微软近日发布了一款全新的 AI 系统 MAI-DxO，旨在显著提升复杂医疗病例的诊断准确性。据悉，该系统的诊断准确率是经验丰富医生的四倍，同时能够将医疗成本降低近70%。这一技术通过一个新的基准测试进行评估，模拟了真实的逐步诊断过程。
研究团队在其论文《利用语言模型进行顺序诊断》中详细介绍了该系统，认为其在面对挑战性病例时，在准确性和成本效益方面显著优于人类医生。为了提供更真实的测试结果，团队创建了顺序诊断基准（SDBench）。与传统的医学 AI 测试不同，SDBench 并非一次性提供所有信息，而是模拟临床决策的顺序过程。
SDBench 的测试案例来源于《新英格兰医学杂志》的304个复杂病例。测试中，医生或 AI 诊断师首先获得一个简要的病例摘要，然后需主动请求更多信息，通过询问针对性的问题或要求检查来获取详细资料。该系统通过 “门控模型” 控制信息的发布，甚至可以生成某些检测的合成结果，以防止无意间泄露提示信息。
在测试中，来自美国和英国的21名经验丰富的医生的诊断准确率为19.9%，每个病例的平均费用为2963美元。相比之下，微软的 MAI-DxO 结合 OpenAI 的 o3模型，达到了79.9% 的准确率，且平均成本为2397美元。MAI-DxO 的主要进步在于成本的显著降低。尽管 o3模型在标准模型中达到78.6% 的最高准确率，但其平均费用高达7850美元。而通过 MAI-DxO 进行的诊断，准确率略有提升，成本却几乎降低了70%。
MAI-DxO 通过模拟一个虚拟的医生团队来提升性能。团队内部分别由 “假设医生”、“测试选择医生”、“质疑医生”、“成本监控医生” 和 “检查清单医生” 组成。这样的结构旨在防止系统过早固定于某一假设。
然而，研究人员也承认了一些限制因素。SDBench 仅基于复杂的教学案例，未能反映日常诊疗中常见病症的分布。成本计算只是粗略估算，未考虑现实世界中的多种因素。此外，参与的医生为全科医生，通常在面对复杂病例时会转介给专家，他们的评估也未利用外部资源。
划重点:
🔍 MAI-DxO 系统的诊断准确率是经验医生的四倍，成本降低近70%。
💡 SDBench 测试模拟真实的逐步诊断过程，通过动态请求信息提升准确性。
🩺 研究指出系统性能优越，但存在针对复杂病例的限制与挑战。
