微软发布AI诊断系统MAI-DxO准确率83%引关注

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。

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。