微软 MAI-DxO 医疗诊断系统研究登《科学》：复杂病例模拟准确率达 83%

据 IT之家 10 月 23 日报道，微软于当地时间 10 月 22 日公布了 AI 医疗诊断系统 MAI-DxO 的研究进展，相关成果已发表于《科学》期刊。微软表示，在基于 MIMIC-IV-ED 数据集、面向美国急诊科常见就诊病例的评估中，该系统诊断准确率达到人类医生的 1.7 倍；在另一项基于《新英格兰医学杂志》（NEJM）复杂病例的模拟评估中，其准确率达到 83%。这些结果展示了多智能体系统在医疗推理中的潜力，但不能直接等同于真实临床中的诊疗表现。

从单次问答转向多智能体“会诊”

MAI-DxO 的全称为 Microsoft AI Diagnostic Orchestrator，简称 DxO。它的核心思路不是让一个模型直接给出病名，而是统一编排多个 AI 智能体，模拟医生专家联合会诊：不同智能体协同问诊、提出化验检查需求，并围绕可能的诊断进行分析和辩论。

从 AI 工具发展的角度看，这是一种将模型能力组织成工作流程的尝试。医疗诊断不仅涉及知识检索，还涉及信息收集、假设比较和检查选择。微软试图用多智能体编排串联这些环节，让系统在逐步补充证据的过程中缩小诊断范围。

• 急诊常见病例评估：基于 MIMIC-IV-ED 数据集，微软称系统准确率为人类医生的 1.7 倍。
• 复杂病例模拟评估：基于 NEJM 病例，系统准确率为 83%，参与对照的医生为 36%。
• 成本与检查需求：微软称系统所需成本约为医生的一半甚至三分之一，并能减少化验和诊疗操作。

83% 的成绩，应放在怎样的对照条件下理解？

复杂病例评估中的医生对照组，是可独立查阅参考资料的基层全科医生及普通内科医生。来源同时指出，这类病例在现实临床中通常会交由专科专家或多学科团队处理，而这些专科医生并未被纳入此次对照实验。因此，83% 对 36% 不代表系统已全面超越专科医疗团队，更不能将两项不同病例评估的结论混为一谈。

成本方面也需要区分评估结果与实际部署。微软给出的优势指向诊断过程中的检查和诊疗资源使用，并不意味着医院上线系统后的总体成本必然按同样比例下降。真实应用还需要考虑系统接入、医生复核以及医疗责任等问题；现有来源并未提供这些环节的验证结果。

产业解读：基础模型与编排架构共同决定上限

研究自身的数据还显示，MAI-DxO 的诊断能力提升，很大程度上来自底层基础 AI 模型的增强，微软的编排架构则进一步放大了性能增益。据报道，微软测试了 OpenAI、谷歌、Anthropic、Meta 和 DeepSeek 等机构的模型，其中表现最突出的包括 GPT-5 与 GPT-5.5。

这意味着，医疗智能体的竞争不能只看流程设计，也不能只看单个模型的答题能力，更应关注两者结合后能否稳定完成任务。对中文读者而言，这项研究的重要观察点，是 AI 正从回答医学问题走向组织诊断流程；其临床价值仍需通过更贴近真实医疗协作的对照与验证来判断。