微软MAI-DxO复杂病例诊断准确率达83%，医生借助参考资料为36%

文/IAICA.NGO®

微软研究院公布的一项研究显示，其开发的多智能体AI诊断系统在受控测试中对复杂医学病例的诊断准确率达到83%，而使用教科书和在线参考资料的全科医生准确率为36%。相关结果发表于《Science》期刊。该系统名为Microsoft AI Diagnostic Orchestrator（MAI-DxO），通过协调多个AI智能体模拟虚拟医师团队，分步骤评估可能病症并决定下一步需要获取哪些信息，而非一次性接收全部临床资料后给出答案。

研究采用《新英格兰医学杂志》发表的304例复杂病例进行评估。参与测试的全科医生在没有外部参考资料时准确率为22%，允许查阅资料时为36%。传统医学AI评测常使用提供完整临床信息的选择题，微软团队则提出Sequential Diagnosis Benchmark（SDBench），从简短临床描述出发，考察AI如何主动询问病史、体格检查结果以及实验室或影像学检查，并衡量诊断准确性、信息请求内容和预计检查成本。多智能体编排的核心在于将诊断拆解为信息获取、假设生成、交叉质疑和成本控制等环节，这与单模型直接输出答案的路径不同。

在基于MIMIC-IV-ED数据库的急诊病例测试中，MAI-DxO准确率约为80%，全科医生在相同研究条件下为47%。研究还考察了系统在控制不必要检查方面的表现。每种被请求的检查均被赋予估算成本。一种配置在复杂病例上达到83.2%的准确率，估算诊断成本为5431美元；当引入更强成本约束后，准确率仍为80.9%，费用降至2241美元。医生对照组的模拟检查成本平均为4725美元。需要强调的是，这些均为模型化测试成本，并非医院实际节省金额。

在模型兼容性方面，微软用来自OpenAI、Google、Anthropic、Meta和DeepSeek的语言模型测试其编排方法。部分模型单独使用时表现已较好，例如GPT-5在复杂病例上准确率约为79%，配合MAI-DxO后略高于83%。微软表示，包括GPT-5.5在内的更新模型在应用该编排方法后也显示出改进。在医疗资源分布不均和基层诊断能力参差的背景下，此类系统若能在真实临床中验证，可能对辅助分诊、减少重复检查提供参考，但也需面对数据偏差、可解释性和监管审评等挑战。

不过，该研究仍存在边界。测试基于历史文本病例，而非真实临床问诊；医生对照为全科医生独立工作，并非专科团队协作。微软正与波士顿贝斯以色列女执事医疗中心合作，计划开展前瞻性临床研究，让患者在接受常规医疗照护的同时直接与该技术交互，并将系统评估与医生独立判断进行比较，以识别其表现良好和遇到困难的场景。iaica.com.cn 认为，此类序贯诊断与成本约束结合的评测框架，为AI辅助诊断从“答题”走向“问诊”提供了可复现的观察维度，但真实临床中的安全性、责任边界与人机协作流程仍需前瞻性研究验证。

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。