微软AI诊断系统准确率83%碾压医生，冲刺”医学超级智能
AI诊断复杂病例，准确率是医生的两倍以上
《科学》杂志于近日发表了一项研究成果：微软开发的AI诊断系统在模拟测试中，对复杂医疗病例的正确诊断率达到了83%，而普通全科医生和内科医师仅36%，前者表现远超后者。微软AI负责人穆斯塔法·苏莱曼将这一成果视为迈向”医学超级智能”的重要一步。
MAI-DxO：一群AI智能体组成的”虚拟会诊团队”
该系统代号为MAI-DxO（简称DxO），其核心机制是协调多个AI智能体协同工作，模拟多位医生组成会诊团队的流程——包括向患者提问、开具检查指令以及就诊断结果展开辩论。
这项研究的数据值得注意：测试所用的复杂病例均来自《新英格兰医学杂志》，而现实中这类病例通常由专科医生或医疗团队负责处理，并非普通全科医生独立应对的场景。
为何AI诊断能大幅领先？
- 底层模型的实力是核心：研究数据显示，诊断准确率的提升主要归功于更强大的基础AI模型，DxO的编排系统则在此基础上进一步叠加了增益效果。
- 多模型联合测试：微软在测试中综合运用了来自OpenAI、Google、Anthropic、Meta和DeepSeek等多家公司的模型，但最终取得最佳成绩的是OpenAI的GPT-5和GPT-5.5。
不同模型组合下的成本与准确率权衡
GPT-5的表现
单独使用GPT-5配合基础提示词时，其在复杂病例上的准确率达到78.9%，每例成本约8400美元。引入DxO编排后，成本降低了约3000美元，但准确率仅提升约4个百分点。在急诊科室场景下，准确率与成本均未出现明显改善。
GPT-5.5的突破
GPT-5.5于2026年4月发布后，DxO的效果显著：复杂病例的诊断准确率从72%跃升至近87%，且成本略有下降。然而，这一优势在急诊病例上同样未见体现，两种模式得分均约为85%，成本相近。
低成本模型的潜力释放
DxO对较为薄弱的模型提升最为明显。以Gemini 2.5 Flash为例，单独使用时准确率为46.4%，加入DxO后提升至近69%。但研究者同时指出，弱模型与强模型之间的差距，始终大于DxO所能带来的增幅。
微软加入AI医学诊断的”军备竞赛”
随着研究结果的发布，微软正式加入谷歌和OpenAI的行列，共同宣称其AI系统在医学诊断任务上能够匹配甚至超越人类医生的水平。
微软AI医疗副总裁多米尼克·金表示：”这里确实有令人振奋的东西。当前医疗行业面临的最大挑战，是医疗专业人才的供需缺口日益扩大。”
研究团队的未来展望
微软研究人员指出，随着AI模型不断逼近理论上限，准确率的提升空间自然会收窄。DxO编排系统的价值更多体现在同时优化准确性和成本的综合能力上。苏莱曼透露，微软正与梅奥诊所展开合作，推进相关研究工作。
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！