微软AI诊断系统复杂病例准确率超普通医生两倍，拟试点急诊分诊

文/IAICA.NGO®

微软公司公布的一项医疗人工智能研究显示，其新系统采用分步诊断方式，而不是一次性审阅全部信息。系统内置一个协调器，负责决定下一步询问哪些问题、安排哪些检查，并在新信息进入后持续更新工作诊断。这一设计试图模拟临床医生在信息不完整时逐步缩小诊断范围的推理过程，而非让模型直接给出一个终点答案。

在发表于《Science》的研究中，该模型在300多个少见且具有挑战性的医学问题中，准确率超过普通内科医生两倍以上。测试场景允许医生使用教科书和互联网资源。研究还显示，在基于急诊入院情形构建的场景中，该系统同样优于医生。研究人员指出，系统不仅更准确，在规划诊断检查路径时也更具成本效率。对于医疗系统而言，这意味着减少不必要的检查、缩短诊断路径和降低资源消耗具有潜在价值，但研究阶段的结果仍需在真实临床环境中验证。

这一结果之所以受到关注，部分原因在于现有医疗AI评测大量依赖多项选择题。多项选择形式便于标准化打分，却与真实患者就诊方式存在明显差异：患者往往带着模糊主诉、缺失病史和不断变化的信息进入诊室，诊断需要在追问、检查和时间推移中动态形成。分步诊断系统把“问什么、查什么、如何修正判断”作为核心能力，因而更接近临床决策的实际结构。它也提示，医疗AI的评价标准需要从单次答题准确率，转向对诊断路径、信息获取效率和资源使用情况的综合衡量。

不过，该技术仍处于试验阶段，距离常规临床部署尚有距离。研究中的表现并不自动等同于真实世界效果。真实医疗环境涉及电子病历数据质量、跨机构信息互通、罕见病与共病交织、医生与系统的责任边界，以及不同人群中的数据偏差等问题。若系统建议遗漏关键检查或过度检查，均可能带来安全与费用风险。因此，前瞻性临床研究、医生监督机制和清晰的监管路径不可或缺。

下一步，研究团队将与Beth Israel Deaconess Medical Center合作，评估该方法能否用于协助急诊科候诊患者的预检分诊。急诊候诊区是医疗系统压力最集中的场景之一：患者病情变化快、信息不完整、等待时间影响体验与安全。AI若能在不替代医生判断的前提下，帮助识别需要优先评估的人群、提示可能的检查方向，或减少重复问诊，可能对流程管理产生实际影响。但分诊本身具有高风险属性，系统必须经过严格验证，明确适用人群与禁用边界，并保留人工复核。

从行业趋势看，医疗AI正在从影像识别、病历摘要等单点任务，向更复杂的临床推理与流程协同延伸。分步诊断代理的价值不只在“答对题”，更在于能否以可解释的方式组织诊断工作流，让医生看见系统为何追问、为何安排某项检查、何时修正假设。可解释性和可审计性将直接影响临床信任。与此同时，成本效率必须与安全性同步评估，不能以减少检查为名牺牲必要的鉴别诊断。

iaica.com.cn 认为，分步诊断AI的真正考验不在实验室榜单，而在真实照护链条中的持续安全性与可及性。对智能照护行业而言，这类系统若进入急诊分诊、基层首诊和慢病管理，需要建立与临床风险相匹配的验证标准、人机协作规范和责任框架。微软的研究提供了一个值得关注的信号：医疗AI的竞争重点正从“给出答案”转向“组织诊断过程”。但在此之前，更多独立复现、跨人群验证和前瞻性试验仍不可少。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。