微软AI诊断系统模拟表现超越普通医生，苏莱曼称迈向“医疗超级智能”
根据周四发表在《科学》杂志上的一项研究，微软的AI诊断系统在模拟复杂医疗病例时的正确诊断频率是一般医生的两倍多。微软AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）将这一结果描述为迈向“医疗超级智能”的重要一步。
该系统名为MAI-DxO（简称DxO），其核心机制是协调多个像医生小组一样的AI代理。这些代理会询问病人、下令进行检查，并对诊断结果进行辩论。
在基于《新英格兰医学杂志》复杂病例的模拟测试中，使用参考资料的初级医生和一般内科医生的正确率仅为36%。需要注意的是，此类复杂病例在实际临床中通常由专家或医生团队处理，而这些人并未包含在对比组中。
微软AI健康副总裁多米尼克·金（Dominic King）向TechCrunch表示：“这里有非常实质且令人兴奋的内容。”他指出，目前医疗保健面临的最大挑战之一是医疗专业知识供需之间日益加剧的不匹配。
随着结果的公布，微软与谷歌、OpenAI等公司一同声称其人工智能技术已达到甚至超过人类医生的水平。然而，研究数据表明，大部分性能提升主要源于底层AI模型的增强，微软的编排系统在此基础上提供了额外的增益。
微软利用包括OpenAI、Google、Anthropic、Meta和DeepSeek在内的多家公司的模型对MAI-DxO进行了测试，其中最佳结果来自OpenAI的GPT-5和GPT-5.5模型。
微软在评估DxO时不仅考量了准确性，还评估了成本，即运行AI处理每个案例的预估费用。数据显示，仅使用简短基础提示词时，GPT-5在处理复杂案例时的准确率为78.9%，每案例成本约为8400美元。引入Dx后，成本降低了约3000美元，但准确率仅提升了约四个百分点。在急诊科案例中，单独使用GPT-5与借助DxO辅助之间，无论是准确率还是成本几乎没有差异。
对于2026年4月发布的新型号GPT-5.5，结果出现分歧。在复杂病例中，DxO将GPT-5.5的准确度从72%提高到近87%，同时略微降低了成本。但在急诊室病例中，这种增长再次未显现，含DxO和不含DxO的系统在相似成本下得分均约为85%。
DxO在复杂案例以及较弱的AI模型中表现出最大的帮助作用。例如，Gemini 2.5 Flash本身的得分为46.4%，但与DxO结合后得分接近69%。尽管如此，较弱模型与较强模型之间的固有差距仍大于DxO所提供的提升幅度。
微软研究人员表示，随着模型性能接近理论最大值，准确度的自然提升空间会缩小。一位发言人补充说，DxO编排有助于应对更广泛的精度和成本优化挑战。
领导微软构建前沿人工智能工作的苏莱曼告诉TechCrunch，该公司正与梅奥诊所（Mayo Clinic）合作培训医疗保健基础模型，并计划于明年发布。他认为这种模式将使公司能够“在这里取得真正巨大的飞跃”，并表示DxO是微软正在建设的基础设施的一部分。
“我真的相信到2027年，我们将在医疗记录编码方式的突破边缘，”苏莱曼说，“我认为我们将能够精确预测医疗记录的发展，这种预见能力对临床医生来说将是宝贵的。”
苏莱曼的职业生涯一直致力于利用人工智能解决医疗问题。他曾是DeepMind的联合创始人，该公司于2014年被谷歌收购。次年，谷歌DeepMind收购了金的创业公司Hark——一款临床任务管理应用程序，两人随后共同推出了DeepMind Health。苏莱曼于2024年加入微软领导其AI部门，几个月后金也加入微软。
“我们只是真正的信徒，”苏莱曼表示。尽管他认为在医疗保健领域应用人工智能仍处于早期阶段，但他预计在未来24至36个月内，医疗保健模式的能力将有所改善。
苏莱曼解释道：“正如我们在过去五六年中多次看到的那样，一旦形成飞轮效应，进步就会迅速发生。一个飞轮意味着我们有一个正在生产的模型，通过与现实世界的使用进行迭代，确定模型中的差距，然后修补和改进它们。这在编码、聊天、医疗记录和临床决策支持中都是如此。”
通过与波士顿贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）的新合作，微软将评估DxO在不同医院环境中的临床推理能力。
金表示：“这项技术已经准备好进行现实世界的评估。你可以想象周五晚上波士顿紧急服务部门所面临的复杂性和多样性问题。”
他解释了该研究的运作方式：患者将获得标准治疗，包括分组、与专家的时间、治疗、调查以及是否安全出院的决定。与此同时，同意参与的患者也将与DxO接触。微软及其合作伙伴将把DxO的建议与人类医生的建议进行比较。
本月，谷歌与贝斯以色列女执事医疗中心在《柳叶刀》杂志上发表了一项临床研究，评估谷歌的AMIE对话诊断AI在现实世界紧急护理访问中的表现，期间人类医生实时监控互动。
“我们认为这将是同类研究中最大的一项，”金说，“它不仅适用于紧急情况，也适用于紧急护理环境。在研究期结束时，它将为我们提供非常令人信服的证据，证明这些系统未来能够更大规模地部署。”
微软在《科学》杂志上的研究与建立“医疗超级智能”的目标一致，后者被定义为在医疗推理和协调方面超越当代最强大的人为主导医疗系统的能力。微软希望超越回答医学考试问题和生成诊断等个人任务的基准测试，转而与临床医生和医疗保健系统集成以获得更好的结果。
“这是世界上每个人都想要的技术，这就是为什么我们致力于尽我们所能加速向世界推出这种技术的原因，”苏莱曼说。
微软已向临床医生销售口述和放射学工具，并将DxO视为这些努力的扩展。
苏莱曼强调：“我们必须在未来几年拥有最先进的医疗临床决策支持产品。”
