微軟(MSFT.US)AI診斷「編排器」登上《科學》：準確率超過全科醫生兩倍，醫療AI邁向臨床生產力

智通財經APP獲悉，微軟（MSFT.US）在醫療AI賽道投下一枚重磅砝碼。當地時間10月22日，微軟AI診斷系統MAI-DxO（Microsoft AI Diagnostic Orchestrator）的研究成果正式發表於《科學》雜誌。這是一款能夠像醫生一樣逐步診斷病患的AI工具，在解決複雜醫學案例時的準確率是普通內科醫師的兩倍以上。

在基於《新英格蘭醫學雜誌》（NEJM）304例複雜案例的模擬評估中，MAI-DxO診斷準確率達到83.2%，而可獨立查閱參考資料的全科醫生及普通內科醫生準確率僅為36.1%；在不允許使用參考資料時，醫生準確率進一步降至約22%。在基於MIMIC-IV-ED急診入院資料的另一組測試中，系統準確率為80.3%，全科醫生為46.8%，優勢收窄至1.7倍。

報告稱，該模型透過一個「編排器」來識別並協調應向病患提出的問題，以及應安排的檢查和檢驗項目；該編排器通過模擬一個臨床專家小組協作解決診斷案例，來組織AI處理問題的方式。

現有醫療AI模型通常採用「一次性」方法，即綜合分析病患的全部症狀、實驗室結果和影像學檢查，以生成診斷。

在編排器協調診斷步驟的情況下，該AI模型首先決定應詢問哪些病史資訊，以及體格檢查中哪些內容具有重要意義。根據所獲資訊，它決定安排哪些檢查、評估檢查結果，並在適當情況下安排進一步檢查。研究負責人受訪時表示，在整個過程中，該模型會不斷更新其工作假設和計畫。

在診斷300多個高度罕見且令人困惑的醫學難題時，採用診斷編排器的模型在「檢查評估」病患和確定診斷方面的準確率，是借助教科書和網路的普通內科醫師的兩倍以上。在基於一個大型急診入院案例資料庫所設計的場景中，該工具的表現也優於人類醫師。

研究人員表示，將此類較早系統與人類醫師進行比較的評估通常使用選擇題。

「AI在這方面已經非常擅長，通過率能達到100%，」微軟AI健康部門企業副總裁、正在開發這項新技術的多米尼克·金博士表示。「但這當然不是現實世界。沒有病患來找我時會帶著一份漂亮的摘要。」

研究人員還發現，由編排器設計檢查流程時，診斷過程的成本低於由人類醫師設計時。「我們不僅衡量系統的準確性，也在衡量它進行診斷檢查時有多審慎、多細緻，」微軟AI Health的AI負責人哈沙·諾里表示。

在與波士頓貝斯以色列女執事醫療中心的合作中，研究人員下一步將測試該工具在急診科候診區分診病患的能力。

在行為特徵上，醫師在開具首項檢查前平均僅追問5.6個問題，而DxO平均追問25.5個，呈現更系統、更結構化的病史採集模式。底層模型方面，系統在OpenAI GPT-5上表現最優，換用GPT-5.5後性能進一步提升，表明編排層的增益具有跨模型可遷移性。

從商業化視角審視，此次研究更值得關注的訊號是評測標準的遷移：微軟同步提出了SDBench「順序診斷基準」，將案例轉化為分步互動的「問診現場」，首次在準確率之外將檢查成本納入考核維度。這意味著醫療AI的競爭維度正從單項算法準確率，轉向「臨床推理編排能力＋成本效率」的綜合比拚。

這一轉向與產業整體節奏吻合。據Grand View Research數據，全球醫療AI市場2025年規模約426.2億美元，預計2026年達562億美元，至2036年有望擴張至1.05萬億美元，2026—2036年複合增長率約34%。

在供給端，微軟自2022年以近200億美元收購Nuance以來，已將Dragon Copilot嵌入臨床文件與語音工作流，覆蓋美國大量醫院與醫師群體，MAI-DxO構成其從「文書自動化」向「診斷決策支持」延伸的自然拼圖。

下一步的關鍵驗證節點已經浮出水面。微軟計畫在未來數月內與波士頓貝斯以色列女執事醫療中心合作，啟動真實臨床環境下的前瞻性測試，重點評估急診分診場景中的表現。與此同時，疊加與梅奧診所合作的醫療基礎模型計畫，微軟醫療商業化的完整拼圖正在閉合。

對二級市場而言，短期情緒催化已在《科學》背書下釋放，但醫療AI的估值中樞最終取決於真實世界盲法對照能否複現模擬環境中的優勢，以及支付方與監管框架對「AI輔助診斷」的定價與責任界定。