微软（Microsoft）宣布其在AI驱动的序列诊断研究中取得了令人鼓舞的结果。这项研究旨在通过模拟一组医生的方式改进临床推理能力。微软开发的MAI诊断协调器（MAI Diagnostic Orchestrator，简称MAI-DxO）能够达到80%的诊断准确率，同时相较于人类医生降低了20%的成本。
与传统的多选题式诊断方法不同，MAI-DxO利用独立的语言模型来扮演医生角色。系统中的五位虚拟医生各自具有独特的医学身份和职责（如概率排名诊断、诊断测试专家或“魔鬼代言人”），以提供专业化的诊断支持。该系统通过迭代过程逐步提问、安排检测并缩小可能的诊断范围，力求模仿真实的临床实践流程。
微软研究院根据《新英格兰医学杂志》（New England Journal of Medicine，简称NEJM）发布的304个真实病例记录，设计了互动式医学挑战。当模型（或医生）处理案例时，会通过提问和安排检测获取新的信息，从而逐渐接近最终诊断。随后，这一诊断结果将与NEJM中公布的诊断结果进行对比。
研究评估了多个语言模型的表现，包括由OpenAI、Anthropic、谷歌（Google）、Meta、xAI以及DeepSeek开发的模型。结果显示，MAI-DxO显著提升了所有被测模型的诊断性能。其中表现最佳的组合是MAI-DxO与OpenAI的o3模型，成功解决了85.5%的NEJM基准案例。
尽管这项关于AI驱动临床推理的研究颇具前景，但仍存在一些重要限制。首先，该研究发布于康奈尔大学的开放存取平台arXiv上，尚未经过同行评审。此外，测试案例中未包含健康患者或良性疾病，因此无法评估假阳性率。参与测试的人类医生是在孤立环境中接受评估的，无法借助同事、教科书或其他技术手段，这并不能完全反映现实世界的临床实践。另外，成本效益的计算基于美国医疗系统，对英国国家医疗服务体系（NHS）的适用性有限。
尽管存在这些局限性和监管障碍，这项研究仍然展示了AI在医疗诊断领域的变革潜力。微软正在这一领域加大投资力度。去年，微软大幅扩展了其Microsoft Cloud for Healthcare中的AI功能。而在2025年初，微软推出了RAD-DINO以优化放射学工作流程，以及Microsoft Dragon Copilot——一款用于临床工作流程的AI自然语言助手。
(全文结束)
