微软MAI-DxO诊断准确率达83.2%，Science刊发研究称其超越全科医生

文/IAICA.NGO®

微软公布的一项诊断模型研究，将人工智能与人类医生放在同一批病例上做了直接对照。研究通过同行评审并刊发于《科学》（Science），核心结论是：名为 Microsoft AI Diagnostic Orchestrator（MAI-DxO）的医疗模型，诊断准确率超过全科医生两倍以上。结果迅速在医疗与人工智能两个领域引发讨论，也带出一个老问题——实验室里的高分，距离真实的诊室究竟还有多远。

研究如何设计

该研究在受控基准环境中完成，共使用两组数据。第一组是 304 例来自《新英格兰医学杂志》的临床病理讨论会（CPC）病例；第二组是 325 例来自 MIMIC-IV-ED 数据库的急诊入院记录。两组样本规模接近五五开，兼顾疑难病例讨论与急诊真实入院两类场景。

与以往多数评测不同，这项研究没有把完整的病史、体征和检查结果一次性输入模型，而是要求它像医生那样逐步问诊：从患者主诉出发，先给出工作诊断，再决定追问哪些问题、开具哪些检查，并在过程中权衡费用。研究作者指出，此前的相关研究并未把诊断作为一个主动的、序贯的信息采集过程来测试，通常是单次提示输入完整病例。

数据呈现的差距

在 CPC 病例组中，MAI-DxO 的诊断准确率为 83.2%，同组接受测试并可查阅参考资料的全科医生为 36.1%。在急诊入院组中，AI 的准确率为 80.3%，人类医生为 46.8%。除准确率外，研究还统计了为达成诊断所开具检查的估算费用，微软方面称该模型整体上只用了人类医生二分之一乃至三分之一的成本。

微软 AI 实验室首席执行官 Mustafa Suleyman 对此给出高调判断，称人工智能通过医疗改善生活的时代终于到来，并预告明年将出现极其令人印象深刻的智能系统在生产环境中部署，认为这会在大规模上改变照护的提供方式。

需要划出的边界

研究的局限同样明确。首先，测试在受控基准中进行，其在真实医疗环境中的效用仍有待检验。其次，所谓逐步问诊，是由一个守门人代理（gatekeeper agent）模拟患者、按底层病例记录回应信息请求来完成的，本质上是人工智能给人工智能扮演的病人看病。再者，这些结构清晰、信息详尽的病例档案，最初由人类医生整理撰写——AI 借力的起点，恰恰是人类医生已经完成的功课。

真实诊室里最难的部分往往不在推理：让患者愿意开口、追问出他们自己都没意识到值得提及的细节、借助体格检查捕捉线索、在信息残缺与时间压力下做出取舍，这些环节难以被基准测试复现。诊断之外，治疗方案选择、并发症管理、与家属的沟通，同样构成当医生的完整含义。

iaica.com.cn 认为，这类研究的真正价值在于把诊断拆解为可度量、可比较的序贯决策过程，并把检查费用纳入评价体系；但从基准分数走向临床常规，仍需真实世界的前瞻性验证、明确的监管路径与清晰的责任划分框架。

对资源有限场景的意义

若后续验证成立，此类模型在分级诊疗、急诊分诊、基层与养老照护机构中的辅助价值值得关注：在专科医生稀缺的地方，一个能主动提问、控制检查成本、给出鉴别诊断清单的系统，可能成为照护链条上的第一双眼睛。但行业更需要的，是把准确率数字转化为可审计的临床流程——谁在使用、何时介入、出错由谁负责，这些问题的答案，比一项基准测试的比分更能决定技术最终能走多远。

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。