跳转到正文

微软AI诊断准确率83%,医生仅36%

分类
新闻
发布时间
阅读时长
5 分钟

微软MAI-DxO在复杂病例中诊断准确率达83%,全科医生仅36%,结果发表于《科学》杂志。微软称这是迈向“医疗超级智能”的一步,真正考验在真实医院。

在来自《新英格兰医学杂志》的复杂诊断病例测试中,微软的人工智能系统准确诊断率达到83%。而面对同样病例的全科医生,准确率只有36%,不到AI的一半。这次数据不是来自公司博客,而是发表在《科学》杂志上——这是全球审稿最严格的学术期刊之一。

这套系统叫MAI-DxO,它不是单一模型,而是一个“协调器”,让多个AI像会诊医生一样互相争论:一个提出诊断假设,另一个核对症状是否吻合,第三个坚持要求补充检查,最后才达成一致结论。参与测试的模型包括OpenAI的GPT-5、GPT-5.5,谷歌的Gemini 2.5 Flash,以及Anthropic、Meta和DeepSeek的模型。

不同模型的提升幅度差异很大。GPT-5.5单独测试准确率为72%,接入协调系统后升至87%,还能为每个病例节省约3000美元的多余检查费用。Gemini 2.5 Flash从46.4%提升到69%。相比之下,GPT-5只提高了约四个百分点,说明协调机制对不同模型的帮助并不均衡。

微软AI负责人穆斯塔法·苏莱曼将这一结果称为迈向“医疗超级智能”的一步,即AI的推理能力有望超越最强的人类医疗团队。这个说法很大胆,但研究本身也坦承一个关键局限:对照组是全科医生,而不是真正处理这类复杂病例的专科医生或整个会诊团队。而在急诊类病例上,AI并未显示出明显优势。

目前这仍是基于文字病例描述的实验室模拟,并非真实患者诊疗。下一步才是真考验:微软已与贝斯以色列女执事医疗中心达成合作,将在真实急诊场景中、经患者同意后测试MAI-DxO。从纸面病例猜诊断,到真正走进急诊室应对活生生的病人,这中间的差距,可能远比83%和36%之间的差距更大。

问答

本文相关常见问题

这是微软开发的协调系统,让多个AI模型(GPT-5、GPT-5.5、Gemini 2.5 Flash等)像会诊医生一样互相辩论诊断,最后再给出结论。