微软AI诊断超医生 复杂病例准确率两倍

微软的 AI 诊断系统在《科学》杂志周四发表的研究中，于模拟环境下诊断复杂病例的正确率超过全科医生的两倍。微软 AI 负责人穆斯塔法·苏莱曼称这一结果是迈向「医疗超级智能」的一步。

这套名为 MAI-DxO 的系统会协调多个 AI 智能体，让它们像会诊专家组那样运作：向患者提问、安排检查、辩论诊断。在以《新英格兰医学杂志》复杂病例为题库的模拟测试中，它答对了 83％；而使用参考资料单独作答的全科医生和内科医生，正确率只有 36％。需要说明的是，这类复杂病例通常由专科医生或医疗团队处理，而对照组里并没有他们。

随着这一结果发布，微软加入了谷歌和 OpenAI 的行列，宣称 AI 可以比肩甚至超越医生。微软 AI 健康副总裁多米尼克·金对 TechCrunch 表示：「当下医疗交付最大的挑战，是医疗专业能力供需之间不断扩大的错配。」

不过研究自身的数据显示，大部分提升其实来自更强大的底层模型，微软的编排系统是在其上再加成。微软用 OpenAI、谷歌、Anthropic、Meta 和 DeepSeek 的模型测试了 MAI-DxO，最佳结果来自 OpenAI 的 GPT-5 和 GPT-5.5。

微软还算了一笔成本账：GPT-5 配一段简单提示词单独作答，复杂病例正确率 78.9％，每例估算成本约 8400 美元；加上 DxO 之后省下约 3000 美元，正确率却只提高约 4 个百分点。在急诊病例上，两者无论准确率还是成本都几乎没有差别。

换成今年 4 月发布的 GPT-5.5，结果出现分化：复杂病例正确率从 72％ 提升到近 87％，成本还略降；但急诊病例上依然没有增益。弱模型受益最明显——Gemini 2.5 Flash 单独作答只有 46.4％，加上 DxO 后接近 69％，可强弱模型之间的差距仍大于 DxO 带来的提升。

苏莱曼透露，微软正与梅奥诊所合作训练一个医疗基础模型，计划明年发布。他相信到 2027 年，医疗领域将迎来类似编程领域的突破：AI 能对流式预测一份病历将如何展开，「对临床医生来说，这种预见力就是黄金」。