Microsoft 称其 Diagnostic Orchestrator 诊断准确率可达医生四倍，论文发表于 Science

多年来，AI 领袖们一直把医疗保健吹捧为其技术将改善生活的一个最鲜明例证。如今“它终于到来了”，微软 AI 首席执行官 Mustafa Suleyman 告诉 The Verge。该公司宣称开发了一款 AI 驱动的工具，其诊断疾病的准确率最高可达人类医生的四倍。

这项发现于周四发表在全球最负盛名的期刊之一 Science 上（发表于），其依据是把微软的 AI 系统与人类医生进行对比测试，测试场景取自医学病例报告和急诊科数据。微软将这些病例汇编成自己的基准测试 SDBench，并计划将其开源。微软的 Diagnostic Orchestrator（诊断协调器）被设计为一个医学专家小组，它使用多个 AI 智能体来推理症状和病史、决定需要做哪些检查并得出诊断，模拟医生调查病例的过程。

在取自 The New England Journal of Medicine（新英格兰医学杂志）发表的数百份病例报告中，微软系统的诊断准确率约为 83%，而使用参考资料的全科医生约为 36%，不使用参考资料的则为 22%。在取自波士顿贝斯以色列女执事医疗中心大型患者入院 数据库 的急诊病例上，Diagnostic Orchestrator 也胜过了医生，准确率达 80%，而人类医生平均为 47%。该 AI 系统得出诊断的估计成本往往也低于人类同行。

研究人员表示，这套由 OpenAI 的 GPT-5 驱动的系统，其表现也优于单独运行的前沿 AI 模型，不过这份经同行评审的论文并未包含较新的模型，如 GPT-6 Astra、Meta 的 Muse Wonder Full、谷歌的 Gemini 4 Argon 或 Anthropic 的 Opus 5.5。Diagnostic Orchestrator 最初是在 GPT-4.1 还是当时最先进模型时开发的，但研究人员表示，后续测试表明“模型能力的提升并不一定会削弱多个智能体协同工作所带来的益处”。

微软承认，在这项技术得到广泛部署之前还有很长的路要走。虽然这些测试更贴近医生诊断疾病的方式——先提问、权衡各种可能的解释、安排检查，然后得出诊断——但该系统仅在过去的医疗病例上进行过测试，它在真实临床环境中的表现仍不明朗。“它需要临床验证，”Suleyman 说，“这是一次跨越，但这是这一旅程中的一个重要里程碑。”

这项研究是微软更宏大抱负的一部分，即开发该公司所谓的“医疗超级智能”——能够超越最优秀的人类主导医疗体系的 AI。早在 Donald Trump 及其政府 将“超级智能”当作“AI”的全面替代词之前，微软就已 使用这个词 了。

该研究的合著者、微软 AI 医疗负责人 Dominic King 博士表示，诊断只是微软医疗愿景的一部分。在周四发布的一篇博客文章和发表于《BMJ Digital Health & AI》医学期刊的一篇文章中，该公司列出了它认为 AI 还需要掌握的其他五个领域，包括协调临床护理、做出治疗决策，以及处理医疗中涉及人的方面。

King 告诉《The Verge》，微软计划与贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）合作，开始在医院环境中测试该系统，以观察其在真实临床环境中的表现。King 和 Suleyman 都不愿给出明确的时间表，不过 King 表示它可能会“在未来几个月内启动”。

商业化也可能会提上日程，不过微软尚未说明这项技术何时或如何推出。该公司已经通过其数字工具在美国医疗保健领域占有重要地位，而医疗保健是其面向消费者的聊天机器人 Copilot 最受欢迎的用途之一。King 强调需要负责任地推行，并指出医疗领域需要遵守高昂的监管和合规要求。

“明年，我们将看到极其令人印象深刻的智能系统在生产环境中的部署，”Suleyman 说。“我认为这将极大地改变医疗服务的提供方式。”

Suleyman 此前曾谈过他对 AI 的“以人为本”愿景，并表示医疗领域也不例外。即便他预测“在未来几年内，医疗超级智能将出现与人类表现难以区分的东西”，他仍坚持认为，人类临床医生应该、也将会在患者护理中始终扮演核心角色。

虽然他承认 AI 最终可能会让医生接到更多工作，但他表示，他希望 AI 能消除医疗工作中的一些“苦差事”，让临床医生有更多时间与患者相处。

“我对接下来要发生的事情非常乐观，”他说。“我想这正是我们打造技术的原因。”

关注本报道的主题和作者，以便在您的个性化首页信息流中看到更多类似内容，并接收邮件更新。

• Robert Hart