Microsoft 的 Mustafa Suleyman 称其 AI 在疑难病例上表现优于医生，正追求“医疗超智能”

根据周四发表在《科学》(Science) 杂志上的一项研究，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以上。微软 AI 首席执行官 Mustafa Suleyman 将这一结果称为迈向“医疗超智能”的一步。

该系统被称为 MAI-DxO（简称 DxO），它协调了多个 AI 智能体，这些智能体像专家医生小组一样工作。它们询问患者、开具检查单并对诊断进行讨论。

在一次使用来自《新英格兰医学杂志》(New England Journal of Medicine) 复杂病例的模拟中，其正确率为 83%。单独查阅参考资料的初级保健医生和普通内科医生的正确率为 36%。有一点需要注意：如此复杂的病例通常由专家或医生团队处理，而他们并未包含在对比范围内。

“这里面有一些非常实质性且令人兴奋的东西，”微软 AI 健康部门副总裁 Dominic King 告诉 TechCrunch。“目前医疗服务面临的最大挑战是医疗专业知识的供需之间日益扩大的错配。”

随着这些结果的发布，微软加入了 Google 和 OpenAI 的行列，声称其 AI 可以媲美或超越医生。

研究自身的数据表明，大部分性能提升来自于更强大的底层 AI 模型，而微软的编排系统则在此基础上增加了收益。

微软使用来自多家公司的模型测试了 MAI-DxO，包括 OpenAI、Google、Anthropic、Meta 和 DeepSeek，但其最佳结果是使用 OpenAI 的 GPT-5 和 GPT-5.5 取得的。

微软在衡量 DxO 时同时考虑了成本和准确性，即在每个病例上运行 AI 的估计成本。在仅使用简短基本提示的情况下，GPT-5 在复杂病例上的得分为 78.9%，每个病例的成本约为 $8,400。DxO 将该成本降低了约 $3,000，但准确率仅提高了约 4 个百分点。在急诊科病例中，GPT-5 独立运行与在 DxO 协助下运行在准确率或成本改进方面几乎没有差异。

在使用 2026 年 4 月发布的更新模型 GPT-5.5 时，结果出现了分化。在复杂病例中，DxO 将 GPT-5.5 的准确率得分从 72% 提高到近 87%，且成本略低。然而，在急诊科病例中，这种收益再次未能体现。两者（有无 DxO）的得分均在 85% 左右，且成本相近。

DxO 对复杂病例以及能力较弱的 AI 模型帮助最大。例如，Gemini 2.5 Flash 独立得分为 46.4%，但在 DxO 的协助下达到近 69%。即便如此，弱模型与强模型之间的差距仍大于 DxO 所能提供的提升。

微软的研究人员表示，随着模型接近理论极限，准确率的提升自然会缩小。“DxO 编排有助于解决优化准确率和成本这一更广泛的挑战，”一位发言人补充道。

领导微软构建自研前沿 AI 工作组的 Suleyman 告诉 TechCrunch，公司正与梅奥医学中心 (Mayo Clinic) 合作训练一个医疗基础模型，计划于明年发布。他相信该模型将使公司能够“在这里取得真正巨大的飞跃”，并表示 DxO 是微软正在构建的基础设施的一部分，旨在实现医疗领域的真正突破。