微软研究院开发的AI医疗诊断系统MAI-DxO于10月22日公布最新研究结果，相关论文已登上《科学》杂志。该系统通过让同一个大模型扮演五个分工不同的“虚拟医生”组成会诊小组，在《新英格兰医学杂志》304个疑难病例测试中实现约83％的诊断准确率，而允许查阅资料的医生组准确率约为36％，不允许查资料时仅为约22％。
MAI-DxO的核心设计在于角色分工。五位虚拟医生由同一底层模型驱动，分别承担不同职能：“诊医生”负责提出并动态调整最可能的三种诊断假设；“查医生”每轮最多选择三项检查，优先选取能有效区分不同诊断的方案；“杠医生”专门提出与当前判断矛盾的证据，防止团队过早锁定错误方向；此外还有一位角色负责比较检查成本，在诊断价值相当的情况下建议选择低价方案，另一位在后台复核推理逻辑与检查项目名称的有效性。研究团队在论文中举例称，面对一名反复跌倒、腿部无力并伴有牙龈出血和牙齿脱落的患者，普通GPT-5将注意力集中在神经病变上，未能找准病因，而MAI-DxO结合患者胃旁路手术史与饮食情况，考虑坏血病并安排血浆维生素C检测，最终确认诊断。
为模拟真实诊断场景，微软设计了SDBench测试基准。被测系统开局仅能获取一小段病情介绍，需主动追问病史并申请检查，由另一模型根据完整病例返回相应信息，最终核对诊断结果并估算检查费用。在325个急诊患者病例测试中，MAI-DxO准确率约为80％，医生组约为47％。与单个AI对比，普通GPT-5在NEJM病例上的准确率为78.9％，接入会诊流程后升至83.2％；平均每例诊断费用从8409美元降至5430美元。在加入预算约束配置后，系统准确率为80.9％，平均费用降至2241美元，不到允许查资料的医生组4725美元的一半。
微软已宣布与波士顿贝斯以色列女执事医疗中心合作，将MAI-DxO推进至真实临床环境测试，重点验证其在急诊分诊场景中识别高危患者的能力，患者将直接与系统互动，研究人员再将AI表现与医生独立评估进行对比。目前该合作尚未公布临床研究结果。值得关注的是，谷歌同期也在BIDMC推进AMIE研究，OpenAI则于今年9月宣布医疗机构可将Epic电子病历系统中的患者信息接入ChatGPT for Healthcare。微软此前已有Dragon Copilot等医疗AI助手进入医院场景，MAI-DxO的临床验证进展将决定其能否从诊断能力研究转化为可落地的临床产品。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
