微软AI诊断83%碾压医生？这三个限定被标题删了

这两天，微软刷屏了一波"AI诊断超越医生"：疑难病例准确率83%，全科医生只有36%，成本还更低。消息是真的——10月22日，这项研究登上了《Science》，微软联合牛津大学、伯明翰大学，论文题目直白，叫Sequential Diagnosis with Language Models。但不少转发标题悄悄删掉了几个限定词，我们一个个捡回来。微博知乎知乎

先搞清楚MAI-DxO是什么

全名很长，医疗AI诊断协调器，记五个字就行：AI会诊小组。

它不是一个无所不知的超级模型，而是一层"编排"：把多个智能体编成小组分工干活，有的提诊断假设，有的决定开哪项检查，有的专职挑毛病，还有的管预算、防止乱开检查。另配一个"看门人"，你问到才给信息，模拟真实问诊里医生一点点挖线索的过程。知乎

考卷也不是选择题。微软用《新英格兰医学杂志》（NEJM）的304个疑难病例和325个急诊病例搭了评测集SDBench，已经开源。AI要像真医生一样边问边查、逐步缩小范围，最后给出诊断。知乎微博

成绩单确实能打

搭配GPT-5，MAI-DxO在NEJM疑难病例上准确率83.2%；全科医生开卷作答只有36.1%，闭卷仅22.3%。表现最好的单个医生，也只有51.8%。知乎知乎

账算得更漂亮：预算受限配置下AI准确率79.6%，单例成本约1303美元，而医生开卷诊断同一个病例要花4725美元。问诊耐心更是碾压——医生平均问5.6个问题就开第一张检查单，MAI-DxO平均问25.5个。知乎知乎

但三个限定，一个都不能少

一是模拟不是门诊。病例来自NEJM病例报告，没有真实患者，AI不用面对含糊的主诉和复杂的真人。知乎

二是对照组是单个全科医生。这类疑难病例现实中早就转给专科团队了，而专科医生没参赛。“AI碾压医生"里的"医生”，本来就不是最强选手。微博

三是功劳大头在底座模型。GPT-5自己单挑就能答对78.9%（单例成本约8400美元），会诊编排层只再加4个点左右。编排层的真价值在别处：让弱模型变能用——Gemini 2.5 Flash装进这套框架后，准确率能拉到逼近七成，便宜模型也能干活了。知乎知乎

那这事到底重不重要

重要。微软自己的评估是，DxO这类编排系统的价值在于同时优化两件事：准确率和成本。知乎

微软AI负责人苏莱曼把它称为迈向"医疗超级智能"的一步。微软正和梅奥诊所推进后续研究。其医疗AI副总裁说得实在：全球医疗最大的挑战，是医生供需缺口越拉越大。AI哪怕只当医生的助手，把问诊和开检查这些耗时细致的活先扛一部分，也够意义了。微博知乎

对普通人，两个实用启示：下次刷到"AI超越人类"的新闻，先找对照组和成本行，这是AI新闻的照妖镜。另外这套系统离临床还远，真实患者的前瞻验证一关都没过，别指望下次挂号是AI给你拍板。微博

但"问完25个问题再开检查"，或许就是AI时代好医生该有的样子。论文没吹，急的是标题。