微软最新发布的AI诊断系统MAI-DxO（简称DxO），在模拟环境中对复杂病例的正确诊断频率是普通医生的两倍以上。这项发表于《科学》杂志的研究，被微软AI首席执行官穆斯塔法·苏莱曼视为迈向“医疗超级智能”的关键一步。
模拟测试：准确率大幅领先
DxO通过协调多个AI代理运作，机制类似医生会诊小组，涵盖问诊、开具检查单及讨论诊断结果全流程。在基于《新英格兰医学杂志》复杂病例的模拟测试中，该系统准确率达到83%。相比之下，仅依靠参考资料的主治医师和内科全科医生准确率仅为36%。需指出的是，此类复杂病例通常由专科医生或团队处理，后者并未参与此次对比。
研究数据显示，性能提升主要源于更强大的底层AI模型，而微软的编排系统在此基础上进一步优化了效果。微软测试了包括OpenAI、谷歌、Anthropic、Meta和DeepSeek在内的多家模型，其中结合OpenAI的GPT-5和GPT-5.5时表现最佳。
成本与效能的博弈
微软不仅评估准确性，还测算了单病例处理成本。在使用GPT-5处理复杂病例时，仅用基础提示词的准确率为78.9%，成本约8400美元；引入DxO后，成本降低约3000美元，但准确率仅提升约4个百分点。在急诊科病例中，无论是否使用DxO，准确率和成本均无显著改善。
对于预计于2026年4月发布的GPT-5.5，DxO将其在复杂病例上的准确率从72%提升至近87%，且成本略低，但在急诊场景中仍未显现增益，两者得分均维持在85%左右。此外，DxO对较弱模型的提升更为明显，如将Gemini 2.5 Flash的准确率从46.4%提升至近69%。微软研究人员表示，随着模型接近理论上限，准确率提升空间自然缩小，DxO的核心价值在于优化准确性与成本的平衡。
从模拟走向临床现实
苏莱曼透露，微软正与梅奥诊所合作训练专用医疗基础模型，计划明年发布，旨在实现病历编码风格的突破。他预测，到2027年，AI将能高度准确地流式传输病历发展预测，为临床医生提供无价远见。苏莱曼认为，未来24至36个月内，医疗模型能力将“提高一个数量级”，并在病历和临床决策支持领域形成类似代码生成的快速迭代飞轮。
为验证临床推理能力，微软已与波士顿贝斯以色列女执事医疗中心建立合作伙伴关系，将在真实医院环境中评估DxO。微软AI健康副总裁多米尼克·金表示，该技术已准备好接受现实世界评估。研究期间，患者将接受标准治疗，同时自愿参与者将与DxO互动，研究人员将对比AI建议与人类医生的决策。
金指出，这将是同类研究中规模最大的一项，涵盖急诊及紧急护理环境，旨在为系统的大规模部署提供有力证据。此前，谷歌也在《柳叶刀》发表了类似临床研究。微软希望借此超越单一任务基准测试，通过与临床系统及医生深度集成，构建真正的医疗超级智能，并将其作为区别于其他前沿实验室的核心优势。