根据周四发表在《科学》杂志上的一项研究，微软的AI诊断系统在模拟测试中正确诊断复杂医疗病例的比率，是全科医生的两倍以上。微软AI首席执行官穆斯塔法·苏莱曼将这一结果称为迈向"医疗超级智能"的一步。
这套名为MAI-DxO（简称DxO）的系统协调多个AI智能体，使其表现得像一个医生小组。这些智能体会询问病人情况、安排检测并讨论诊断结果。
在使用《新英格兰医学杂志》中复杂病例进行的模拟测试中，该系统的诊断准确率达到83%。而独立工作、可参考资料的初级保健医生和普通内科医生的准确率仅为36%。需要说明的是，这类复杂程度的病例通常由专科医生或医生团队处理，而这次对比并未将他们纳入其中。
"这里有一些非常重要且令人兴奋的东西，"微软AI健康业务副总裁多米尼克·金告诉TechCrunch。"目前医疗服务面临的最大挑战，是医学专业知识的供需差距正在不断扩大。"
通过发布这些结果，微软加入了谷歌和OpenAI的行列，宣称自家AI能够匹配甚至超越医生水平。
该研究自身的数据表明，大部分性能提升来自于更强大的底层AI模型，微软的协调系统只是在此基础上带来了额外增益。
微软用多家公司的模型测试了MAI-DxO，包括OpenAI、谷歌、Anthropic、Meta和DeepSeek的模型，但最佳结果出现在使用OpenAI的GPT-5和GPT-5.5时。
微软同时衡量了DxO的成本和准确率，即运行AI处理每个病例的估计成本。单独使用简短基础提示词的GPT-5，在复杂病例上得分为78.9%，每个病例成本约为8400美元。DxO将这一成本降低了约3000美元，但准确率仅提升了约四个百分点。在急诊科病例上，GPT-5单独使用与配合DxO使用之间，准确率和成本几乎没有改善。
使用2026年4月发布的更新模型GPT-5.5时，结果出现了分化。在复杂病例上，DxO将GPT-5.5的准确率从72%提升至近87%，同时成本略有降低。然而，这种提升同样没有体现在急诊科病例上，无论是否配合DxO，得分都约为85%，成本相近。
DxO在处理复杂病例和能力较弱的AI模型时效果最为显著。例如，Gemini 2.5 Flash单独使用时得分为46.4%，但配合DxO后提升至近69%。即便如此，较弱模型与较强模型之间的差距，仍大于DxO所带来的提升幅度。
微软研究人员表示，随着模型接近理论上限，准确率的提升自然会逐渐收窄。一位发言人补充道："DxO协调系统有助于应对在准确率和成本之间进行优化这一更广泛的挑战。"
领导微软打造自有前沿AI工作的苏莱曼告诉TechCrunch，公司正与梅奥诊所合作，训练一个面向医疗保健的基础模型，计划明年发布。他认为这一模型将使公司"在这一领域实现真正巨大的飞跃"，并表示DxO是微软正在构建的基础设施的一部分，旨在推动医疗保健领域取得真正的突破。
"我真的相信，到2027年，我们将在电子病历领域迎来类似编程风格的突破，"苏莱曼说。"我认为我们将能够对病历可能的发展方向做出高度准确的预测，这种对临床医生而言的预见能力显然是无价之宝。"
苏莱曼的整个职业生涯都在尝试利用AI解决医疗问题。他此前是DeepMind的联合创始人，该公司于2014年被谷歌收购。次年，谷歌DeepMind收购了金所创立的临床任务管理应用初创公司Hark，两人随后共同创立了DeepMind Health。苏莱曼于2024年加入微软领导其AI部门，几个月后金也加入了微软。
"我们是真正的信徒，"苏莱曼说。
他表示，尽管生成式AI在医疗保健领域的应用仍处于早期阶段，但他预计医疗保健模型将在未来24到36个月内"实现能力上一个数量级的提升"。
"正如我们在过去五六年中多次看到的那样，一旦形成飞轮效应，进展就会非常迅速，"苏莱曼说。"飞轮效应意味着我们有一个正在投产使用的模型，通过真实世界的使用不断迭代，从而发现模型中的不足并加以修补和改进。这正是编程领域发生的情况，也是此前聊天领域发生的情况。我认为明年这种情况将开始发生在电子病历和临床决策支持领域。"
通过与波士顿贝斯以色列女执事医疗中心建立的新合作关系，微软将在不同医院环境中评估DxO的临床推理能力。
"这项技术已经准备好进行真实世界的评估，可以想象波士顿急诊科在某个周五晚上会出现多么复杂多样的问题，"金说。
他解释了这项研究将如何进行：病人将接受标准治疗，包括分诊、专科医生诊疗时间、治疗、检查以及是否可以安全出院的决定。与此同时，同意参与的病人也将与DxO进行互动。微软及其合作伙伴将把DxO的建议与人类医生的建议进行对比。
本月，谷歌与贝斯以色列合作在《柳叶刀》上发表了一项临床研究，在真实的紧急护理就诊中评估谷歌的AMIE对话式诊断AI，期间由人类医生实时监督这些互动。
"我们认为这将是同类研究中规模最大的一项，"金说。"研究范围不仅涉及急诊环境，还包括紧急护理环境，到研究期结束时，将为我们提供非常有说服力的证据，证明这些系统未来能够以更大规模部署。"
微软发表在《科学》杂志上的这项研究，恰逢其发布的一份关于构建医疗超级智能所需条件的宣言式文件，该文件将医疗超级智能定义为"在医疗全周期的推理和协调方面，超越当今最强人类主导医疗系统的能力"。微软希望超越单一任务的基准测试——例如回答医学考试题和生成诊断结果——转向与临床医生和医疗保健系统整合，以获得更好的治疗效果。
"这是全世界都想要的技术，这就是为什么我们致力于竭尽所能加速其在全球的推广，"苏莱曼说，并补充道，与其他前沿实验室相比，这种专注可能成为微软的差异化优势。
微软已经向临床医生销售语音记录和放射学工具，并将DxO视为这些业务的延伸。
"在未来几年里，我们必须拥有绝对一流的、最先进的医疗临床决策支持产品，"苏莱曼说。
