微软 AI 诊断工具在 Science 发表研究，称准确率最高达人类医生四倍

多年来，AI领袖们一直把医疗保健标榜为其技术将改善生活的最明显例子之一。如今，“它终于到来了”，微软AI首席执行官穆斯塔法·苏莱曼对The Verge表示。该公司声称已开发出一款AI驱动的工具，据其所说，该工具诊断疾病的准确率最高可达人类医生的四倍。

这些发现于周四发表在全球最负盛名的期刊之一《科学》上，基于将微软的AI系统与人类医生进行对比的测试，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SDBench，并计划将其开源。微软的Diagnostic Orchestrator被设计为像一组医学专家那样运作，使用多个AI智能体对症状和病史进行推理，决定需要安排哪些检查，并得出诊断，模仿医生调查病例的过程。

在取自《新英格兰医学杂志》发表的数百份报告的病例上，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%，不使用参考资料的全科医生为22%。Diagnostic Orchestrator在取自波士顿贝斯以色列女执事医疗中心大量患者入院数据库的急诊病例上也优于医生，准确率达到80%，而人类医生的平均准确率为47%。该AI系统给出诊断的估算成本也往往低于人类医生。

研究人员表示，该系统由OpenAI的GPT-5驱动，其表现也优于单独运行的前沿AI模型，不过这篇经过同行评审的论文并未纳入GPT-6 Astra、Meta的Muse Wonder Full、谷歌的Gemini 4 Argon或Anthropic的Opus 5.5等较新模型。Diagnostic Orchestrator最初是在GPT-4.1为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的优势。

微软承认，在这项技术能够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病情的方式——询问问题、权衡可能的解释、在得出诊断前安排检查——但该系统仅在过往病例上进行了测试，它在真实临床环境中的表现如何仍不清楚。“它需要临床验证，”苏莱曼说。“这是一个飞跃，但这是那段旅程中的一个重要里程碑。”

这项研究是微软更广泛雄心的一部分，即开发该公司所称的“医疗超级智能”——能够超越最佳人类主导医疗保健系统的AI。微软早在唐纳德·特朗普及其政府将“超级智能”一词挪用为“AI”的笼统替代说法之前就已使用该词。

诊断只是微软健康愿景的一部分，该公司AI健康负责人、该研究的合著者多米尼克·金博士说。在周四发布的一篇博客文章以及发表在《BMJ Digital Health & AI》医学期刊上的一篇文章中，该公司概述了它认为AI需要掌握的另外五个领域，包括协调临床护理、做出治疗决策以及处理医学中涉及人文关怀的一面。

金对The Verge表示，微软计划与贝斯以色列女执事医疗中心合作，在医院环境中开始测试该系统，以了解其在真实临床环境中的表现。金和苏莱曼均未承诺具体时间表，不过金表示，测试很可能“在未来几个月内启动”。

商业化也可能即将到来，尽管微软尚未说明该技术何时或以何种方式面世。该公司已通过其数字工具在美国医疗保健领域拥有重要存在，而健康是其面向消费者的聊天机器人Copilot最受欢迎的用途之一。金强调需要负责任地推出，并指出医学领域有严格的监管和合规要求需要遵守。

“明年我们将看到智能系统在生产环境中极其令人印象深刻的部署，”苏莱曼说。“我认为这将极大地改变护理的提供方式。”

苏莱曼此前曾谈到他对AI的“以人为本”愿景，并表示医学也不例外。尽管他预测“未来几年内将出现与医疗超级智能的人类表现无法区分的东西”，但他坚持认为，人类临床医生应该而且将始终在患者护理中发挥核心作用。

虽然他承认AI最终可能导致医生被分配更多工作，但他表示，他希望AI能消除医学中的一些“苦差事”，让临床医生有更多时间陪伴患者。

“我对接下来要发生的事情非常乐观，”他说。“我认为这就是我们构建技术的原因。”