微软 AI 于 2026 年 10 月 22 日在《科学》发表 Microsoft AI Diagnostic Orchestrator（MAI-DxO）相关结果。该系统编排多个 AI 智能体，分步问诊、申请检查、辩论诊断并权衡费用。微软将其表述为迈向所谓「医疗超级智能」的一步。
要点
| 内容 | |
|---|---|
| 系统 | MAI-DxO（Microsoft AI Diagnostic Orchestrator） |
| 论文 | 2026 年 10 月 22 日发表于《科学》 |
| 基准 | Sequential Diagnosis Benchmark（SDBench）：起始信息有限的交互式病例 |
| 复杂 NEJM 病例 | MAI-DxO 准确率 83%；医生查阅教材/网络为 36%，不查阅为 22%（微软 AI 博客） |
| MIMIC-IV-ED 病例 | MAI-DxO 80%，医生 47%（微软称约 1.7 倍） |
| 费用宣称 | 在保持准确的同时，估计检查与操作费用可降至对照的一半甚至三分之一 |
| 开源 | 部分 NEJM 病例，以及 Gatekeeper、Judge 与费用估算代码 |
| 临床下一步 | 与波士顿 Beth Israel Deaconess 医学中心开展前瞻性评估合作 |
| 同期愿景文 | 同周《BMJ Digital Health and AI》关于医疗超级智能构建模块的文章 |
背景
执业考试式题目往往一次给出全部信息。SDBench 则从有限信息起步，模型和医生都必须选择下一步问什么、开什么检查。微软称 MAI-DxO 更像多轮辩论的「虚拟医师会诊」，而不是一次作答。
TechCrunch 报道，微软用 OpenAI、谷歌、Anthropic、Meta、DeepSeek 等公司的模型测试编排层，公开配置中表现最强的与 OpenAI 的 GPT-5、GPT-5.5 相关。同文指出：提升很大一部分来自更强的基础模型，编排在复杂病例和较弱模型上额外增益更明显。TechCrunch 也提醒：NEJM 级复杂病例现实中多由专科或团队处理，而对照臂是全科/普通内科医生。
微软 AI CEO Mustafa Suleyman 对 TechCrunch、The Verge 表示，公司正与 Mayo Clinic 合作医疗基础模型，并预期明年出现更深入的临床决策支持部署。微软 AI 健康业务副总裁 Dominic King 说，Beth Israel 研究将在急诊与急症场景下，把知情同意患者与 DxO 的交互，与医生独立评估对照。
各方反应
The Verge 援引 Suleyman：技术仍需临床验证，并把《科学》结果称为路径上的重要节点。TechCrunch、The Verge、IT之家在报道准确率差距的同时，都提到这是模拟设定，以及专科对照缺失的问题。微软已有 Dragon Copilot、PowerScribe 等临床工具；DxO 被放在健康产品线扩展的位置，并非已公布的上市日期。
尚不清楚的地方
- Beth Israel 前瞻性研究启动后，真实即时病例上的表现。
- 商业化时间、监管路径，以及会嵌入哪些微软产品。
- 论文表格未覆盖的更新一代前沿模型的完整对照（The Verge 提到若干更新模型未列入）。
- 基准里的费用假设能否外推到其他医疗体系。