微软发布医疗系统 MAI-DxO：复杂病例确诊率 85%，远超人类医生

去医院看疑难杂症，最折磨人的往往不是排队，而是医生查不出病因，只能让你把抽血、CT、核磁挨个做一遍，既花钱又受罪。

微软 AI 团队最近拿出了一套新系统，试图在这个领域超过人类专家。他们公布的医疗诊断协调系统 MAI-DxO，在面对 304 个顶尖医学期刊的极端复杂病例时，把诊断准确率拉到了 85.5%，不仅是人类资深医生的四倍多，连开检查的花费都比医生更低。

微软 CEO 穆斯塔法·苏莱曼直接把这项研究称为「迈向医疗超级智能的重要一步」。

告别只会做选择题的「纸上名医」

过去几年，大模型在医疗圈刷榜刷得很凶，动不动就在美国执业医师资格考试（USMLE）拿到接近满分的成绩。

但问题在于，那些考试本质上都是单项选择题，考的是模型的记忆容量，而不是真实的行医能力。真实看病是一个逐步推进的过程，医生要先听主诉，再决定问什么问题、开什么化验，并根据化验结果随时调整判断。

为了测出真实水平，微软搞了一个名为 SD Bench 的序贯诊断基准。测试题来自《新英格兰医学杂志》麻省总医院的 304 个经典病例，这些全都是现实中最烧脑、最考验水平的罕见疑难杂症。

他们找来 21 位在美英执业 5 到 20 年的资深医生做对照，在不查书、不找同事商量、不用 AI 的情况下，人类医生在这批极端难题上的平均确诊率只有 20%。

给 AI 组一个虚拟专家会诊团

单靠某一个底座大模型去诊断，往往会遇到盲区，或者为了追求稳妥把所有能查的项目全开一遍。

微软的做法是开发了 MAI-DxO 协调器。它的核心逻辑是把多个模型组织起来，模拟一个多学科专家的虚拟会诊小组，分别负责提出假设、挑选检查项目、复核推理逻辑，还能设定预算上限。

当它配合 OpenAI 的推理模型 o3 使用时，确诊率直接飙到了 85.5%。更厉害的是在资源消耗上，AI 平均每例病例花费了 2397 美元的虚拟检查费，而人类医生的平均花费是 2963 美元。

而且这个系统不挑底座，测试中无论接入 GPT、Claude、Gemini、Llama 还是 DeepSeek，只要套上这套协调机制，诊断表现都出现明显提升。

为什么重要

对普通患者和基层医生来说，这种系统未来最大的价值绝不是替代医生，而是充当身边的全能专家后盾。普通全科医生受限于知识面，很难一眼看穿跨系统的罕见病，而 AI 可以把广度与深度结合起来，在医生拿不准时给出一个更省钱、更精准的排查路径。

从行业角度看，医疗开销占了美国 GDP 的将近两成，其中被认为有四分之一是无意义的过度检查与医疗浪费。微软这次把「开检查的花费」纳入考核维度，逼着行业思考如何用 AI 控费，这比单纯炫耀模型参数更有实际意义。

我们认为微软这一步走得非常清醒。它没有去碰那些容易被质疑的「端到端全自动诊断」，而是把重点放在了医生决策支持工具上。多 Agent 会诊加费用预算约束的设计，巧妙化解了 AI 容易无脑过度检查的隐患。

不过，目前的测试样本全是最极端的疑难杂症，在普通感冒发烧这类日常病上的泛化表现还需要验证。目前 SD Bench 和 MAI-DxO 还只是实验室阶段的研究原型，在真正走进医院门诊之前，还要通过漫长的临床双盲验证和监管审批。