根据周四发表在《科学》杂志上的一项研究，微软的AI诊断系统在模拟中正确诊断复杂医学病例的频率是全科医生的两倍多。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。
该系统名为MAI-DxO（简称DxO），协调多个AI智能体，使其像医生小组一样工作：询问患者、开具检查，并就诊断展开辩论。
在一项使用《新英格兰医学杂志》复杂病例的模拟中，它的正确率为83%。基层医生和普通内科医生在单独查阅参考资料的情况下，正确率为36%。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，而他们并未参与此次对比。
“这里有一些非常实质且令人兴奋的东西，”微软AI健康业务副总裁多米尼克·金对TechCrunch表示，“当前医疗服务交付中最大的挑战，是医疗专业能力的需求与供给之间日益扩大的错配。”
通过发布这些结果，微软加入了谷歌和OpenAI的行列，宣称其AI能够比肩甚至超越医生。
该研究自身的数据表明，大部分提升来自更强大的底层AI模型，而微软的编排系统则在此基础上带来额外增益。
微软用来自多家公司的模型测试了MAI-DxO，包括OpenAI、谷歌、Anthropic、Meta和DeepSeek，但其最佳结果来自OpenAI的GPT-5和GPT-5.5。
微软从成本和准确性两方面衡量DxO，即运行AI处理每个病例的估算成本。仅使用简短的基础提示词时，GPT-5在复杂病例上的得分为78.9%，每个病例成本约8400美元。DxO将成本削减约3000美元，但准确率仅提高约4个百分点。在急诊科病例上，GPT-5单独使用与在DxO辅助下相比，准确率或成本改善均不明显。
而使用2026年4月发布的更新模型GPT-5.5时，结果出现分化。在复杂病例上，DxO将GPT-5.5的准确率得分从72%提高到近87%，成本还略有降低。然而，这些增益再次未能在急诊科病例中体现。无论是否使用DxO，得分都约为85%，成本相近。
DxO在复杂病例和能力较弱的AI模型上帮助最大。例如，Gemini 2.5 Flash单独使用时得分为46.4%，在DxO辅助下接近69%。即便如此，较弱模型与较强模型之间的差距仍大于DxO带来的提升。
微软研究人员表示，随着模型接近理论最大值，准确率增益自然会缩小。一位发言人补充说：“DxO编排有助于应对同时优化准确率和成本这一更广泛的挑战。”
苏莱曼负责领导微软构建自有前沿AI的努力。他告诉TechCrunch，公司正与梅奥诊所（Mayo Clinic）合作训练一个医疗健康基础模型，计划明年发布。他相信该模型将使公司能够“在这里实现真正巨大的跨越”，并表示DxO是微软正在构建的基础设施的一部分，以推动医疗健康领域取得真正突破。
苏莱曼说：“我真的相信，到2027年，我们将处于病历领域类似编程领域突破的边缘。我认为，我们将能够流式输出关于病历可能如何发展的高度准确预测，显然，这种对临床医生而言的预见性堪称点金石。”
苏莱曼的职业生涯一直在尝试利用AI解决医疗问题。他曾是DeepMind的联合创始人，该公司于2014年被谷歌收购。次年，谷歌DeepMind收购了金创办的临床任务管理应用Hark，二人共同推出了DeepMind Health。苏莱曼于2024年加入微软，领导其AI部门，金则在几个月后追随加入。
“我们就是笃信者，”苏莱曼说。
他表示，尽管生成式AI在医疗健康领域的应用仍处于早期阶段，但他预计医疗模型的能力将在未来24至36个月内“提升一个数量级”。
苏莱曼说：“正如过去五六年里我们多次看到的那样，一旦形成飞轮，进展就会非常快。飞轮意味着我们有一个投入生产的模型，并通过真实世界使用不断迭代，以识别模型中的缺口，然后修补并改进它们。这就是编程领域发生的事。在此之前，聊天领域也发生了同样的事。我认为明年，这种情况将开始出现在病历和临床决策支持领域。”
通过与波士顿贝斯以色列女执事医疗中心的新合作，微软将在不同医院环境中评估DxO的临床推理能力。
金说：“这项技术已准备好接受真实世界评估，你可以想象波士顿某家急诊科在周五晚上出现的复杂而多样的问题。”
他解释了研究将如何开展：患者将接受标准治疗，包括分诊、与专科医生会面、治疗、检查，以及是否可安全出院的决定。与此同时，同意参与的患者还将与DxO互动。微软及其合作方将把DxO的建议与人类医生的建议进行对比。
本月，谷歌与贝斯以色列女执事医疗中心在《柳叶刀》上共同发表了一项临床研究，评估谷歌的对话式诊断AI AMIE在真实世界紧急护理就诊中的表现，同时由人类医生实时监测交互过程。
金说：“我们认为这将是同类研究中规模最大的一项。它将不仅覆盖急诊环境，还覆盖紧急护理环境，并将在研究期结束时，为这些系统未来能否更大规模部署提供非常有说服力的证据。”
微软在《科学》上发表这项研究的同时，还发布了一份类似宣言的文件，阐述构建医疗超级智能所需的条件。医疗超级智能被定义为“在整个诊疗全过程中，在医学推理和协调方面超越当代最强的人类主导医疗系统的能力”。微软希望超越对单个任务（如回答医学考试题和生成诊断）的基准测试，转而与临床医生和医疗系统整合，以改善结果。
苏莱曼说：“这是全世界都想要的那种技术，因此我们致力于尽一切努力加速其推向世界。”他补充说，这一重点可能成为微软区别于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视为这些努力的扩展。
苏莱曼说：“未来几年，我们必须拥有绝对第一、最先进的医疗临床决策支持产品。”
