微软MAI-DxO系统登上《科学》：AI会诊准确率超人类医生，成本更低

事件概述

微软于10月22日公布其医疗诊断系统MAI-DxO的研究成果，该成果已发表于顶刊《科学（Science）》。该系统利用大语言模型模拟多位医生组成的会诊团队，在针对《新英格兰医学杂志》收录的304个疑难病例的测试中，实现了约83%的诊断准确率，远超允许查阅资料的医生组（约36%）。此外，微软宣布将与波士顿贝斯以色列女执事医疗中心（BIDMC）合作，开展真实患者环境下的急诊分诊测试。

核心机制：五位“虚拟医生”协作

MAI-DxO的核心创新在于让同一个底层大模型扮演五位具有不同职能的“虚拟医生”，通过角色分工和相互制衡来提升诊断质量：

1. 诊医生（Dr. Hypothesis）：负责提出初步诊断假设，保留最可能的三种疾病并按可能性排序，确保后续证据出现时能动态调整优先级。
2. 查医生（Dr. Test-Chooser）：负责选择检查项目，每轮最多推荐三项。其逻辑是优先选择能区分不同假设的检查，避免无效或低价值检测。
3. 杠医生（Dr. Challenger）：专门负责“抬杠”和纠错。当其他角色过早锁定某种诊断时，该角色会寻找矛盾证据，防止思维定势导致的误诊。
4. 成本控制医生：比较不同检查方案的成本效益，建议用低成本且信息量相当的检查替代高成本项目，以优化医疗支出。
5. 复核医生：在后台检查推理逻辑的一致性，并验证检查项目的有效性。

这种多角色交互机制解决了普通大模型（如GPT-5）在面对复杂病例时容易陷入单一思路、给出模糊解释的问题。例如，在处理一例伴有牙龈出血和腿部无力的病例时，MAI-DxO通过关联胃旁路手术史和饮食结构，成功锁定了坏血病这一病因，而普通模型则倾向于给出多种因素混杂的模糊结论。

关键数据对比

研究团队设计了名为SDBench的测试基准，模拟了信息不完整、需主动追问的临床场景，主要对比结果如下：

• 疑难病例（NEJM 304例）：

  • MAI-DxO准确率：~83%
  • 允许查资料的人类医生组：~36%
  • 未查资料的人类医生组：~22%
  • 普通GPT-5单模型准确率：78.9%

• 急诊病例（325例）：

  • MAI-DxO准确率：~80%
  • 人类医生组：~47%

• 费用控制表现：

  • 普通GPT-5平均费用：$8,409/例
  • MAI-DxO标准配置平均费用：$5,430/例（降低近30%）
  • MAI-DxO预算约束配置平均费用：$2,241/例（准确率80.9%，费用仅为查资料医生组的一半左右）

下一步计划与行业背景

• 临床落地测试：微软计划与BIDMC合作，检验MAI-DxO在急诊室的分诊能力，即通过对话识别病情危重患者并优先处理。患者将直接与系统互动，研究人员将对比AI评估与医生独立评估的结果。
• 竞品动态：谷歌也在BIDMC推进AMIE研究，让患者在家通过文字与AI对话收集病史；OpenAI则推动ChatGPT for Healthcare接入Epic电子病历系统，辅助医生梳理信息。
• 微软战略整合：微软近期整合了研究院科学家及Dragon Copilot等产品团队至Microsoft AI部门。Dragon Copilot已有超10万名临床人员日常使用，此次MAI-DxO的发布标志着微软试图将前沿诊断研究与实际医疗产品开发深度融合，向“医疗超级智能”目标迈进。