微软发布医疗诊断系统 MAI-DxO 与分步诊断基准 SDBench

健康

MAI 健康团队

2026年10月22日

健康

MAI 健康团队

如果人工智能可以帮助临床医生逐步完成复杂的医学诊断，实现更高的准确性，更低成本，以及更少的医学检查呢？

这个未来正在到来。在对美国急诊科的常见病例中，我们的 AI 诊断系统 MAI-DxO，在使用 MIMIC-IV-ED 病例进行评估时，准确率比医生高 1.7 倍。

在医学最复杂的病例中，发表在 新英格兰医学杂志 上，MAI-DxO 的准确率比使用教科书和互联网的医生高两倍以上——在没有这些资源的情况下诊断时，准确率几乎是四倍。它还能以一半甚至三分之一的价格做到这一点，通过更少的测试和程序得出正确的诊断。

我们的工作今天发表在 科学.

阅读更多关于我们本周在 BMJ 数字健康和人工智能. 中发表的关于医疗超级智能愿景的信息。

重新思考人工智能的构建和测试方式

人工智能有潜力改变健康和医疗保健，并且进展正在迅速加速。现在面临的挑战是构建和严格评估人工智能系统，将它们临床推理能力的进步转化为有意义的影响。

今天的论文，基于早期工作, 引入了这一转变的两个基础：顺序诊断基准 (SDBench)，它测试逐步诊断推理，以及微软人工智能诊断协调器 (MAI-DxO)，我们在基准上的领先 AI 系统。

医学执照考试，如 美国医学执照考试 (USMLEs)，旨在评估医生的知识——而不是临床诊断的现实。在这些考试中，所有信息都是预先呈现的，并且选择一个单一的答案；在实践中，临床医生必须逐步构建画面，决定要问什么，要订购哪些测试，以及每个新的发现如何改变可能的诊断。这些考试已成为评估健康人工智能性能的常用基准.

这就是我们开发 SDBench 的原因，它评估跨两个互补病例集的性能：304 个来自 新英格兰医学杂志 (NEJM) 病例进程的复杂病例和一组更典型的急诊科病例，来自 MIMIC-IV-ED。每个都成为一个互动案例，人工智能模型和/或医生从有限的信息开始，并选择下一步要请求什么。基准测量诊断准确性、请求的证据和估计的测试成本——评估答案和所采取的路径。

我们构建了MAI-DxO并在SDBench中进行了测试。它不依赖单一模型立即给出答案，而是像一组虚拟医生一样运作：每位医生都提出诊断意见，选择有用的提问或检测，并对形成的观点提出挑战。MAI-DxO通过多轮辩论协调这种交流，随着证据的出现更新其评估，并权衡每次检测的可能价值与其成本。

我们的发现：

• 在复杂的NEJM病例中，MAI-DxO达到了83%的诊断准确率。在没有外部参考资源的情况下，医生达到了22%，在有它们的情况下达到了36%，这使得MAI-DxO分别比医生准确3.7倍和2.3倍。
• 在更典型的MIMIC-IV-ED急诊病例中，MAI-DxO达到了80%的准确率，而医生为47%——超过1.7倍。
• 当更侧重于成本优化时，MAI-DxO的性能保持强劲，同时选择了更具成本效益的工作流程。在NEJM病例中，一种配置达到了81%的准确率，其成本不到比较系统的二分之一。
• 在两个数据集中，没有其他人类或AI方法比MAI-DxO更准确且成本更低。
• 这些收益持续存在——并且得到改善——当我们使用更新的模型重复评估时，包括GPT-5.5，而没有改变协调方法，这表明该方法与特定的模型生成无关。

我们为特定的NEJM病例开源了SDBench——包括基准、守门人、法官和成本估算代码——以便研究人员可以重现评估，测试其他模型，并挑战或扩展这些发现。

从更好的诊断到更好的护理

诊断只是护理旅程的一部分。更好的护理还需要跟上医学知识的发展，选择正确的治疗，理解随时间的变化，并支持反映个人价值观和医疗保健获取的选择。机会是将这些能力统一成一个今天尚未广泛普及的护理标准。在 医学超级智能的基础，发表在 BMJ数字健康与AI中，我们探讨了人工智能支持这一更广泛的愿景需要什么——并最终超过当今最强临床团队和医疗系统的能力。

顺序诊断提供了一个早期例子：人工智能医生合作，挑战假设并随着证据的出现完善他们的临床推理。我们的雄心是构建人工智能，将知识、背景和决策连接到护理旅程的各个方面——而不仅仅是擅长一项临床任务。通过我们与 梅奥诊所的合作，我们旨在结合前沿人工智能、临床专业知识和纵向多模态数据，构建适用于现实世界护理复杂性和多样性的系统。

现实世界的测试

基准测试很重要，但真正的考验是在真实临床环境中的表现。通过与波士顿的Beth Israel Deaconess Medical Center建立新的合作伙伴关系，我们将评估在不同医院环境中的临床推理能力。在一项前瞻性研究中，患者将直接与系统互动，其表现将与医生的独立评估进行对比。与临床团队合作将展示这项技术在哪里成功，在哪里不足以及如何融入繁忙的工作流程。

微软健康

医疗人工智能的快速发展为患者和临床医生开辟了新的可能性。为了将这一进展转化为实际影响，我们将整合微软各健康团队的资源——包括来自微软研究院以及像Dragon Copilot和PowerScribe等产品背后的团队——在微软AI进行一体化工作。通过共同努力，我们将加速交付值得信赖的人工智能系统，以推动更好的临床结果和护理体验。

与我们共同构建未来

我们是一个精简、快速发展的实验室，汇集了世界上一些最优秀的人才。我们在MAI的计算方面有一个令人兴奋的路线图，正在迅速而广泛地扩展。我们也有一个我们真正相信的雄心勃勃的使命。我们也很幸运能与令人难以置信的产品团队合作，让我们的模型有机会触达数十亿用户并创造巨大的积极影响。如果你是一个才华横溢、极具雄心且低自我中心的人，你将非常适合——加入我们，一起开发我们的下一代模型吧！

探索所有职位