微软 MAI-DxO 在复杂病例模拟中准确率达 83%，但成本优化与通用模型增益有限

微软发布发表于 Science 的研究显示，其多智能体诊断系统 MAI-DxO（DxO）在《新英格兰医学杂志》提供的复杂病例模拟中达到 83% 准确率，显著高于单独使用参考材料的初级医生和内科医生的 36%。该系统通过协调多个 AI 代理模拟医生会诊流程，旨在实现“医疗超级智能”。尽管 Microsoft 宣称这是迈向医疗超级智能的一步，且 Suleyman 预测 2027 年病历记录将出现编码风格突破，但研究数据揭示了更复杂的现实：DxO 的增益高度依赖底层模型能力。

核心证据在于不同模型的基准表现差异。当使用 OpenAI 的 GPT-5 时，DxO 将准确率从 78.9% 提升至约 83%，但成本从每例 8400 美元降至约 5400 美元；而在 GPT-5.5（2026 年 4 月发布）上，DxO 将准确率从 72% 提升至近 87%，成本略有下降。相比之下，对于能力较弱的模型如 Gemini 2.5 Flash，DxO 将其准确率从 46.4% 大幅提升至近 69%。这表明 DxO 的编排价值主要体现在辅助非顶级模型或处理极端复杂病例，而非在所有场景下都能带来线性增长。此外，在急诊科病例上，无论是否使用 DxO，GPT-5 和 GPT-5.5 的表现均无显著差异，准确率稳定在 85% 左右。

推断与猜测方面，Suleyman 提到的与梅奥诊所合作训练基础模型以及未来与 Beth Israel Deaconess Medical Center 进行的真实世界评估，暗示微软正试图构建闭环飞轮以迭代模型。然而，当前数据表明，单纯依靠编排系统（类似 MCP/工具调用的逻辑）无法完全弥补底层模型能力的差距，尤其是在高难度任务上。行业趋势显示，医疗 AI 的竞争焦点正从单一任务 benchmarking 转向临床决策支持的深度整合，但单位经济模型（成本 vs 准确率）仍需进一步验证，特别是在大规模部署场景下。事实层面，DxO 确实在特定条件下提升了准确率，但并非万能药；推断层面，其商业成功取决于能否在成本可控的前提下持续缩小与人类专家的差距；猜测层面，2027 年的“编码风格突破”可能更多体现在自动化程度而非绝对准确性上。