OmniTools 10月23日消息，据一项发表在《Science》上的同行评审研究，微软的AI诊断系统MAI-DxO在复杂的新英格兰医学杂志（NEJM）病例中诊断准确率为83.2%，而能够使用检索与参考工具的全科医生为36.1%。论文题为“Sequential diagnosis with language models”，于10月22日发表。
研究团队基于304个NEJM临床病理病例以及MIMIC-IV-ED数据集中的325例急诊入院记录，构建了名为SDBench的基准。系统不会一次性拿到完整病例，而是从简短的主诉开始，自行决定要问什么、开哪些检查；“Gatekeeper”代理只放出某个问题或检查在现实中可能揭示的信息，“Judge”代理则对最终诊断打分。MAI-DxO由多个虚拟医生组成一个“专家组”：每个虚拟医生提出诊断、选择问题或检查，并质疑逐渐形成的结论，系统还会权衡每项检查的成本。
用GPT-5驱动时，该系统在NEJM病例上的准确率为83.2%，平均估算检查费用为5431美元；医生在有检索和参考工具时平均准确率为36.1%，没有这些工具时为22.3%。表现最好的单个医生准确率为51.8%，在准确率和成本两项上均不及该系统。在更常规的急诊病例中，MAI-DxO的准确率为80.3%，医生为46.8%。微软称，在不改变编排逻辑的情况下改用GPT-5.5重跑评估，提升依然存在且更大。
作者也说明了研究局限：测试仅涉及文本，比较对象是单个全科医生而非专科医生或团队，衡量的是“理想化信息条件下的诊断推理”，而非床旁表现或患者结局；所有作者均为微软员工。微软表示，下一步将与波士顿贝斯以色列女执事医疗中心开展前瞻性研究，让患者直接与系统交互，并将开源SDBench代码，供他人测试其他模型并检验结论。
