微軟 AI 診斷系統在 Science 發表：複雜病例準確率 83%，醫生 36%
微軟 AI 部門的診斷系統 MAI-DxO（Microsoft AI Diagnostic Orchestrator）在 2026 年 10 月 22 日的《Science》發表論文，在 304 宗取自《新英格蘭醫學雜誌》臨床病理討論會的複雜病例中，診斷準確率 83.2%；同一批病例，可以查閱搜尋器和參考資料的普通科醫生平均 36.1%，不准查資料的只有 22.3%。據 Medical Economics 10 月 22 日報道，分數最高的一位醫生是 51.8%，仍然在準確率和成本兩方面都輸給 MAI-DxO。
微軟 AI 行政總裁 Mustafa Suleyman 在同日的 X 帖文把重點放在另一組數字：在急症室常見病例上，系統的準確率是醫生的 1.7 倍。
兩組病例，兩個比數
論文用的基準叫 SDBench，由兩批病例組成：304 宗《新英格蘭醫學雜誌》臨床病理討論會病例，以及 325 宗由急症室收症的真實紀錄，來自波士頓 Beth Israel Deaconess 醫療中心的 MIMIC-IV-ED 資料庫。
病例組 | MAI-DxO | 醫生（可查資料） | 醫生（不可查） | 最高分的一位醫生 |
|---|---|---|---|---|
《新英格蘭醫學雜誌》複雜病例（304 宗） | 83.2% | 36.1% | 22.3% | 51.8% |
急症室病例（325 宗） | 80.3% | 46.8% | 不適用 | 62.5% |
微軟在 10 月 22 日的公司網誌補充，同一套編排方法換上較新的模型（包括 GPT-5.5）重跑，分數不跌反升，顯示效果並非綁定某一代模型。
它不是一次過讀完病歷，而是逐步問診
據微軟的網誌，MAI-DxO 運作起來像一組虛擬醫生會診：多個 AI 代理各自提出診斷、挑選要問的問題或要做的化驗，並互相質疑，系統在幾輪辯論之間更新判斷，同時衡量每項檢查的價值和價錢。論文的主結果跑在 OpenAI 的 GPT-5 上。
SDBench 的設計是逼兩邊都一步步來：每宗病例只給一段簡短的臨床表現，之後要自己決定問甚麼病史、做甚麼化驗、何時夠資料下診斷，另一個 AI「守門人」只在被明確要求時才交出該項資料。據 Medical Economics 報道，醫生平均問 5.6 條問題就做第一項化驗，MAI-DxO 則問 25.5 條。
成本：不設上限時反而比醫生貴
據 Medical Economics 引述論文，在不設預算上限的設定下，MAI-DxO 每宗病例的平均檢查成本高過醫生：複雜病例 5,431 美元對 4,725 美元，急症室病例 4,979 美元對 3,400 美元。每項檢查的價錢按醫院收費表的 CPT 定價估算。
設定 | 複雜病例 | 急症室病例 |
|---|---|---|
不設上限 | 83.2%，5,431 美元 | 80.3%，4,979 美元 |
收緊預算 | 80.9%，2,241 美元 | 73.2%，2,634 美元 |
再收緊 | 79.6%，1,303 美元 | 69.5%，2,037 美元 |
收緊預算之後準確率回落，但兩組都仍然高於醫生的平均分。
作者自己列出的限制
論文作者在文中列明多項限制：對照的是普通科醫生，不是專科醫生或跨科團隊，他們預期對上配對專科的醫生時差距會收窄；基準全部是文字，不含影像、波形或病理切片；每宗病例都有確定的病理診斷，所以健康和良性的求診被排除在外，病例組合並不反映日常應診；成本估算用美國標準價，沒有計入入侵性、病人不適或等結果的時間。研究只量度診斷階段，沒有評估治療決定、病人安全或結果。
論文的披露欄寫明，全部作者都是微軟僱員並持有公司股權，當中八人是一項與評估框架有關的微軟專利申請的具名發明人，研究沒有外部資金。
下一步是入醫院，但未有時間表
Suleyman 向 The Verge 表示：「它需要臨床驗證。那是一個跨越，但這是這段路上的一個重要里程碑。」他同時說，「我們會在未來一兩年內造出與人類表現無法區分的東西」。
論文共同作者、微軟 AI 健康主管 Dominic King 向 The Verge 表示，微軟計劃與 Beth Israel Deaconess 醫療中心合作，把系統放進醫院環境測試，兩人都沒有承諾確實時間表，King 只說測試大致會在數個月內展開。微軟亦未公布技術何時或以何種形式商用。
暫時未有留言
提交留言即表示你已閱讀我們的私隱政策。