微软 AI 诊断系统登《科学》：复杂病例准确率 83%，是普通医生的两倍多

当地时间 10 月 22 日，微软公布了一套叫 MAI-DxO 的 AI 诊断系统，相关成果发表在《科学》期刊上。它没有去训练一个更大的医生模型，而是把多个 AI 智能体组织起来，模拟医院里的多学科会诊。

它是怎么「会诊」的

系统全名是 Microsoft AI Diagnostic Orchestrator，核心是一个调度器。它把任务拆给不同的智能体：有的负责追问病史，有的决定开哪些化验和影像检查，有的专门提出相反意见，还有的负责汇总证据、给出结论。几个智能体互相质疑、互相补充，最后收敛到一个诊断。

这套流程模仿的是真实的临床讨论。医生看疑难病例时，也是先各自判断，再在会诊里被同事挑毛病，最后形成共识。不同之处在于，AI 之间的讨论可以在几秒内完成很多轮。

两组测试数据

第一组用 MIMIC-IV-ED 数据集，覆盖美国急诊科常见就诊病例。结果显示，这套系统的诊断准确率是人类医生的 1.7 倍。

第二组更难，用的是《新英格兰医学杂志》刊登的复杂病例。系统准确率达到 83%，而能独立查阅参考资料的基层全科医生和普通内科医生只有 36%。

这里有个容易被忽略的细节。这类复杂病例在现实里通常交给专科医生或多学科团队处理，而本次对照实验并没有把专科医生纳进来。所以 83% 对 36% 这个差距，更像是有系统支持的普通医生，和没有系统支持的普通医生之间的差距。

成本和底层模型

微软称，系统完成一次诊断的花费只有医生的一半到三分之一，用到的检查也更少。研究还发现，能力提升主要来自底层基础模型的进步，编排架构是在这个基础上放大效果。

团队测了多家公司的模型，包括 OpenAI、谷歌、Anthropic、Meta 和 DeepSeek，其中表现最好的是 GPT-5 和 GPT-5.5。这也说明，这类系统的上限，很大程度上被底层模型卡着。

能马上进医院吗

不能。实验室里的准确率，和真实门诊是两回事。真实场景里有信息缺失，有病人说不清症状，有检查排不上队，还有责任归属的问题：如果系统建议错了，是医生担责还是厂商担责，目前没有统一答案。

更现实的落点是辅助分诊和第二意见。先让系统把可能性列全，再由医生判断哪些值得查。这样既省检查费，也减少漏诊，医生仍然握着最终决定权。至于让 AI 独立开处方，短期内看不到可能。

对患者来说，这项研究真正的意义不是「机器比医生强」，而是「机器能帮医生少走弯路」。把这句话读懂，比盯着 83% 这个数字更重要。

还有一个前提不能忽略：测试用的病例是有标准答案的，现实里的病人往往带着一堆说不清的症状走进诊室。系统能不能对付这种模糊，还得靠真实场景的数据来回答。