微软的人工智能诊断系统在一项模拟中对复杂医疗病例做出正确诊断的频率是全科医生的两倍以上，根据一项 周四发表的研究 ，微软的 AI 诊断系统在模拟中正确诊断复杂医疗病例的频率是全科医生的两倍多。微软 AI 首席执行官 Mustafa Suleyman 称这一结果是迈向“医疗超级智能”的一步。
该系统名为 MAI-DxO（简称 DxO），协调多个充当医生专家组角色的 AI 代理。它们向患者提问、安排检查并讨论诊断。
在一项使用《新英格兰医学杂志》复杂病例的模拟中，该系统的正确率为 83%。初级保健医生和普通内科医生在单独工作并使用参考资料的情况下，正确率为 36%。需要注意的一点是：如此复杂的病例通常由专科医生或医生团队处理，而他们并未参与这项比较。
“这里有非常实质性且令人兴奋的东西，”微软 AI 健康业务副总裁 Dominic King 告诉 TechCrunch。“当前医疗服务的最大挑战是医疗专业知识的供需之间日益扩大的错配。”
在 公布这些结果时，微软加入了 Google 和 OpenAI 的行列，声称其 AI 能够匹敌或超越医生。
该研究自身的数据表明，大部分改进来自更强大的底层 AI 模型，微软的编排系统在其之上带来额外收益。
微软使用多家公司的模型测试了 MAI-DxO，包括 OpenAI、Google、Anthropic、Meta 和 DeepSeek，但其最佳结果来自 OpenAI 的 GPT-5 和 GPT-5.5。
这些模型在不同大型语言模型中使用基线提示词进行提示。Image Credits:Microsoft AI
微软在成本和准确性两方面衡量 DxO，成本指在每个病例上运行 AI 的估计成本。单独使用简短的基础提示时，GPT-5 在复杂病例上得分为 78.9%，每个病例成本约为 8,400美元。DxO 将该成本降低约 3,000美元，但准确性仅提高约四个百分点。在急诊科病例上，GPT-5 单独使用与借助 DxO 时，准确性和成本均几乎没有改善。
使用 GPT-5.5——2026年4月发布的更新模型——结果则出现分化。在复杂病例上，DxO 将 GPT-5.5 的准确性得分从 72% 提高到接近 87%，成本还略低。然而，这些收益再次未体现在急诊科病例上。两者（使用和不使用 DxO）在相似成本下均得分约 85%。
DxO 在复杂病例和能力较弱的 AI 模型上帮助最大。例如，Gemini 2.5 Flash 单独得分为 46.4%，而借助 DxO 则接近 69%。尽管如此，较弱与较强模型之间的差距仍大于 DxO 带来的提升。
微软的研究人员表示，随着模型接近理论上限，准确性提升自然会缩小。“DxO 编排有助于应对同时优化准确性和成本的更广泛挑战，”一位发言人补充道。
领导微软构建自身前沿 AI 工作的 Suleyman 告诉 TechCrunch，该公司正在与梅奥诊所合作训练一个面向医疗的基础模型，计划于明年发布。他相信这个模型将使公司能够“在这方面实现真正巨大的飞跃”，并表示 DxO 是微软为见证医疗保健领域真正突破而构建的基础设施的一部分。
“我真心相信，到 2027年，我们将在医疗记录的编码式突破边缘，”Suleyman 说。“我认为我们将能够对医疗记录可能如何演变生成高度准确的预测流，显然，对临床医生而言，这种预见力是无价之宝。”
Suleyman 的整个职业生涯都在尝试用 AI 解决医疗问题。他曾是 DeepMind 的联合创始人，该公司于 2014年被 Google 收购。次年，Google DeepMind 收购了 King 的初创公司 Hark——一款临床任务管理应用，两人共同创建了 DeepMind Health。Suleyman 于 2024年加入微软领导其 AI 部门，几个月后 King 也随之加入。
“我们只是真正的信仰者，”Suleyman 说。
他表示，虽然生成式AI在医疗保健领域的应用仍处于早期阶段，但他预计医疗保健模型将“在未来24到36个月内能力提升一个数量级。”
Suleyman说：“正如我们在过去五六年中多次看到的那样，一旦你有了飞轮，进展就会非常快。飞轮意味着我们有一个投入生产的模型，我们通过真实世界中的使用来迭代，以识别模型中的差距，然后修补并改进它们。编程领域就是这样的。在那之前聊天领域也是如此。我认为明年这在医疗记录和临床决策支持领域也将开始发生。”
通过与波士顿贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）的一项新合作，微软将在不同的医院环境中评估DxO的临床推理能力。
King说：“这项技术已经准备好接受真实世界的评估了，你可以想象波士顿一家急诊科在周五晚间会遇到的问题有多么复杂和多样。”
他解释了这项研究将如何进行：患者将接受标准治疗，包括分诊、与专科医生的交流、治疗、检查以及关于是否可以安全出院的决定。与此同时，同意参与的患者还将与DxO进行交互。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。
谷歌本月与贝斯以色列一起在《柳叶刀》上发表了 一项临床研究，以评估谷歌的AMIE对话式诊断AI在真实世界紧急就诊中的表现，同时由人类医生实时监控这些交互。
King说：“我们认为这将是同类研究中规模最大的一项。它不仅涵盖急诊场景，还将涵盖紧急诊疗环境，并将在研究期结束时为我们提供非常有说服力的证据，说明这些系统未来能否在更大规模上部署。”
微软在《科学》杂志上的研究与一份关于构建医疗超级智能所需条件的宣言同时发布，医疗超级智能被定义为“在整个医疗全程的医疗推理和协调中超越当今最强的人类主导医疗体系的能力”。微软希望超越对单个任务的基准测试——比如回答医学考试问题和生成诊断——转向与临床医生和医疗体系整合，以获得更好的结果。
Suleyman说：“这是全世界每个人都想要的技术，这就是为什么我们致力于尽一切努力加速将其推向世界。”他补充说，这一重点可能成为微软与其他前沿实验室相比的差异化优势。
微软已经向临床医生销售听写和放射学工具，并将DxO视为这些努力的延伸。
Suleyman说：“在未来几年里，我们必须拥有绝对第一的最先进医疗临床决策支持产品。”