微軟發表多代理 AI 診斷系統，複雜病例準確率約 83%

發生什麼事

微軟週四（來源未給確切日期）在 Science（學術期刊）發表研究，比較自家 AI 診斷系統與醫師的表現。The Verge 稱該系統為 Diagnostic Orchestrator，TechCrunch 稱為 MAI-DxO（簡稱 DxO）；兩家都描述它由多個 AI agent（能分工推理並執行步驟的 AI 程式）組成，像醫師小組一樣詢問病人、安排檢查並討論診斷。 The Verge AI TechCrunch AI

測試病例取自醫學病例報告與急診資料。微軟把這些病例整理成自家基準測試（用固定題組比較表現）SDBench，並計畫開源（公開程式與資料）。 The Verge AI

在取自 The New England Journal of Medicine（醫學期刊）數百篇報告的病例上，系統準確率約 83%；使用參考資料的通才醫師約 36%，未使用參考資料的為 22%。 The Verge AI TechCrunch AI

在取自 Beth Israel Deaconess Medical Center（波士頓的醫療中心）大型住院資料庫的急診病例上，系統準確率為 80%，人類醫師平均為 47%。 The Verge AI

這項研究屬於微軟的「medical superintelligence」目標。TechCrunch 引述其定義：在涵蓋完整照護流程的醫療推理與協調上，超越當代人類主導醫療系統中表現最佳者的能力。 TechCrunch AI

誰受影響

The Verge 指出，微軟已透過數位工具在美國醫療領域有一定規模；TechCrunch 指出，微軟已向臨床人員銷售聽寫與放射科工具，並視 DxO 為這些工作的延伸。 The Verge AI TechCrunch AI

在與 Beth Israel Deaconess Medical Center 的新合作中，病人照常接受標準治療，同意參與者會同時與 DxO 互動，微軟與夥伴將比較 DxO 的建議與人類醫師的決定。 TechCrunch AI

限制與未定事項

該系統只測試過過往病例，在真實臨床環境的表現尚不清楚。Suleyman 說「It needs clinical validation」。論文經同儕審查（由同領域專家審閱），但未納入 GPT-6 Astra、Meta 的 Muse Wonder Full、Google 的 Gemini 4 Argon、Anthropic 的 Opus 5.5 等較新模型。 The Verge AI

醫院測試方面，King 說可能「get underway in the next couple of months」，但 King 與 Suleyman 都不願承諾確切時程；商業化的時間與方式，微軟尚未說明。另外，TechCrunch 指出微軟正與 Mayo Clinic（美國醫療機構）訓練醫療 foundation model（大規模訓練後可用於多種任務的基礎模型），計畫明年釋出。 The Verge AI TechCrunch AI

各方說法

TechCrunch 指出，研究資料顯示改善多來自更強的底層模型，微軟的編排系統再加分。GPT-5 單獨以簡短基本提示在複雜病例得 78.9%，每個病例約 $8,400；加上 DxO 後成本少約 $3,000，準確率僅多約四點；急診病例幾乎沒有改善。 TechCrunch AI

TechCrunch 寫道，GPT-5.5（2026 年 4 月釋出的較新模型）在複雜病例由 72% 升到近 87%，急診病例有無 DxO 都約 85%。Gemini 2.5 Flash（Google 的模型）單獨為 46.4%，搭配 DxO 近 69%。該報導稱強弱模型之間的差距大於 DxO 的提升。 TechCrunch AI

TechCrunch 提醒，這類複雜病例通常由專科醫師或醫師團隊處理，他們不在比較之列。兩家對成績的概括也不同：The Verge 寫微軟稱準確度最高達四倍（up to four times），TechCrunch 寫正確診斷的頻率超過兩倍（more than twice as often）。 The Verge AI TechCrunch AI

接下來要看的事

• 微軟與 Beth Israel Deaconess Medical Center 的醫院環境測試，King 說可能在未來幾個月內展開
• 微軟計畫開源的 SDBench 何時公開
• 微軟與 Mayo Clinic 訓練的醫療 foundation model，計畫明年釋出