微软AI诊断系统在复杂病例上超越全科医生，但提升主要来自底层模型

微软AI首席执行官穆斯塔法·苏莱曼将这一结果称为迈向"医疗超级智能"的一步。MAI-DxO系统协调多个AI代理，模拟医生小组的工作方式：向患者提问、安排检查并讨论诊断。研究使用《新英格兰医学杂志》的复杂病例进行模拟，系统正确率达83%，而初级保健医生和全科内科医生在参考资料辅助下正确率仅为36%。不过，这类复杂病例通常由专科医生或医生团队处理，他们并未参与对比。

《科学》杂志的研究数据揭示，大部分准确率提升来自更强的底层模型。微软用多家公司的模型测试了MAI-DxO，包括OpenAI、谷歌、Anthropic、Meta和DeepSeek，最佳结果来自OpenAI的GPT-5和GPT-5.5。

• 单独使用GPT-5配合简短基础提示，复杂病例准确率78.9%，每例成本约8400美元；DxO将成本降低约3000美元，准确率仅提升约4个百分点，急诊病例几乎无改善。
• 使用2026年4月发布的GPT-5.5，DxO将复杂病例准确率从72%提升至近87%，成本略降；但急诊病例同样没有显著增益。
• DxO对较弱模型帮助更大：Gemini 2.5 Flash单独准确率46.4%，配合DxO提升至近69%；但强弱模型间的差距仍大于DxO带来的提升。

微软研究人员表示，模型接近理论极限时准确率增益自然缩小。微软还与波士顿贝斯以色列女执事医疗中心合作，评估DxO在不同医院环境中的临床推理能力。患者接受标准治疗的同时，同意的患者可额外使用DxO，研究将对比其建议与人类医生的决策。苏莱曼称公司正与梅奥诊所合作训练医疗基础模型，计划明年发布。他预测2027年医疗记录领域将出现"编码式突破"，能流式生成高度准确的病历预测。