微軟釋出醫療系統 MAI-DxO：複雜病例確診率 85%，遠超人類醫生

去醫院看疑難雜症，最折磨人的往往不是排隊，而是醫生查不出病因，只能讓你把抽血、CT、核磁挨個做一遍，既花錢又受罪。

微軟 AI 團隊最近拿出了一套新系統，試圖在這個領域超過人類專家。他們公佈的醫療診斷協調系統 MAI-DxO，在面對 304 個頂尖醫學期刊的極端複雜病例時，把診斷準確率拉到了 85.5%，不僅是人類資深醫生的四倍多，連開檢查的花費都比醫生更低。

微軟 CEO 穆斯塔法·蘇萊曼直接把這項研究稱為「邁向醫療超級智慧的重要一步」。

告別只會做選擇題的「紙上名醫」

過去幾年，大模型在醫療圈刷榜刷得很兇，動不動就在美國執業醫師資格考試（USMLE）拿到接近滿分的成績。

但問題在於，那些考試本質上都是單項選擇題，考的是模型的記憶容量，而不是真實的行醫能力。真實看病是一個逐步推進的過程，醫生要先聽主訴，再決定問什麼問題、開什麼化驗，並根據化驗結果隨時調整判斷。

為了測出真實水平，微軟搞了一個名為 SD Bench 的序貫診斷基準。測試題來自《新英格蘭醫學雜誌》麻省總醫院的 304 個經典病例，這些全都是現實中最燒腦、最考驗水平的罕見疑難雜症。

他們找來 21 位在美英執業 5 到 20 年的資深醫生做對照，在不查書、不找同事商量、不用 AI 的情況下，人類醫生在這批極端難題上的平均確診率只有 20%。

給 AI 組一個虛擬專家會診團

單靠某一個底座大模型去診斷，往往會遇到盲區，或者為了追求穩妥把所有能查的專案全開一遍。

微軟的做法是開發了 MAI-DxO 協調器。它的核心邏輯是把多個模型組織起來，模擬一個多學科專家的虛擬會診小組，分別負責提出假設、挑選檢查專案、複核推理邏輯，還能設定預算上限。

當它配合 OpenAI 的推理模型 o3 使用時，確診率直接飆到了 85.5%。更厲害的是在資源消耗上，AI 平均每例病例花費了 2397 美元的虛擬檢查費，而人類醫生的平均花費是 2963 美元。

而且這個系統不挑底座，測試中無論接入 GPT、Claude、Gemini、Llama 還是 DeepSeek，只要套上這套協調機制，診斷表現都出現明顯提升。

為什麼重要

對普通患者和基層醫生來說，這種系統未來最大的價值絕不是替代醫生，而是充當身邊的全能專家後盾。普通全科醫生受限於知識面，很難一眼看穿跨系統的罕見病，而 AI 可以把廣度與深度結合起來，在醫生拿不準時給出一個更省錢、更精準的排查路徑。

從行業角度看，醫療開銷佔了美國 GDP 的將近兩成，其中被認為有四分之一是無意義的過度檢查與醫療浪費。微軟這次把「開檢查的花費」納入考核維度，逼著行業思考如何用 AI 控費，這比單純炫耀模型引數更有實際意義。

我們認為微軟這一步走得非常清醒。它沒有去碰那些容易被質疑的「端到端全自動診斷」，而是把重點放在了醫生決策支援工具上。多 Agent 會診加費用預算約束的設計，巧妙化解了 AI 容易無腦過度檢查的隱患。

不過，目前的測試樣本全是最極端的疑難雜症，在普通感冒發燒這類日常病上的泛化表現還需要驗證。目前 SD Bench 和 MAI-DxO 還只是實驗室階段的研究原型，在真正走進醫院門診之前，還要通過漫長的臨床雙盲驗證和監管審批。