[CNMO科技消息]10月22日，微软宣布其人工智能医疗诊断系统DiagnosticOrchestrator在复杂病例测试中取得优于人类医生的成绩，相关研究成果发表于国际学术期刊《科学》。微软AI首席执行官穆斯塔法·苏莱曼表示，公司正朝着医疗超级智能的目标迈进，预计未来几年内AI系统在医学领域的表现有望达到与人类专家难以区分的水平。

微软AI

微软通过一系列医疗病例和急诊科数据，将自研AI诊断系统与人类医生进行比较，并建立了名为SDBench的评估基准。与只需回答一道医学选择题的传统测试不同，该基准要求参与者逐步分析病情、提出问题、选择检查项目，最终给出诊断结果，以更真实地模拟临床医生的诊断过程。DiagnosticOrchestrator的核心思路是让多个AI智能体协同工作，模拟由不同专业背景医生组成的会诊团队。系统根据患者症状和病史，判断下一步需要询问的问题和检查项目，并根据新获得的信息不断调整判断，直至形成最终诊断。

在以《新英格兰医学杂志》发表的数百份病例报告为基础的测试中，该系统的诊断准确率约为83%。相比之下，能够查阅参考资料的全科医生准确率约为36%，无法查阅参考资料的医生则约为22%。在另一组来自美国波士顿贝斯以色列女执事医疗中心急诊患者数据库的病例中，AI系统准确率达到80%，参与比较的人类医生平均准确率约为47%。

除诊断准确率更高外，微软还表示，该系统在测试中往往能以较低的估算成本得出诊断结果，原因之一是系统能够根据现有信息选择检查项目，而非不加区分地进行大量检查。不过，这些成本结果基于研究中的统一估算方法，并不意味着系统已在现实医疗环境中证明能够直接降低医院实际运营开支。

该系统目前由OpenAI的GPT-5提供底层能力，但微软强调，真正发挥作用的不只是基础模型本身，还有负责组织诊断流程、协调多个智能体并验证推理结果的编排机制。研究团队表示，即使基础模型持续升级，多智能体协作仍可能带来额外收益。该系统最初在GPT-4.1仍属先进模型的阶段开发，后续测试显示，模型能力提升并不必然削弱协同诊断架构的价值。

微软也承认，测试主要围绕既往病例和经过筛选的复杂诊断案例展开，尚不能证明系统在真实临床环境中也能取得同样表现。研究还需进一步评估其面对普通常见症状时的可靠性，以及在信息不完整、病情不断变化等现实条件下的表现。系统要真正投入临床使用，还必须经过严格的临床验证。

微软负责AI医疗业务的多米尼克·金表示，诊断只是公司医疗战略的一部分。微软还希望AI能够协助协调临床护理、制定治疗方案，并处理医疗服务中涉及患者沟通和人际互动的复杂问题。微软计划与贝斯以色列女执事医疗中心合作，在医院环境中开展测试，相关工作可能在未来几个月启动，但公司尚未公布确定的时间表，商业化方面也没有具体日期或产品发布计划。

苏莱曼强调，人工智能并不意味着医生将从医疗体系中消失。医生的工作不仅包括诊断，还涉及处理模糊信息、与患者及家属建立信任，以及根据具体情况作出综合判断。微软希望AI能够减少医生在重复性、繁琐事务上耗费的时间，让他们将更多精力用于患者护理。