微软的AI诊断系统在模拟中正确诊断复杂医疗病例的比例超过全科医生两倍以上，根据周四发表在《科学》杂志上的一项研究。微软AI首席执行官穆斯塔法·苏莱曼称这一结果是迈向“医学超级智能”的一步。

该系统被命名为MAI-DxO（简称DxO），协调多个像医生小组一样行动的AI代理。它们询问患者、开具检查并辩论诊断。

在使用《新英格兰医学杂志》复杂病例的模拟中，它正确率为83%。初级保健医生和普通内科医生在单独使用参考资料时正确率为36%。需要注意的是：如此复杂的病例通常由专科医生或医生团队处理，而他们并未参与比较。

“这里有一些非常实质且令人兴奋的东西，”微软AI健康副总裁多米尼克·金告诉TechCrunch。“目前医疗保健服务中最大的挑战是医疗专业知识供需之间日益扩大的不匹配。”

通过发布这些结果，微软加入了谷歌和OpenAI的行列，声称其AI能够匹配或超越医生。

该研究自身的数据表明，大部分改进来自更强大的底层AI模型，微软的编排系统在此基础上额外增加了增益。

微软用包括OpenAI、谷歌、Anthropic、Meta和DeepSeek在内的多家公司模型测试了MAI-DxO，但其最佳结果来自OpenAI的GPT-5和GPT-5.5。

无预算约束下DxO在CPC上相对于使用基线提示的模型在不同大型语言模型上的准确率改进。图片来源：微软AI

微软同时测量了DxO的成本和准确率，即运行AI处理每个病例的估计成本。单独使用简短基本提示时，GPT-5在复杂病例上得分为78.9%，每个病例约8400美元。DxO将成本降低了约3000美元，但准确率仅提高约四个百分点。在急诊科病例上，单独使用GPT-5与借助DxO之间，准确率或成本几乎没有改进。

对于2026年4月发布的较新模型GPT-5.5，结果出现分化。在复杂病例上，DxO将GPT-5.5的准确率从72%提高到近87%，成本略低。然而，这些增益再次未出现在急诊科病例上。两者（有无DxO）均约85%，成本相似。

DxO在复杂病例和能力较弱的AI模型上帮助最大。例如，Gemini 2.5 Flash单独得分为46.4%，使用DxO后接近69%。即便如此，较弱模型与较强模型之间的差距仍大于DxO提供的提升。

微软研究人员表示，随着模型接近理论最大值，准确率增益自然会缩小。“DxO编排有助于同时优化准确率和成本这一更广泛的挑战，”一位发言人补充道。

领导微软构建自身前沿AI努力的苏莱曼告诉TechCrunch，公司正与梅奥诊所合作训练一个医疗基础模型，计划明年发布。他相信该模型将使公司“在这里实现真正巨大的飞跃”，并表示DxO是微软为在医疗保健领域看到真正突破而构建的基础基础设施的一部分。

“我真的相信到2027年，我们将接近病历编码式的突破，”苏莱曼说。“我认为我们将能够流式输出关于病历可能如何展开的高度准确预测，显然这种先见之明对临床医生来说是黄金般宝贵的。”

苏莱曼职业生涯一直致力于用AI解决医疗问题。他此前是DeepMind的联合创始人，该公司于2014年被谷歌收购。次年，谷歌DeepMind收购了金的初创公司Hark（一款临床任务管理应用），两人共同推出了DeepMind Health。苏莱曼于2024年加入微软领导其AI部门，金几个月后跟随加入。

“我们就是真正的信徒，”苏莱曼说。

他表示，虽然生成式AI在医疗保健中的应用仍处于早期阶段，但他预计医疗模型在未来24至36个月内能力将“提升一个数量级”。

“正如我们在过去五六年中多次看到的，一旦有了飞轮，进展就会非常迅速，”苏莱曼说。“飞轮意味着我们有一个投入生产的模型，我们通过真实世界使用来迭代，以识别模型中的差距，然后修补并改进它们。这就是编码领域发生的情况。此前聊天领域也是如此。我认为明年这将开始发生在病历和临床决策支持上。”

通过与波士顿贝斯以色列女执事医疗中心的新合作伙伴关系，微软将评估DxO在不同医院环境中的临床推理能力。

“这项技术已准备好进行真实世界评估，你可以想象周五晚上波士顿急诊科出现的问题的复杂性和多样性，”金说。

他解释了研究将如何进行：患者将接受标准治疗，包括分诊、与专科医生会面、治疗、检查以及是否安全出院的决定。同时，同意的患者也将与DxO互动。微软及其合作伙伴将比较DxO的建议与人类医生的建议。

谷歌本月与贝斯以色列一起在《柳叶刀》上发表了一项临床研究，以评估谷歌的AMIE对话式诊断AI在真实世界急症护理就诊中的表现，同时人类医生实时监控互动。

“我们认为这将是同类研究中规模最大的，”King说。“它不仅涵盖急诊环境，还将涵盖紧急护理环境，并在研究期结束时为我们提供非常有力的证据，证明这些系统未来能够以更大的规模部署。”

微软在《Science》上发表的研究恰逢一份关于构建医疗超级智能所需条件的宣言式文件，医疗超级智能被定义为“在医疗推理和全护理过程协调方面超越当今最强人类主导的卫生系统的能力”。微软希望超越对单个任务的基准测试——如回答医学考试问题和生成诊断——转而与临床医生和医疗保健系统集成，以获得更好的结果。

“这是全世界每个人都想要的技术，这就是为什么我们致力于尽一切努力加速将其引入世界，”Suleyman说，并补充说这一重点可能成为微软相对于其他前沿实验室的差异化因素。

微软已经向临床医生销售听写和放射学工具，并将DxO视为对这些努力的扩展。

“在接下来的几年里，我们必须拥有绝对第一的最先进的医疗临床决策支持产品，”Suleyman说。

当您通过我们文章中的链接进行购买时，我们可能会赚取少量佣金。这不影响我们的编辑独立性。