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疗病例的频率是普通医生的两倍以上。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，其作用如同一个医生小组。它们会对患者进行问诊、开具检查单，并讨论诊断结果。
在《新英格兰医学杂志》复杂病例的模拟测试中，其准确率达到 83%。而单独使用参考资料时，初级保健医生和内科医生的准确率仅为 36%。需要注意的是：这类复杂病例通常由专科医生或医疗团队处理，他们并未参与此次对比。
微软 AI 健康副总裁 Dominic King 对 TechCrunch 表示：“这里有一些非常实质且令人兴奋的内容。”“目前医疗保健交付面临的最大挑战是医疗专业需求与供给之间日益扩大的不匹配。”
通过公布这些结果，微软加入Google和OpenAI的行列，声称其AI能够匹配或超越医生。
该研究自身的数据表明，大部分性能提升来自更强大的底层 AI 模型，而微软的编排系统在此基础上进一步带来了增益。
微软使用来自多家公司的模型对 MAI-DxO 进行了测试，包括 OpenAI、Google、Anthropic、Meta 和 DeepSeek，但其最佳结果出现在使用 OpenAI 的 GPT-5 和 GPT-5.5 时。
使用基础提示词在不同大语言模型上进行提示。图片来源：Microsoft AI
微软不仅衡量了 DxO 的准确率，还评估了其成本，即运行 AI 处理每个病例的预估费用。仅使用简短的基础提示词时，GPT-5 在复杂病例上的准确率为 78.9%，每个病例成本约为 8,400 美元。DxO 将成本降低了约 3,000 美元，但准确率仅提高了约四个百分点。在急诊科病例方面，GPT-5 单独使用与借助 DxO 辅助相比，准确率和成本改善均无明显提升。
对于 2026 年 4 月发布的较新模型 GPT-5.5，结果出现分化。在复杂病例中，DxO 将 GPT-5.5 的准确率从 72% 提升至近 87%，且成本略低。然而，这些增益再次未体现在急诊科病例上。两者（有和无 DxO 辅助）的准确率均约为 85%，成本也相似。
DxO 在复杂病例和性能较弱的 AI 模型上帮助最大。例如，Gemini 2.5 Flash 单独使用时准确率为 46.4%，但在 DxO 辅助下接近 69%。尽管如此，较弱模型与较强模型之间的差距仍大于 DxO 所提供的提升幅度。
微软的研究人员表示，随着模型接近理论上限，准确率的提升自然会缩小。“DxO 编排有助于解决优化准确率和成本这一更广泛的问题，”一位发言人补充道。
负责领导微软构建自有前沿 AI 工作的 Suleyman 告诉 TechCrunch，该公司正与梅奥诊所合作训练一个用于医疗保健的基础模型，计划于明年发布。他认为该模型将使公司“在此领域实现巨大的飞跃”，并表示 DxO 是微软为在医疗保健领域实现真正突破而构建的基础设施的一部分。
“我真心相信，到2027年，我们将迎来医疗记录编码风格的突破，”苏莱曼说。“我认为，我们将能够流式传输高度准确的预测，揭示医疗记录可能的发展轨迹，显然，这种前瞻性对临床医生来说是无价之宝。”
苏莱曼的职业生涯一直致力于利用人工智能解决医疗问题。他曾是DeepMind的联合创始人，该公司于2014年被谷歌收购。次年，Google DeepMind收购了金创立的公司Hark——一款临床任务管理应用，两人随后共同推出了DeepMind Health。2024年，苏莱曼加入微软，领导其人工智能部门，金也在几个月后加入。
“我们只是坚定的信仰者，”苏莱曼说。
他表示，尽管生成式人工智能在医疗保健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。
正如过去五六年里多次看到的那样，一旦形成飞轮效应，进展就会非常快，”苏莱曼说。“飞轮意味着我们有一个投入生产的模型，通过实际使用进行迭代，以识别模型中的缺陷，然后修补并改进它们。这在编程领域已经发生，在此之前聊天机器人领域也发生过。我认为明年，它将在医疗记录和临床决策支持方面开始发生。”
通过与波士顿贝斯以色列女执事医疗中心的新合作，微软将评估DxO在不同医院环境下的临床推理能力。
“这项技术已准备好进行现实世界评估，你可以想象周五晚上波士顿急诊科所面临的复杂多样的问题，”金说。
他解释了研究如何开展：患者将接受标准治疗，包括分诊、与专科医生会面、治疗、检查以及是否安全出院的决定。同时，同意参与的患者也将与DxO互动。微软及其合作伙伴将把DxO的建议与人类医生的建议进行比较。
谷歌本月与贝斯以色列医院合作在《柳叶刀》上发表了一项临床研究，以评估谷歌AMIE对话式诊断AI在实际急诊就诊中的表现，而人类医生则实时监控这些互动过程。
“我们认为这将是同类研究中最大的一项，”金说。“它不仅涵盖急诊环境，还将涉及紧急护理环境，并在研究期结束时为我们提供极具说服力的证据，证明这些系统未来能够在更大规模上部署。”
微软在《科学》杂志上发表的研究，恰逢一份关于构建医疗超级智能所需条件的宣言，该宣言将其定义为“在完整诊疗流程中，超越当前最强的人类主导健康系统的医疗推理和协调能力”。微软希望超越对单个任务的基准测试——如回答医学考试问题和生成诊断——转而与临床医生和医疗系统集成，以实现更好的结果。
“这是全球每个人都渴望的技术，这也是我们致力于尽一切所能加速其推向世界的原因。”苏莱曼表示，并补充说，这一重点可能成为微软与其他前沿实验室的差异化优势。
微软已向临床医生销售语音输入和放射学工具，并将DxO视为对这些工作的扩展。
“在未来几年内，我们必须拥有绝对排名第一的最先进的医疗临床决策支持产品。”苏莱曼说。