如果 AI 能帮助临床医生一步步梳理复杂的医学诊断，并以更低的成本、更少的医学检查实现更高的准确率，会怎样？
这样的未来正逐渐清晰。在美国急诊科的常见就诊病例中，使用 MIMIC-IV-ED 的病例进行评估时，我们的 AI 诊断系统 MAI-DxO 的准确率是医生的 1.7 倍。
而在医学中最复杂的病例上——这些病例发表于 《新英格兰医学杂志》——MAI-DxO 的准确率是使用教科书和互联网的医生的两倍以上，而在医生不使用这些资源进行诊断时，其准确率接近医生的四倍。它还能以一半甚至三分之一的成本做到这一点，用更少的检查和操作得出正确诊断。
我们的研究成果今天发表于 《科学》.
了解更多关于我们对医疗超级智能的愿景，该内容也于本周发表于 《BMJ 数字健康与 AI》.
重新思考 AI 的构建与测试方式
AI 有潜力变革健康和医疗，而且进展正在迅速加快。当前的挑战在于构建并严格评估 AI 系统，将其临床推理能力的进步转化为有意义的影响。
今天的论文 建立在早期工作之上, 为这一转变引入了两项基础：顺序诊断基准（SDBench），用于测试逐步诊断推理；以及微软 AI 诊断编排器（MAI-DxO），这是我们在该基准上表现领先的 AI 系统。
美国医师执照考试（USMLE）等医学执照考试旨在评估医生的知识，而非做出临床诊断的现实情况。在这些考试中，所有信息都会预先给出，并选择一个答案；而在实践中，临床医生必须逐步构建整体图景，决定要询问什么、开具哪些检查，以及每项新发现如何改变可能的诊断。此类考试已成为评估健康 AI 性能的常见基准。
这就是我们开发 SDBench 的原因，它通过两组互补的病例来评估性能：304 个取自 《新英格兰医学杂志》 （NEJM）病例讨论的复杂病例，以及一组来自 MIMIC-IV-ED 的更典型的急诊科就诊病例。每个病例都会成为一个交互式案例，AI 模型和/或医生从有限信息开始，并选择接下来请求什么。该基准衡量诊断准确率、所请求的证据以及估算的检查成本——既评估答案，也评估所采取的路径。
我们构建了 MAI-DxO，并在 SDBench 中对其进行了测试。它不依赖单一模型立即给出答案，而是像一组虚拟医生一样运作：每位虚拟医生提出诊断、选择有用的问题或检查，并对正在形成的观点提出质疑。MAI-DxO 在数轮辩论中协调这一交流，随着证据到来更新其评估，并权衡每项检查的可能价值与成本。
我们的发现：
- 在复杂的NEJM病例上，MAI-DxO达到了83%的诊断准确率。医生在没有外部参考资料时准确率为22%，有外部参考资料时为36%，这意味着MAI-DxO的准确率分别约为医生的3.7倍和2.3倍。
- 在来自MIMIC-IV-ED的更典型的急诊科病例上，MAI-DxO达到了80%的准确率，而医生为47%——高出1.7倍以上。
- 当更侧重成本优化时，MAI-DxO在保持强劲表现的同时选择了更具成本效益的检查方案。在NEJM病例上，一种配置以不到对比系统一半的成本达到了81%的准确率。
- 在两个数据集上，没有任何其他人类或AI方法比MAI-DxO既更准确又更便宜。
- 当我们使用包括GPT-5.5在内的更新模型重复评估、且不改变编排方法时，这些提升得以保持——并有所改善，这表明该方法并不绑定于某一代模型。
我们正在开源SDBench中部分NEJM病例的相关内容——包括基准、Gatekeeper、Judge和成本估算代码——以便研究人员能够复现评估、测试其他模型，并对研究结果提出挑战或加以扩展。
从更好的诊断到更好的照护
诊断只是照护旅程的一部分。更好的照护还需要跟上医学知识的步伐、选择正确的治疗方案、理解随时间发生的变化，并支持反映个人价值观和照护可及性的选择。机遇在于将这些能力统一为一种目前尚未广泛可用的照护标准。在 《医学超级智能的构建模块》一文中，该文发表于 《BMJ数字健康与AI》，我们探讨了AI要支持这一更宏大愿景——并最终超越当今最强临床团队和卫生系统的能力——需要具备哪些条件。
顺序诊断提供了一个早期范例：AI医生协同工作、质疑假设，并随着证据的出现不断完善其临床推理。我们的目标是构建能够在整个照护旅程中连接知识、情境和决策的AI——而不仅仅是在某一项临床任务上表现出色。通过与 Mayo Clinic的合作，我们旨在将前沿AI、临床专业知识和纵向多模态数据相结合，构建能够应对真实世界照护复杂性和多样性的系统。
在真实世界中测试
基准很重要，但真正的考验是在真实临床环境中的表现。通过与波士顿的 Beth Israel Deaconess Medical Center 建立新的合作关系，我们将在不同的医院环境中评估临床推理能力。在一项前瞻性研究中，患者将直接与系统交互，并将表现与医生的独立评估进行对比。与临床团队并肩工作将揭示该技术在哪些方面取得成功、哪些方面存在不足，以及如何融入繁忙的工作流程。
微软健康
医学AI的快速进步正在为患者和临床医生开辟新的可能性。为了将这一进展转化为实际影响，我们正在将微软各处的健康团队——包括来自微软研究院的科学家，以及Dragon Copilot和PowerScribe等产品背后的团队——汇聚到Microsoft AI的一项整合行动中。通过携手合作，我们将加速交付可信赖的AI系统，以推动更好的临床结果和照护体验。
与我们一起构建未来
我们是一个精干、行动迅速的实验室，汇聚了世界上一些最有才华的人才。我们在MAI拥有一份令人振奋的算力路线图，其规模正在快速且大规模地提升。我们还有一个我们真正相信的雄心勃勃的使命。我们也很幸运能与出色的产品团队合作，让我们的模型有机会触达数十亿用户并创造巨大的积极影响。如果你是一位才华横溢、雄心勃勃且不摆架子的人，你会非常适合这里——来加入我们，一起研发我们的下一代模型！
探索所有职位 相关区块