Microsoft 发布 Diagnostic Orchestrator 并在 Science 期刊公布诊断准确率数据

Microsoft 在《Science》期刊发表研究，宣布其名为 Diagnostic Orchestrator 的 AI 工具在模拟诊断任务中表现优于人类医生。该系统基于 OpenAI 的 GPT-5 构建，利用多个 AI Agent 协同推理症状、病史并决定检查项目。在源自《新英格兰医学杂志》的案例测试中，系统准确率达到约 83%，而使用参考资料的一般医生为 36%，无参考资料的仅为 22%；在波士顿 Beth Israel Deaconess 医院的急诊案例中，系统准确率为 80%，人类医生平均为 47%。

研究细节显示，该成果依赖于 Microsoft 自建的 SDBench 基准，且明确排除了 GPT-6 Astra、Gemini 4 Argon 等最新模型参与对比。尽管系统由早期的 GPT-4.1 开发，但后续测试表明多 Agent 协作带来的收益并未因模型能力提升而减弱。作者强调，目前测试仅针对历史病例，尚未在真实临床环境中验证，需要进一步进行临床验证（clinical validation）。

事实层面，Microsoft 计划开源 SDBench 并与 Beth Israel Deaconess 医院合作开展实地测试，预计下月启动。推断层面，这标志着 Microsoft 从通用大模型向垂直领域“医疗超级智能”战略落地的关键一步，旨在通过降低诊断成本和提高准确率来重塑医疗服务流程。猜测层面，虽然 CEO Mustafa Suleyman 预测未来几年内将出现“与人类表现无异”的医疗超级智能，但商业化时间表和具体部署方式仍不明确，且需应对严格的医疗监管合规要求。