[智能应用]微软 AI 诊断准确率超人类医生4倍，以后看病前先问问它？[4P] [复制链接]

四倍，AI 医生的诊断准确率远超过人类医生。
这可能有点难以置信，但微软人工智能团队日前发布的一项 AI 诊断协调系统 MAI-DxO（MAI Diagnostic Orchestrator）真的做到了。
它在《新英格兰医学杂志》每周发布共计 304 个真实复杂病例上进行了基准测试。测试结果显示，准确率达到了85.5%。
这个基准测试不再是之前光凭借记忆，就可以做到的试卷答题，而是微软创建的全新的评测标准，「顺序诊断基准」（SD Bench）。它高度还原了真实诊疗过程的互动挑战：从患者的初步症状描述入手。通过多轮提问，选择各种检验检查，逐步手机病情信息。每开一项检查，同时记录检查项目的费用；评估必要性和成本。给出最终诊断。
同样面对这个 304 个复杂病例，微软选择了另外 21 位来自美国和英国，具有 5 年至 20 年临床经验的执业医生，测试结果显示，真实医生的平均准确率仅为 20%，这与 「AI 医生」的差距足足有四倍之大。
同时，与人类医生相比，这个「AI 医生」还少开了很多不必要的检查，减少了 20%-70% 的诊断成本。

▲顺序诊断基准测试介绍图，「守门人」回应来自诊断代理的信息请求，评估模型则评估诊断代理的最终诊断与病例报告准确度。
MAI-DxO 究竟是如何做到人类医生的准确率四倍之高呢，它不是一个新出现的大语言模型，它也不依赖某个单一的模型。
MAI-DxO 是一个模拟现实中多名医生合作诊断过程的系统。得益于当前大语言模型的持续发展，在 MAI-DxO 系统中，有不同的语言模型去扮演五种不同的医疗角色。
这些医疗角色包括推测各种结果的假设医生、选择医生、质疑当前诊断假设的挑战医生、避免不必要检查的成本管理医生、以及确保诊断步骤和选择逻辑一致的检查表医生。
这些「医生」协作工作，充分地模拟了人类医生团队的工作流程，还弥补了单一 AI 模型在复杂诊断中可能出现的缺陷。

▲MAI-DxO 系统概览图
如上图描述的系统概览图所示，MAI-DxO 完全模拟了我们去医院看病的流程。首先从问诊开始，MAIN-DxO 会得到一个简短的临床小故事，通常为 2-3 句话，包含病例的基本情况。接着，MAI-DxO 会开始总结患者的主要诉求，选择下一步操作，是继续向患者提问，还是申请开检查。每开一项检查会计算检查费用，同时持续进行多轮互动，直到给出最后诊断结果。
在测试过程中，MAI-DxO 利用 o4-mini 和专业医生设置了一个「守门人」，确保系统给 AI 的信息是与正常医生在问诊和临床上能够得到的信息一样。
MAI-DxO 的出现，为大语言模型在医疗诊断上取得明显的性能提升。微软测试了来自 OpenAI、Gemini、Claude、Grok、DeepSeek 以及 Llama 系列的不同模型，表现均优于仅使用单一的 AI 模型，而表现最好的组合是 MAI-DxO 与 OpenAI 的 o3 配对。
由于不受大语言模型的限制，MAI-DxO 还能够在将来有更好的模型出现时，同步适配。

▲不同人工智能模型的准确性和每例平均诊断测试成本对比
尽管看起来 「AI 医生」已经有模有样，不过 AI 要真正做一个好医生可不是那么容易的。
微软在该项目论文最后提到，这次的研究存在显著局限性，包括像参与对比实验的 21 位医生并没有获得同行的讨论协助、参考书籍以及生成式 AI 等资源。此外，微软这次实验也仅仅只讨论了最具挑战性的病例难题，而对我们一般的日常性疾病诊断没有做进一步的测试。
微软强调 AI 不会取代医生，它将成为医生与患者共同的助手。
但就是这个医生和患者共同的助手，也持续地吸引着全世界范围的关注；早在今年 3 月，微软就发布了医疗界首个用于临床工作流程的 AI 助手 Microsoft Dragon Copilot，它能帮助医生更好的整理病例的临床文件。
IBM 推出 IBM Watson Health 医疗人工智能平台、谷歌的 DeepMind、以及英伟达的 NVIDIA Clara 等，都正从导诊、问诊、病理等医疗场景中带来新的变革。
前段时间，阿里达摩院也发布了全球首个胃癌影像筛查 AI 模型 DAMO GRAPE，首次利用平扫 CT 影像结合深度学习识别早期胃癌病灶。
华为今年才组建组建医疗卫生军团，上周也联合瑞金医院，宣布开源 RuiPath 病理模型，具备临床验证能力，覆盖肺癌等 7 个常见癌种。
医学需要极高的精准度，0.01% 的失误也有可能造成严重的后果，它完全不同于程序员写代码时出现的 bug。
MAI-DxO 模拟真实问诊的过程，看起来这条 AI 医疗之路越来越清晰。

