微软 10 月 22 日官宣：自家 AI 诊断系统 MAI-DxO 的研究成果登上了《科学》杂志。测试数据相当扎眼——在复杂病例诊断上，它的准确率超过了全科医生的两倍，而且还能减少不必要的检查和手术。微软打算未来几个月在波士顿的贝斯以色列女执事医疗中心启动真正的临床试验。
具体数字长这样：复杂病例测试中，MAI-DxO 准确率 83.2%；可以查参考资料的全科医生只有 36.1%，不让查资料时更是掉到 22% 左右。急诊入院病例测试里，AI 是 80.3%，医生是 46.8%。底座用的是 OpenAI GPT-5，换成 GPT-5.5 后成绩还在往上涨。
boxiyunAI的看法
- 差距大到有点反常，先别急着欢呼。83.2% 对 36.1%，看着吓人，但测试设置是「复杂病例」，现实门诊里大多数是常见病，全科医生都处理得很好。这个对比更像是「专家级难题下的上限测试」，不能直接推出「AI 比医生强一倍」。
- 多智能体架构是关键。MAI-DxO 模拟的是一个医生团队：一个提诊断、一个挑检查项目、一个专门唱反调质疑假设，还要权衡检查成本。这种「互相抬杠」的设计，比单个大模型直接给答案靠谱得多，这也是微软敢往《科学》上发的底气。
- 「成本降到一半甚至三分之一」这个说法要打个折。微软自己也承认，这笔账是按模拟病例算的，不是真实医疗账单。真进了临床试验，挂号、影像、医生工时这些成本怎么算，数字大概率会变。
- 方向对了：AI 当助手，不当替身。微软反复强调现阶段是辅助医务人员，不是取代医生。这个定位反而靠谱——先让 AI 帮医生盯着少见病、减少漏诊，等临床数据攒够了再谈更大的事。
总的来说，这次不是 PPT 而是过了同行评审的硬成果，微软把 AI 看病从「实验室 demo」推到了「临床试验门口」。接下来几个月波士顿那场临床试验的结果，才是真正决定 AI 诊断能不能进医院的关键节点，值得盯一下。
