人工智能领域的领导者多年来一直将医疗健康作为该技术改善生活的最明显例证之一。微软AI首席执行官穆斯塔法·苏莱曼在接受The Verge采访时表示，这一愿景"终于到来了"。该公司宣称已开发出一款AI驱动的工具，其诊断病症的准确率最高可达人类医生的四倍。
这些研究结果于本周四发表在全球最具声望的学术期刊之一《科学》（Science）上，研究基于一系列测试，让微软的AI系统与人类医生在从医学病例报告和急诊科数据中提取的场景中展开对比。微软将这些病例汇编成自己的基准测试集SDBench，并计划将其开源。微软的"诊断协调器"（Diagnostic Orchestrator）设计旨在模拟一组医学专家小组的运作方式，它使用多个AI智能体对症状和病史进行推理分析，决定应进行哪些检测，并最终得出诊断结论，整个过程模仿了医生调查病例的方式。
在取自《新英格兰医学杂志》数百份报告的病例测试中，微软的系统达到了约83%的诊断准确率，相比之下，使用参考资料的全科医生准确率约为36%，而不借助参考资料的医生准确率仅为22%。该诊断协调器在波士顿贝斯以色列女执事医疗中心大型患者入院数据库中提取的急诊科病例测试中，同样优于人类医生，准确率达到80%，而人类医生的平均准确率为47%。此外，该AI系统得出诊断结论所需的预估成本也往往低于人类医生。
研究人员表示，该系统由OpenAI的GPT-5驱动，其表现也优于单独运作的前沿AI模型，不过这篇经同行评审的论文并未涵盖GPT-6 Astra、Meta的Muse Wonder Full、谷歌Gemini 4 Argon或Anthropic的Opus 5.5等更新的模型。诊断协调器最初是在GPT-4.1为当时最先进模型的阶段开发的，但研究人员表示，后续测试表明"模型能力的提升并不必然削弱"多智能体协作所带来的优势。
微软承认，在这项技术得以广泛部署之前，前方还有很长的路要走。尽管测试更贴近医生诊断病症的实际流程——提出问题、权衡可能的解释、安排检测后再得出诊断结论——但该系统目前仅在过往的医学病例上进行过测试，其在真实临床环境中的表现究竟如何仍是未知数。"它需要临床验证，"苏莱曼表示，"这是一次跨越，但这是这一进程中的一个重要里程碑。"
这项研究是微软更宏大愿景的一部分，该公司将这一目标称为"医学超级智能"——即能够超越最优秀人类主导的医疗系统的AI。微软使用"超级智能"这一术语的时间，早于唐纳德·特朗普及其政府将该词挪用为"AI"的笼统替代说法。
微软AI健康负责人、该研究的合著者多米尼克·金博士表示，诊断只是微软健康愿景的一部分。在本周四发布的一篇博文以及即将发表在《BMJ数字健康与AI》医学期刊上的文章中，该公司概述了另外五个它认为AI必须掌握的领域，包括协调临床护理、制定治疗决策以及处理医学中的人文关怀层面。
金告诉The Verge，微软计划开始与贝斯以色列女执事医疗中心合作，在医院环境中测试该系统，以观察其在真实临床环境中的表现。金和苏莱曼均未承诺具体的时间表，但金表示这项工作可能"会在未来几个月内启动"。
商业化也可能即将到来，不过微软尚未透露该技术何时以及以何种方式可供使用。该公司已通过其数字工具在美国医疗健康领域占据重要地位，而健康相关功能也是其面向消费者的聊天机器人Copilot最受欢迎的用途之一。金强调了负责任推广的必要性，指出医学领域有着严格的监管和合规要求，必须予以遵守。
"明年我们将看到智能系统在生产环境中非常令人印象深刻的部署，"苏莱曼表示，"我认为这将在很大程度上改变医疗护理的提供方式。"
苏莱曼此前曾多次谈到他"以人为本"的AI愿景，并表示医学领域也不例外。尽管他预测"未来几年内"将出现"在医学超级智能方面与人类表现无法区分"的系统，但他坚持认为，人类临床医生应当并且将始终在患者护理中占据核心地位。
他承认，AI最终可能会让医生承担更多工作，但他希望这项技术能够减少医学工作中的"繁琐杂务"，从而让临床医生有更多时间与患者相处。
"我对接下来即将发生的事情非常乐观，"他说，"我认为这正是我们开发这项技术的原因。"
