微软表示，其AI诊断系统在一项模拟中对复杂医疗病例的诊断正确率，超过了全科医生的两倍多。根据周四发表于《科学》的一项研究，微软AI首席执行官穆斯塔法·苏莱曼称，这一结果是迈向“医疗超级智能”的一步。

这套系统名为MAI-DxO，简称DxO，它协调多个AI代理，像一个医生小组一样运作。系统会向患者提问、安排检查，并围绕诊断展开讨论。

在使用《新英格兰医学杂志》中的复杂病例进行的模拟中，DxO的正确率为83%。而初级保健医生和普通内科医生在使用参考资料、单独作答时，正确率为36%。不过需要说明的是，这类复杂病例通常由专科医生或医生团队处理，而这些人并未纳入此次比较。

微软AI健康业务副总裁多米尼克·金对TechCrunch表示：“这里面确实有非常实质性、也很令人兴奋的东西。当前医疗服务面临的最大挑战，是医疗专业能力供需之间的差距不断扩大。”

随着这项研究结果的发布，微软加入了谷歌和OpenAI的行列，后两者也都声称自家的AI可以达到或超过医生水平。

研究数据本身显示，性能提升很大一部分来自更强大的底层AI模型，而微软的编排系统在此基础上又带来了额外增益。

微软测试了来自多家公司的模型，包括OpenAI、谷歌、Anthropic、Meta和DeepSeek，但最佳结果来自OpenAI的GPT-5和GPT-5.5。

微软还同时衡量了DxO的成本和准确率，也就是AI处理每个病例的估算成本。单独使用GPT-5、只配一个简短基础提示时，它在复杂病例上的得分为78.9%，每个病例成本约为8400美元。加入DxO后，成本下降约3000美元，但准确率只提高了约4个百分点。在急诊病例上，GPT-5单独使用与加入DxO后，在准确率和成本方面几乎都没有明显改善。

在GPT-5.5上，结果则有所分化。这款于2026年4月发布的新模型在复杂病例上的得分，从72%提升到接近87%，而成本还略低一些。不过，这种提升同样没有体现在急诊病例上。无论是否加入DxO，两种情况下的得分都约为85%，成本也相近。

DxO在复杂病例以及能力较弱的AI模型上帮助最大。比如，Gemini 2.5 Flash单独使用时得分为46.4%，加入DxO后接近69%。即便如此，弱模型与强模型之间的差距，仍然大于DxO带来的提升。

微软研究人员表示，随着模型接近理论上限，准确率提升自然会缩小。微软发言人补充说：“DxO的编排有助于解决更广泛的优化问题，也就是同时优化准确率和成本。”

苏莱曼对TechCrunch表示，微软正与梅奥诊所合作训练一款面向医疗的基础模型，计划于明年发布。他认为，这款模型将帮助公司“在这里实现非常巨大的跃升”，而DxO则是微软为推动医疗领域真正突破而搭建的基础设施的一部分。

苏莱曼说：“我真的相信，到2027年，我们将站在医疗记录领域类似编码突破的边缘。我认为，我们将能够持续输出关于医疗记录可能如何演变的高精度预测，而这种前瞻性对临床医生来说无疑是极其宝贵的。”

苏莱曼职业生涯一直在尝试用AI解决医疗问题。他此前是DeepMind的联合创始人之一，DeepMind于2014年被谷歌收购。第二年，谷歌DeepMind收购了金的初创公司Hark，这是一款临床任务管理应用，两人随后共同推出了DeepMind Health。苏莱曼于2024年加入微软，领导其AI部门，金也在几个月后加入。

“我们都是真正的信徒，”苏莱曼说。

他表示，尽管生成式AI在医疗领域的应用仍处于早期阶段，但他预计，在未来24到36个月内，医疗模型的能力将“提升一个数量级”。

苏莱曼说：“正如我们在过去五六年里多次看到的那样，一旦形成飞轮，进展就会非常快。所谓飞轮，是指我们有一个已经投入生产的模型，并在真实世界使用中不断迭代，以识别模型中的缺口，然后修补并改进它。这在编程领域已经发生过，在更早之前的聊天场景中也发生过。我认为，明年医疗记录和临床决策支持也会开始出现这种情况。”

通过与波士顿贝斯以色列女执事医疗中心达成的新合作，微软将评估DxO在不同医院环境中的临床推理能力。

金说：“这项技术已经准备好接受真实世界评估，你可以想象，周五晚上波士顿急诊科会带来多么复杂和多样的问题。”

他解释了研究将如何进行：患者将接受标准治疗，包括分诊、与专科医生会诊、治疗、检查，以及是否可以安全出院的决定。与此同时，愿意同意参与的患者也会与DxO互动。微软及其合作伙伴将把DxO的建议与人类医生的建议进行比较。

谷歌本月也在《柳叶刀》上与贝斯以色列合作发表了一项临床研究，评估其对话式诊断AI AMIE在真实世界急诊就诊中的表现，而人类医生会实时监控这些互动。

金说：“我们认为这将是同类研究中规模最大的一项。它不仅会覆盖急诊环境，还会覆盖急诊护理环境，并将在研究结束时为我们提供非常有说服力的证据，证明这些系统未来可以更大规模部署。”

微软在《科学》上发表的研究，也与一份类似宣言的文件相呼应，内容是构建医疗超级智能需要什么。微软将其定义为“在整个医疗照护过程中，医疗推理和协调能力超过最强的人类主导医疗系统的能力”。微软希望超越对单项任务的基准测试——例如回答医学考试题和生成诊断——转而与临床医生和医疗系统整合，以获得更好的结果。

苏莱曼说：“这种技术是全世界每个人都想要的，这也是为什么我们致力于尽一切可能加速它走向世界。”他补充说，这一重点可能成为微软相较其他前沿实验室的差异化优势。

微软已经向临床医生销售听写和放射学工具，并将DxO视为对这些业务的扩展。

苏莱曼说：“在未来几年里，我们必须拥有绝对第一、最先进的医疗临床决策支持产品。”