　　微软人工智能团队发布的AI诊断协调系统MAI-DxO（MAI Diagnostic Orchestrator）在诊断准确率上远超过人类医生，这一成果确实令人印象深刻。MAI-DxO通过模拟现实中多名医生合作诊断的过程，利用不同的语言模型扮演五种不同的医疗角色，包括假设医生、选择医生、挑战医生、成本管理医生和检查表医生，这些角色共同协作，模拟人类医生团队的工作流程，并弥补了单一AI模型在复杂诊断中可能出现的缺陷。

　　MAI-DxO在《新英格兰医学杂志》上发布的304个真实复杂病例上进行了基准测试，准确率达到了85.5%，而相比之下，21位具有5年至20年临床经验的执业医生的平均准确率仅为20%，差距达到了四倍。此外，MAI-DxO还减少了20%-70%的诊断成本，因为它少开了很多不必要的检查。

　　MAI-DxO的成功不仅在于其高准确率，还在于其能够模拟真实的问诊过程。它从患者的初步症状描述入手，通过多轮提问和选择各种检验检查，逐步收集病情信息，并在每开一项检查的同时记录检查项目的费用和评估其必要性及成本，最终给出诊断。

　　尽管MAI-DxO展现出了巨大的潜力，微软也强调了这项研究存在的局限性，比如参与对比实验的医生没有获得同行讨论协助、参考书籍以及生成式AI等资源。此外，实验仅讨论了最具挑战性的病例难题，而没有对日常性疾病诊断进行测试。

　　微软明确表示AI不会取代医生，而是将成为医生与患者的共同助手。这一点非常重要，因为医学需要极高的精准度，任何小的失误都可能造成严重后果。MAI-DxO和类似的AI工具的发展，标志着AI在医疗领域的应用越来越深入和广泛，它们有望为医疗行业带来新的变革和提高诊断的效率与准确性。

微软 AI 诊断准确率超人类医生4倍，看病前是否先问它？
微软 AI 诊断系统的情况
微软人工智能团队日前发布的 AI 诊断协调系统 MAI - DxO（MAI Diagnostic Orchestrator）在诊断准确率上表现出色。它在《新英格兰医学杂志》每周发布共计 304 个真实复杂病例的基准测试中，准确率达到了 85.5%。而同样面对这 304 个复杂病例，21 位来自美国和英国、具有 5 年至 20 年临床经验的执业医生，平均准确率仅为 20%，差距达四倍之大。同时，该“AI 医生”还少开了很多不必要的检查，减少了 20% - 70%的诊断成本2。

MAI - DxO 不是新的大语言模型，也不依赖单一模型，而是模拟现实中多名医生合作诊断过程的系统。在这个系统中，有不同的语言模型去扮演五种不同的医疗角色，包括假设医生、选择医生、挑战医生、成本管理医生和检查表医生，它们协作工作，模拟人类医生团队的工作流程，弥补了单一 AI 模型在复杂诊断中可能出现的缺陷23。

看病前先问它的可行性
优势
高准确率：在复杂病例诊断上展现出远高于人类医生的准确率，能为患者提供初步的诊断参考，帮助患者对自身病情有一个初步的认识1234。
成本控制：能减少不必要的检查，降低诊断成本，对于患者来说可以节省医疗费用2。
可扩展性：不受大语言模型的限制，能够在将来有更好的模型出现时同步适配，随着技术发展，其诊断能力可能进一步提升23。
加速诊疗进程：微软认为这项技术能够加速诊疗进程，在一定程度上缓解医疗系统人员短缺和患者候诊时间过长等问题4