完整照护过程的医疗推理与协调上，超越当代最强的人类主导卫生系统。
测试方法与对照范围
MAI-DxO（简称DxO）协调多个AI代理，像一组医生那样工作：询问患者、开具检查、就诊断进行辩论。研究使用《新英格兰医学杂志》中的复杂病例进行模拟。
作为对照的是一组单独工作的全科医生和普通内科医生，他们可以使用参考资料。研究论文同时注明，这类复杂病例通常由专科医生或医生团队处理，而这些专科医生和医生团队没有参与本次对照。
微软AI健康部门副总裁Dominic King对TechCrunch表示：“这里有一些非常实质且令人兴奋的东西。当前医疗服务交付的最大挑战，是医疗专业知识的供需错配日益扩大。”
提升来自模型还是调度系统
研究数据显示，准确率提升的很大一部分来自底层AI模型本身，微软的调度系统在此基础上叠加了额外增益。
在无预算约束下，仅用简短基础提示时，GPT-5在复杂病例上的得分为78.9%，每例成本约8400美元。DxO将成本降低约3000美元，但准确率仅提升约四个百分点。在急诊科病例上，GPT-5单独使用与配合DxO在准确率和成本上都没有明显差别。
使用2026年4月发布的GPT-5.5时，结果出现分化：在复杂病例上，DxO将准确率从72%提升至接近87%，成本略低；在急诊科病例上，两者得分均约为85%，成本相近。
对能力较弱的模型，DxO的提升更明显。例如Gemini 2.5 Flash单独得分为46.4%，配合DxO后接近69%。但研究同时显示，弱模型与强模型之间的差距，大于DxO带来的提升幅度。
微软研究人员表示，当模型接近理论最大值时，准确率增益自然会缩小。微软发言人称，DxO的调度有助于同时优化准确率和成本这一更广泛的挑战。
下一步：真实医院评估与医疗基础模型
Suleyman对TechCrunch表示，微软正与Mayo Clinic合作训练一个医疗基础模型，计划于明年发布。他认为该模型将使公司能够“在这里实现真正巨大的飞跃”，并将DxO视为微软为医疗领域突破所构建的基础设施的一部分。
他说：“我真的相信，2027年我们将处于医疗记录领域类似编程式突破的边缘。我们将能够对医疗记录可能如何演变做出高度准确的流式预测，显然这种对临床医生的预见是无价之宝。”
通过与新伙伴波士顿贝斯以色列女执事医疗中心合作，微软将在不同医院环境中评估DxO的临床推理能力。King描述研究方式：患者接受标准治疗，包括分诊、专科医生问诊、治疗、检查以及是否可安全出院的决定；与此同时，知情同意的患者也会与DxO交互，微软与合作伙伴将比较DxO建议与人类医生的判断。
King称：“我们认为这将是同类研究中规模最大的。它将不仅覆盖急诊环境，还覆盖紧急护理环境，并将在研究期结束时，为这些系统未来能否更大规模部署提供非常有说服力的证据。”