微软称其AI诊断工具在疾病诊断方面优于医生
内容提要
微软称其AI诊断工具在测试中准确率远超医生：在《新英格兰医学杂志》病例上约83%对36%，急诊病例80%对47%，且成本更低。该系统由多个AI代理协作，基于GPT-5，研究发表于《Science》。但测试仅基于历史病例，尚需临床验证。微软计划与医院开展真实环境测试，并推进“医疗超级智能”愿景。
延伸解读
测试成绩的参照系：历史病例与自建基准
微软83%对36%、80%对47%的对比数据来自其自建的SDBench基准，病例取自《新英格兰医学杂志》报告和波士顿贝斯以色列女执事医疗中心的急诊入院数据。这些是回顾性历史病例，医生面对的是已整理好的书面材料，而非真实问诊中的信息缺失与动态变化。因此成绩反映的是“解题”能力，不能直接等同于临床诊断水平。
多代理协作是卖点，但对比模型并不完整
该系统由多个AI代理分工推理症状、决定检查项目并给出诊断，底层为GPT-5。论文称其优于单独运行的前沿模型，并认为模型能力提升不会削弱多代理协作的收益。但论文未纳入GPT-6 Astra、Gemini 4 Argon等更新模型，因此“多代理优于单模型”的结论在最新模型上是否仍成立，尚待验证。
从论文到病房：真实环境测试与商业化仍无时间表
微软承认系统仅经过历史病例测试，需临床验证。公司计划未来数月与贝斯以色列女执事医疗中心合作开展医院真实环境测试，但未给出明确时间表；商业化何时、以何种方式落地也未说明。医疗监管与合规要求高，负责推广的高管强调需负责任地推进，这意味着短期内难以进入常规诊疗。
“医疗超级智能”愿景与医生角色的张力
该研究是微软“医疗超级智能”计划的一部分，公司还列出协调临床护理、制定治疗决策等五个AI需掌握的方向。CEO苏莱曼预测两三年内出现“与人类表现难以区分”的系统，同时坚持临床医生应始终处于患者护理的核心，希望AI承担繁琐工作、让医生有更多时间陪伴患者。但愿景与现有证据之间仍有明显距离。
Q&A
微软的AI诊断工具准确率到底比医生高多少？
在《新英格兰医学杂志》病例测试中，微软AI系统诊断准确率约83%，而普通医生使用参考资料时约36%，无参考资料时约22%。在急诊病例测试中，AI准确率80%，医生平均47%。
这个AI诊断工具是怎么工作的？
微软的Diagnostic Orchestrator由多个AI代理协作，基于GPT-5，模拟医学专家小组的推理过程：分析症状和病史、决定需要做哪些检查，最终得出诊断，模仿医生调查病例的流程。
微软的AI诊断工具现在能直接在医院用吗？
还不能。目前仅基于历史病例测试，尚未在真实临床环境中验证。微软承认需要临床验证，计划未来几个月与贝斯以色列女执事医疗中心合作开展医院环境测试，但未给出明确时间表。
微软说的“医疗超级智能”是什么？
这是微软的一个 broader 愿景，指能够超越最佳人类主导医疗系统的AI。诊断只是其中一部分，微软还列出了AI需要掌握的另外五个领域，包括协调临床护理、制定治疗决策和处理医学中的人性化方面。
这个AI诊断工具会取代医生吗？
微软AI CEO Mustafa Suleyman强调，人类临床医生应该且将继续在患者护理中发挥核心作用。他希望AI能减少医疗中的“苦差事”，让医生有更多时间陪伴患者，而不是取代医生。
这项研究的权威性如何？
研究发表在《Science》期刊上，经过同行评审。但论文未包含更新的模型如GPT-6 Astra、Meta的Muse Wonder Full、Google的Gemini 4 Argon或Anthropic的Opus 5.5。测试仅基于历史病例，尚未在真实临床环境中验证。
