Microsoft 的 MAI-DxO 诊断系统在研究中诊断准确率超越医生
#AI照护与医疗科技 时间2026-11-05 05:48:16
文/IAICA.NGO®

核心要点
- Science 描述的一款 Microsoft 系统在高度复杂的临床病例上,诊断准确率超过医生两倍以上,接近仅凭医生自身判断的四倍。
- 在常规急诊科就诊场景中,该系统准确率达到 80%,医生为 47%,且检查费用更低。
- 该评估将 304 例 New England Journal of Medicine 病例与一组数量相当的急诊就诊场景转变为分步互动式挑战,同时为诊断准确性与检查费用评分。
背景与核心进展
Microsoft 研究团队在 Science(《科学》)中描述,MAI-DxO 是一款按协同临床团队方式构建的诊断系统。其评估结合了 304 例长期用于疑难医学谜题的 New England Journal of Medicine(《新英格兰医学杂志》)临床病理讨论病例,以及数量相当的典型急诊科就诊场景,诊断范围从常见病到罕见病。配备教科书与互联网访问权限的医生被超过两倍以上;仅依靠自身知识的医生则被接近四倍。
这一发现回应了此前医疗人工智能主张中的一个已知薄弱点。现有模型可通过执业资格考试并解答书面病例题,但这类测试考察的是回忆:线索已被提供,模型只需选择答案。真实诊断是序贯进行的,包括病史采集、开具检查与反复修正,每一步都伴随成本。
研究团队将每个病例转换为标准化、分步的互动式挑战。系统与医生均从有限信息出发,可调取病史、安排检查并在给出诊断前修正假设。评估对两项结果评分:诊断正确性与所走路径的花费。自 20 世纪 80 年代起从事医学人工智能研究的论文作者 Eric Horvitz 表示,他希望此类进展有助于让更多人及时获得有效照护。
照护应用与社会影响
对智慧养老与康复场景而言,意义在于评估设计本身,而非标题性的差距幅度。老年患者常以不典型方式起病,认知障碍、多重用药与共病使诊断更为复杂;诊断延迟会带来功能层面的后果。一款在明确成本约束下安排检查顺序的系统,也关系到固定收入人群的处境;据一项估算,2024 年超过三分之一的美国住户背负医疗债务,部分人因费用而放弃后续照护。该研究并未在养老机构或康复环境中测试部署,基准表现不等于这些场景下的临床验证。
伦理与合规提示
诊断错误的问责仍归属于临床医生与医疗机构;提出诊疗路径的系统必须给出可供审计的推理轨迹,而不是单一建议。纵向健康记录的隐私保护、评估数据集中所代表人群之间的公平性,以及决策支持工具的明确监管状态,共同构成负责任使用的前提条件。iaica.com.cn 指出,此类工具在照护现场的定位是辅助专业判断,而绝非取代专业判断。
评论
0 条登录后才可以发表评论。
立即登录