微软称其 AI 诊断工具在诊断疾病上优于医生
Microsoft says its AI tool is better than doctors at diagnosing conditions
微软发布诊断编排器（Diagnostic Orchestrator），该系统由多个 AI 智能体协作推理症状与病史、决定检查项目并给出诊断，在《新英格兰医学杂志》数百份病例上准确率约 83%，使用参考资料的全科医生约 36%，无参考资料者约 22%；在波士顿 Beth Israel Deaconess 医疗中心急诊病例上为 80%，人类医生平均 47%。
微软诊断系统在病例基准上准确率约 83%，对比人类医生的 36%，但尚未经过真实临床验证。
译文尚不完整，完整内容请切换到原文。
多年来，AI 领域的领军者们一直将医疗健康视为其技术将改善生活的最明确例证之一。如今，“它终于到来了”，微软 AI 首席执行官 Mustafa Suleyman 对 The Verge 表示。该公司声称已开发出一款 AI 驱动的工具，据称其诊断疾病的准确率最高可达人类医生的四倍。
The findings, published Thursday in one of the world’s most prestigious journals, Science, are based on tests pitting Microsoft’s AI system against human physicians on a series of scenarios drawn from medical case reports and emergency department data. Microsoft compiled the cases into its own benchmark, SDBench, which it plans to open-source. Designed to function like a panel of medical experts, Microsoft’s Diagnostic Orchestrator uses multiple AI agents to reason through symptoms and medical histories, decide what tests to order, and arrive at a diagnosis, mimicking the process doctors use to investigate cases.
在取自 The New England Journal of Medicine 发表的数百份报告的病例中，微软系统的诊断准确率约为 83%，而使用参考资料的全科医生约为 36%，不使用参考资料的全科医生为 22%。在取自波士顿贝斯以色列女执事医疗中心大量患者入院数据库的急诊科病例中，Diagnostic Orchestrator 也优于医生，准确率达到 80%，而人类医生的平均准确率为 47%。该 AI 系统得出诊断的估计成本也往往低于人类医生。
研究人员表示，该系统由 OpenAI 的 GPT-5 驱动，其表现也优于单独运行的前沿 AI 模型，不过这篇经过同行评审的论文并未包含更新的模型，如 GPT-6 Astra、Meta 的 Muse Wonder Full、Google 的 Gemini 4 Argon 或 Anthropic 的 Opus 5.5。Diagnostic Orchestrator 最初是在 GPT-4.1 为当时最先进模型时开发的，但研究人员表示，后续测试表明“模型能力的提升并不一定会削弱”多个智能体协同工作的优势。
微软承认，这项技术要广泛部署还有很长的路要走。虽然这些测试更贴近医生诊断疾病的方式——提问、权衡可能的解释、在得出诊断前开具检查——但该系统仅在过往医学病例上进行了测试，它在真实临床环境中的表现如何仍不清楚。“它需要临床验证，”Suleyman 说。“那是一次飞跃，但这是这段旅程中的一个重要里程碑。”
这项研究是微软更广泛雄心的一部分，即开发该公司所称的“医学超级智能”——能够超越最佳人类主导医疗系统的 AI。自唐纳德·特朗普及其政府将其挪用为“AI”的万能替代词之前，微软就一直在使用“超级智能”一词。
该研究的合著者、微软AI健康负责人Dominic King博士表示，诊断只是微软健康愿景的一部分。在周四发布的一篇博客文章以及即将发表于《BMJ Digital Health & AI》医学期刊的文章中，该公司概述了它认为AI还需要掌握的另外五个领域，包括协调临床护理、做出治疗决策以及处理医学中的人性化层面。
King告诉The Verge，微软计划与Beth Israel Deaconess Medical Center合作，开始在医院环境中测试该系统，以了解它在真实临床环境中的表现。King和Suleyman均未承诺具体时间表，不过King表示，测试很可能会“在未来几个月内启动”。
商业化也可能提上日程，尽管微软尚未说明该技术何时或以何种方式面世。该公司已通过其数字工具在美国医疗健康领域占据重要地位，而健康是其面向消费者的聊天机器人Copilot最受欢迎的用途之一。King强调需要负责任地推出，并指出医学领域有着严格的监管与合规要求，必须予以遵守。
“明年我们将看到智能系统在生产环境中极其令人印象深刻的部署，”Suleyman说。“我认为这将极大地改变护理的提供方式。”
Suleyman此前曾谈到他对AI的“以人为本”愿景，并表示医学也不例外。尽管他预测“未来几年内将出现一种在医疗超级智能方面与人类表现无法区分的东西”，但他坚持认为，人类临床医生应该也必将始终在患者护理中发挥核心作用。
虽然他承认AI最终可能会让医生承担更多工作，但他表示，他希望AI能消除医学中一些“枯燥乏味的工作”，让临床医生腾出更多时间陪伴患者。
“我对接下来要发生的事情非常乐观，”他说。“我认为这正是我们构建技术的原因。”
关注此报道中的主题和作者，以便在您的个性化主页信息流中看到更多类似内容，并接收电子邮件更新。
- Robert Hart
来源：The Verge · AI · theverge.com