Microsoft 稱其 AI 工具診斷準確度超越醫生

Microsoft 稱其 AI 工具診斷準確度超越醫生

多年來，AI 領袖一直將醫療保健視為其技術改善生活最清晰的例子之一。現在，「它終於來了，」Microsoft AI 行政總裁 Mustafa Suleyman 告訴 The Verge。該公司聲稱開發了一款 AI 驅動的工具，據稱其診斷疾病的準確度比人類醫生高出四倍。

這些研究結果於週四發表在世界最權威的期刊之一《Science》上，其基礎是將 Microsoft 的 AI 系統與人類醫生在一系列源自醫學個案報告和急症室數據的場景中進行對比測試。Microsoft 將這些個案編譯成自己的基準測試 SDBench，並計劃將其開源。Microsoft 的 Diagnostic Orchestrator 旨在像醫學專家小組一樣運作，利用多個 AI 代理（agents）對症狀和病史進行推理，決定訂購哪些檢查，並得出診斷結果，模擬醫生調查個案的過程。

在取自《The New England Journal of Medicine》發表的數百份報告個案中，Microsoft 的系統達到了約 83% 的診斷準確度，相比之下，使用參考資料的全科醫生準確度約為 36%，而沒有參考資料的醫生準確度為 22%。Diagnostic Orchestrator 在急症室個案中的表現也優於醫生，這些個案取自波士頓 Beth Israel Deaconess Medical Center 的大型患者入院數據庫，AI 的準確度得分為 80%，而人類醫生的平均得分為 47%。該 AI 系統得出診斷的估計成本通常也低於人類同行。

研究人員表示，該系統由 OpenAI 的 GPT-5 驅動，其表現也優於獨立運行的尖端 AI 模型，儘管這篇經過同行評審的論文並未包含較新的模型，如 GPT-6 Astra、Meta 的 Muse Wonder Full、Google 的 Gemini 4 Argon 或 Anthropic 的 Opus 5.5。Diagnostic Orchestrator 最初是在 GPT-4.1 還是最先進模型時開發的，但研究人員表示，隨後的測試表明「模型能力的提升並不一定會削弱」多個代理協作所帶來的益處。

Microsoft 承認，在該技術能夠廣泛部署之前，還有很長的路要走。雖然測試更緊密地模擬了醫生診斷疾病的方式——在得出診斷前詢問問題、權衡可能的解釋並訂購檢查——但該系統僅在過去的醫學個案上進行過測試，目前尚不清楚它在真實臨床環境中的表現如何。「它需要臨床驗證，」Suleyman 說。「這是一個跨越，但這是這段旅程中的一個重要里程碑。」

這項研究是 Microsoft 更大野心的一部分，該公司稱之為開發「醫療超級智能」（medical superintelligence）——即能超越最佳人類領導的醫療保健系統的 AI。早在 Donald Trump 及其政府將「超級智能」一詞收編為「AI」的統稱之前，Microsoft 就已經在使用這個詞了。

該研究的共同作者、Microsoft 醫療 AI 負責人 Dominic King 博士表示，診斷只是 Microsoft 醫療願景的一部分。在週四發表的網誌文章和《BMJ Digital Health & AI》醫學期刊的一篇文章中，該公司概述了它認為 AI 需要掌握的另外五個領域，包括協調臨床護理、制定治療決策以及處理醫學的人性面。

King 告訴 The Verge，Microsoft 計劃開始與 Beth Israel Deaconess Medical Center 合作，在醫院環境中測試該系統，以觀察其在真實臨床環境中的表現。King 和 Suleyman 都沒有承諾明確的時間表，但 King 表示這很可能「在未來幾個月內展開」。

商業化也可能即將到來，儘管 Microsoft 尚未說明該技術何時或如何提供。該公司已經通過其數碼工具在美國醫療保健領域擁有顯著地位，而醫療是其面向消費者的聊天機器人 Copilot 最受歡迎的用途之一。King 強調需要負責任地推出，並指出醫療領域需要遵守極高的監管和合規要求。

「明年我們將看到智能系統在生產環境中極其令人印象深刻的部署，」Suleyman 說。「我認為這將大大改變護理交付的方式。」

Suleyman 此前曾談到他對 AI 的「以人為本」願景，並表示醫療也不例外。儘管他預測「未來幾年內將出現與人類在醫療超級智能上的表現無異的東西」，但他堅持認為人類臨床醫生應該且將永遠在患者護理中發揮核心作用。

雖然他承認 AI 可能最終會讓醫生被交付更多工作，但他表示希望這能消除醫學中的一些「枯燥乏味的工作」，讓臨床醫生有更多時間陪伴患者。

「我對接下來的事情非常樂觀，」他說。「我認為這就是我們開發技術的原因。」