ARTICLE · 1257810
微软 AI 诊断登上了《科学》:一群 AI 医生开会会诊,304 例疑难病例答对 83%
微软 AI 诊断登上了《科学》:一群 AI 医生开会会诊,304 例疑难病例答对 83%凌晨两点的急诊走廊 那天凌晨两点，我陪家人在急诊走廊坐着。 分诊台量完血压，护士说了句"先等叫号"。前面还有十几个人。灯白得发青，有人抱着孩子在墙边打盹，有人捂着肚子来回走。三个小时里，"再等等"这句话我听了不下十遍。 等的时候我一直在想一个问题：如果这次偏偏是个疑难杂症，一个连轴转了 12 小时的医生，靠一双手、一台电脑、二十分钟，真能把所有可能想到吗？ 这周的答案，写进了《科学》。 结论先行，但先说清口径 微软发布的 MAI-DxO，是一套"AI 诊断编排系统"，说白了就是让 AI 会诊。数据是硬的： 注意这里的口径：1.7 倍说的是急诊常见病例，不是疑难病例。这两个数字经常被搅在一起传，一搅就变成"AI 比急诊医生准 1.7 倍"，属于误读。 但真正的重点不在倍数上。 共性：不是医生不行，是"一个人"不够 我们习惯的看病模式，本质是一个人的大脑，在有限时间里做一次判断。 所以 AI 看病这件事，难点从来不在"模型够不够聪明"。而在医院里，真正难的也从来不是知识不够——是知识太多、时间太少、没有第二个脑袋帮你抬杠。 疑难病例尤其如此：一个症状背后挂着上百种可能，医生要决定先问什么、先开哪项检查、哪条线索该追、哪条该放。这个链条只要断一环，后面全歪。 所以《新英格兰医学杂志》那组数字里，真正刺痛人的不是 22%，而是"允许翻教材上网"也只到 36%。 查得到资料，不等于想得全。这才是问题的根。 特点：它的解法是"让 AI 吵架" MAI-DxO 的思路，不是让一个大模型答一次题，而是让一群虚拟医生开一场会——业内管这叫多智能体编排（multi-agent orchestration）。 每一轮，几个 AI 角色各自提诊断、各自决定下一步该问什么、该开什么检查，然后互相质疑。几轮辩论下来，判断随着新证据不断被修正。同一时间，它还在算一件事：这项检查值不值这个钱。 配套的评测也换了打法。以前考 AI 用的是医师执照考试，题目信息一次性给全、只选一个答案——跟真实看病完全是两回事。微软这次拉了 SDBench，把每个病例变成交互式流程：一开始信息有限，你得自己决定下一步要什么。它考的不只是答案，还有你走的那条路，以及这条路的成本。 当然，硬话也得说在前面： 所以现在就说"AI 能看病"，太早了。 趋势：它会先进医院，不是先进你手机 我更在意的，是另外三条线索。 第一，微软同期和梅奥诊所合作，要做的是把前沿模型、临床经验和长期多模态数据捏在一起——这是奔着"系统级"去的，不是做一个 App。 第二，它把 SDBench 的评测框架开源了。这一步很关键：谁都能拿它来验、来推翻。一个敢让人来挑战的评测，才有可能变成行业标准。 第三，落点大概率在基层。三甲医院不缺会诊，县医院才缺。一个县医院没有罕见病专家，但它可以有一个永远不困、愿意把每项检查都算一遍成本的"第二意见"。 我的判断是，未来两年真正会变的不是"医生变少了"，而是两件小事：检查少做了几项，账单薄了一点。 这两件事，对普通人来说，比"准确率 1.7 倍"实在得多。 顺便回一句评论区一定会有人问的：能不能把体检报告丢给 AI 看一眼？现在不行。这套东西没拿到批准、没进医院，你手机里也装不到。真要用上，得先等它过了临床那一关。 你上一次看病，医生给你的时间是多少分钟？评论区聊聊，我一条条看。 
#AI诊断#AI会诊#人工智能#微软#大健康#MAI-DxO 免责声明：本文讨论的是公开发表的研究成果，MAI-DxO 尚未获得任何国家的临床使用批准，不构成任何诊疗建议。身体不适请及时就医，遵医嘱。
PART 01
PART 02
304 例《新英格兰医学杂志》疑难病例，它答对 83%；同样的题，医生不许查资料是 22%，允许翻教材、上互联网是 36%。 换成急诊最常见的病例，它 80%，医生 47%，大约 1.7 倍。 成本只有对照组的一半，个别配置压到三分之一。 换成更新的模型重跑一遍，成绩不掉反涨——说明它靠的是"会诊方法"，不是某个特定模型。
PART 03
PART 04
这是一次回顾性数据集上的评测，不是真实临床； 医生答题时不许联网，公平性一定有人质疑——微软自己的做法是给出"无资源 22%、有资源 36%"两个版本对照； 系统尚未获批临床应用。2026 年 10 月，它才和波士顿的 Beth Israel Deaconess 医学中心启动前瞻性研究，让真实病人直接和它对话。
PART 05
长按二维码识别关注
