微軟診斷AI疑難病例準確率83%，兩倍於全科醫生

微軟診斷AI疑難病例準確率83%，兩倍於全科醫生

微軟新系統模擬問診連贏醫生兩局

微軟的人工智能診斷系統在一項模擬診斷測試中大幅超過全科醫生。研究顯示，這套名爲MAI-DxO的系統對疑難病例的診斷準確率達到83.2%，而參與對比的醫生只有36.1%；在急診病例上，AI爲80.3%，醫生爲46.8%。相關論文已於2026年10月22日發表在《科學》雜誌上，並經過同行評議。

不是選擇題，AI要像醫生一樣問診

以往的醫療AI評測多用現成的選擇題，AI開局就拿到全部病歷信息。這次微軟引入了新的評測基準SDBench：AI開局只拿到一句話的主訴，必須自己追問病史、決定開什麼檢查，再一步步收斂到診斷。微軟AI健康部門副總裁多米尼克·金對路透社表示，這纔是醫生真實的工作方式。微軟稱，SDBench與配套的裁判、成本覈算代碼將開源。

五個虛擬醫生開會，互相挑錯

MAI-DxO本身不是一個大模型，而是一個調度層：它組織多個AI智能體扮演虛擬醫生小組，分別提出診斷、挑選問題和檢查，再互相質疑對方的結論。微軟用OpenAI、谷歌、Anthropic、Meta和DeepSeek等多家模型都測過，最好成績來自OpenAI的GPT-5和GPT-5.5。數據顯示，AI在下第一個檢查單前平均追問25.5個問題，醫生平均只問5.6個。

通往醫學超級智能的一步

微軟AI首席執行官穆斯塔法·蘇萊曼稱，這是通往“醫學超級智能”的一步，並對The Verge表示，未來幾年要做到與人類表現難分高下。微軟官方博客寫道，SDBench測的是逐步推理能力，MAI-DxO是該基準上的領先系統。公司計劃與波士頓的貝斯以色列女執事醫療中心合作，在急診候診分診場景中做前瞻性研究。

省錢版同樣贏醫生，費用不到三分之一

論文還比較了診斷成本。無預算限制的MAI-DxO單病例估計費用爲5431美元，醫生組爲4725美元；但省錢配置下，AI以1303美元做到79.6%準確率，高於醫生的36.1%，費用不到醫生的三分之一。另一箇中間配置爲2241美元、80.9%。調度層給基座模型帶來的平均提升爲疑難病例7.9個百分點、急診病例4.4個百分點。

全科醫生迎來強力助手

這項結果首先影響的是全科和急診一線的診斷工作：AI擅長在信息不全時系統性追問、少漏檢查。但研究測的是文本模擬，不是真實接診，論文明確寫的是基準成績而非臨牀結局。此前也有研究顯示通用聊天機器人在真實診斷流程中表現不佳，模擬成功不等於進醫院就管用。

進急診室接受真實考驗

下一步是走出模擬：微軟與貝斯以色列女執事醫療中心的合作將讓系統與患者直接對話、參與急診分診，在真實環境中驗證效果。SDBench開源後，其他團隊也可以用同一把尺子比較自家模型。AI能否把模擬裏的兩倍優勢帶進診室，要看前瞻性試驗的結果。