微軟 AI 診斷系統 MAI-DxO 登上《Science》：疑難雜症正確率 83%，輾壓醫師的 36%

研究顯示 MAI-DxO 像醫師一樣循序問診、開檢查，在 300 多個新英格蘭醫學期刊疑難病例中正確率達 83%；微軟 AI 執行長蘇萊曼稱這是通往『醫療超智慧』的一步。

微軟把醫療 AI 的戰場拉到了頂級期刊。根據 10 月 22 日刊登在《Science》上的研究，微軟的 AI 診斷系統 MAI-DxO 在處理極度複雜的病例時，正確率達到 83%，是同期受測基層醫師（36%）的兩倍多。微軟 AI 執行長 Mustafa Suleyman 把這項成果稱為通往「醫療超智慧」（medical superintelligence）的重要一步。

像醫師一樣「一步一步」看病

傳統醫療 AI 的做法是一次把所有資料——症狀、檢驗、影像——全餵給模型，直接吐出診斷。MAI-DxO 反其道而行，模仿醫師的問診流程：先決定該問什麼病史、理學檢查要看哪些重點，再根據已知資訊決定開什麼檢查，拿到結果後修正假設、追加檢驗，一路把診斷收斂出來。

這個流程由一個「協調器」（orchestrator）指揮，它會召集一組模擬的臨床專家 AI 代理，像醫師團隊會診一樣提問、辯論、拍板。

83% 對 36%：數字怎麼來的

研究團隊用 300 多個取自《新英格蘭醫學期刊》的疑難病例考驗系統——這些是連醫師都覺得棘手的罕見情境。MAI-DxO 答對 83%，而使用教科書與網路資源的基層醫師和一般內科醫師只有 36%。在另一批取自急診入院資料庫的情境中，系統同樣勝過人類醫師。

值得留意的細節有三個：第一，這類超高難度病例在現實中通常由專科醫師或團隊處理，但對照組並未納入專科醫師；第二，研究發現進步主要來自底層模型變強，協調器是在此之上再添增益；第三，用 GPT-5 與 GPT-5.5 跑出的成績最好——微軟測試了 OpenAI、Google、Anthropic、Meta 與 DeepSeek 的多家模型。此外，協調器規劃的檢查流程，成本還比醫師開的檢查更低。

下一步：走進真實急診室

微軟的醫療 AI 布局正在加速。公司已與波士頓的 Beth Israel Deaconess 醫學中心合作，準備在急診室候診區實際測試這套系統的分診能力；另一個與 Mayo Clinic 合作的醫療基礎模型則預計明年推出。

微軟 AI 健康副總裁 Dominic King 向 TechCrunch 表示，當前醫療體系最大的矛盾，是醫療專業供給與需求之間的鴻溝持續擴大。不過在真實臨床數據出爐之前，MAI-DxO 仍是一張漂亮的基準測試成績單，而非真正的醫師。

資料來源：《Science》、Reuters、TechCrunch