ARTICLE · 1300075
AI4science医学诊断 · 临床 AI微软 MAI-DxO 登上《科学》封面五位“虚拟医生”会诊,把诊断拆成一步步问与查
AI FOR SCIENCE · 每日案例
第 018 期 | 2026 年 11 月 2 日
医学诊断 · 临床 AI
微软 MAI-DxO 登上《科学》封面
五位“虚拟医生”会诊，把诊断拆成一步步问与查
━━━━━━━━━━━━
🧭 案例简介
过去的医疗 AI 大多走“一次性”路线：把患者的症状、化验和影像一股脑喂进去，直接吐出一个诊断。可真实就诊时，没有患者会带着一份条理清晰的完整摘要进门——最难的部分恰恰是“该问什么、该查什么”，以及随着新信息不断修正判断。
研发主体：微软（Microsoft）AI Health 团队。系统名为 MAI-DxO（Microsoft AI Diagnostic Orchestrator）。
核心成果：2026 年 10 月 22 日，研究以《Sequential diagnosis with language models》为题发表于国际顶刊《科学（Science）》，并入选当期封面论文。它让同一个大模型扮演五位“虚拟医生”组成会诊小组，由“编排器”协调，从患者主诉出发自主决定追问什么、安排哪些检查，逐步推进诊断。
在《新英格兰医学杂志》304 例复杂病例的模拟评估中，其诊断准确率达到83.2%，而可查阅参考资料的全科与普通内科医生为 36.1%。
━━━━━━━━━━━━
💡 推荐理由
1. 换掉“一次性”诊断范式。不再从完整病历摘要直接给答案，而是把诊断还原为“主动、顺序推进的信息收集”：从主诉开始，AI 自己决定追问哪些问题、做哪些检查。
2. 多智能体分工，自带“抬杠”机制。同一底层模型扮演五位“虚拟医生”：负责提出诊断、挑选检查、专门挑错、控制花费。“杠医生”会盯住团队是否过早锁定某种病，把矛盾证据摆上桌。
3. 准确率与成本同时改善。复杂病例准确率 83.2%（对照医生 36.1%），并把检查和诊疗成本压到人类医生的一半甚至三分之一，做到“更少检查锁定正确诊断”。
4. 跨模型可迁移。在 OpenAI、谷歌、Anthropic、Meta、DeepSeek 等多家模型上测试均可用，GPT-5.5 上准确率再提升约 2.1 个百分点——增益主要来自“编排层”，而非绑定单一模型。
━━━━━━━━━━━━
📊 关键数据
83.2%
复杂病例诊断准确率
36.1%
可查资料医生准确率
25.5问
开检查前追问数（医生 5.6 问）
━━━━━━━━━━━━
🛠️ 方法步骤分析
AI 方法：大模型多智能体（multi-agent）+ 诊断编排器 | 数据来源：NEJM 临床病理讨论会 304 例复杂病例 + MIMIC-IV-ED 急诊入院 325 例 + 自建基准 SDBench
步骤 1 · 搭评测基准 SDBench
研究者自建“顺序诊断基准”（SDBench）：把病例转成逐步展开的“问诊现场”，模型不再一次性拿到全部事实，而需按临床路径逐轮求取信息，并把检查成本一起纳入评分。
步骤 2 · 编排器接管流程
由“编排器”协调诊断步骤：先决定该询问哪些病史信息、体格检查中哪些内容有意义；再据所获信息决定安排哪些检查、评估检查结果，必要时安排进一步检查。
步骤 3 · 五位虚拟医生分工
同一底层模型扮演多个角色：诊医生（Dr. Hypothesis）提出并按可能性排序最多三种诊断、查医生（Dr. Test-Chooser）每轮最多选三项检查、杠医生（Dr. Challenger）专门挑出矛盾证据，另有角色负责控制花费，协同修订鉴别诊断。
步骤 4 · 按“问—查—判—再问”推进
从主诉出发循环推进，每步都更新假设与计划。结果显示系统平均追问 25.5 个问题，远高于医生开首项检查前平均的 5.6 个，呈现更系统、更结构化的病史采集。
步骤 5 · 对照评测与迭代
在 NEJM 复杂病例与 MIMIC-IV-ED 急诊入院两组数据上，同时比较准确率、检查数量与成本，并与人类医生对照；下一步与波士顿贝斯以色列女执事医疗中心合作，在真实急诊分诊场景开展前瞻性测试。
核心创新：顺序诊断范式（把诊断当主动信息收集过程）+ 多智能体会诊编排 + 成本感知的评测基准 SDBench。
━━━━━━━━━━━━
⚖️ 核心创新点对比
━━━━━━━━━━━━
🌍 领域意义
1. 能力定位上移：医疗 AI 从“看片、读报告”的助手，走向“会问、会查、会判、会自我纠错”的诊断编排能力；评测也从选择题转向分步问诊与成本。
2. 提效与控费同时发生：复杂病例准确率超全科医生两倍多，同时把检查成本压到一半至三分之一——这在医疗资源紧张的环境里，比单纯刷准确率更有现实价值。
3. 缓解基层与急诊压力：结构化问诊与检验路径规划，对医生稀缺的基层和大规模分诊场景有直接价值；微软下一步正是在急诊分诊场景做前瞻验证。
4. 边界仍待确认：复杂病例在现实临床多由专科专家或多学科团队处理，而这类医生未纳入对照；模拟中医患对话由“守门代理”扮演，病例档案本身也由人类医生整理。真实临床价值仍需前瞻性试验检验。
━━━━━━━━━━━━
📄 论文与奖项信息
· 论文：《Sequential diagnosis with language models》，2026 年 10 月 22 日发表于国际顶刊《科学（Science）》，并入选当期封面论文。
· 团队：微软（Microsoft）AI Health；多米尼克·金博士（Dominic King，AI 健康部门企业副总裁）、哈沙·诺里（Harsh Nori，AI 负责人）；微软 AI 实验室 CEO 穆斯塔法·苏莱曼（Mustafa Suleyman）。
· 后续：与波士顿贝斯以色列女执事医疗中心合作，在真实急诊分诊场景开展前瞻性测试。
· 信息来源：《科学》（Science）、The Verge、IT之家、新浪财经、腾讯新闻、网易（2026 年 10 月 22 日至 28 日）。
AI 应用编程实验室
第 018 期 · 2026-11-02
