微软宣布，其医疗人工智能系统“微软AI诊断协调器”（MAI-DxO）在诊断疑难病例方面的准确率超过执业医生的两倍。相关研究成果已于周四发表在同行评审期刊《科学》杂志上。
此前，这项题为《使用语言模型进行顺序诊断》的研究曾以预印本形式发布于arXiv。此次在《科学》杂志的正式发表，标志着该发现通过了严格的学术验证。不过，微软首席人工智能官穆斯塔法·苏莱曼指出，任何实际部署仍需经过临床测试。微软人工智能健康负责人多米尼克·金博士透露，公司计划在未来几个月内，于马萨诸塞州波士顿的贝斯以色列女执事医疗中心启动相关测试。
准确率显著优于全科医生
在《新英格兰医学杂志》发布的复杂病例测试中，DxO的诊断准确率达到83.2%，而拥有参考材料的全科医生仅为36.1%。若禁止医生使用参考资源，其准确率降至约22%，这意味着DxO的准确率接近医生的四倍。在另一项针对急诊科患者的测试中，DxO同样胜出，准确率为80.3%，高于全科医生的46.8%。
研究显示，该系统在使用OpenAI的GPT-5模型时表现最强，额外测试显示使用GPT-5.5亦有改进。微软表示，DxO能以一半甚至三分之一的成本实现更准确的诊断，通过减少不必要的检测和治疗项目来优化流程。但研究人员也承认，这些节省基于模拟案例的估算成本，且若与专家专科医生而非全科医生对比，“预计性能差距会缩小”。
模拟医师小组顺序诊断
DxO的核心创新在于其“顺序工作”模式。与传统AI一次性处理所有症状不同，DxO从主要主诉入手，动态决定后续提问及检查项目，更贴近真实诊疗逻辑。论文指出，以往基准测试未能有效评估大语言模型的这一能力，因此研究团队提出了新的“顺序诊断基准”（SDBench）。
该系统模拟了一个医师小组，为不同的AI代理分配提出诊断、选择测试、挑战假设和权衡成本等角色。这种方法旨在对抗医生常见的认知偏见，如固着于初始诊断或忽视其他可能性。
AI定位为辅助而非替代
近期，包括哈佛大学和贝斯以色列女执事医疗中心在内的多项研究均显示，AI在特定诊断场景下表现优异。例如，今年早些时候的研究发现，OpenAI的o1-preview推理模型在急诊分诊中优于医生。
尽管数据亮眼，医学专家强调，AI应定位为医疗专业人士的助手，而非替代品。即使DxO在临床试验中表现良好，其广泛采用仍面临责任归属等法律难题。此外，2025年的一项研究警示，依赖AI识别结肠镜癌症风险的医生，在技术撤除后的表现反而不如从前，凸显了对人类医生独立判断能力潜在削弱的风险。