微软的医疗诊断系统，复杂病例准确率 83%

83% 对 36%。这两个数字放在一起很有冲击力，但先别急，得看对面坐的是谁。

一、发生了什么

据 IT 之家 10 月 23 日报道，微软在当地时间 10 月 22 日公布了其 AI 诊断系统 MAI-DxO，全称 Microsoft AI Diagnostic Orchestrator。它的做法不是让一个模型从头答到尾，而是编排多个智能体，模拟专家联合会诊：分头问诊、开检查、各自提出假设，再互相辩论。

两组数据：在美国急诊科常见就诊病例上，用 MIMIC-IV-ED 数据集评估，准确率是人类医生的 1.7 倍；在《新英格兰医学杂志》的复杂病例模拟中，准确率达到 83%。对照组里能独立查资料的全科医生和普通内科医生，准确率 36%。微软称这套系统所需成本只有医生的二分之一到三分之一，用的检查也更少。成果已发表在《科学》，论文编号可查。

有一处 IT 之家写得很清楚：这类复杂病例在现实中通常交给专科医生或多学科团队，而专科医生没有进入这次对照。

二、跟你有什么关系

如果你在医院信息科：这类系统短期不会替代医生，更可能先做分诊和检查建议，减少不必要的化验。落地难点在接口和责任划分，不在准确率。真出了问题，签字的是医生，不是编排器。

如果你是临床医生：83% 这个数字不构成对你的比较，因为对照组不是你。真正值得看的是它在"该开什么检查"上的取舍逻辑。

如果你在评估医疗 AI 产品：先问对照组是谁、病例从哪来、有没有前瞻验证。三个问题答不清，准确率就不用看了。

三、怎么判断

1. 先看对照组构成。全科医生、内科医生、专科医生，是三个完全不同的基准。这次是前两类，缺了第三类。
2. 再看病例来源。MIMIC-IV-ED 是公开的重症与急诊数据库，NEJM 病例是已发表的疑难病例。两者都是回顾性材料，不是实时接诊的前瞻试验。
3. 最后看论文自己的归因。研究数据显示，诊断能力的提升很大程度上来自底层基础模型的进步，编排架构是在此之上再放大。这意味着它的上限跟着别人的模型走。
4. 顺手看一眼用了谁的模型。微软测了 OpenAI、谷歌、Anthropic、Meta 和 DeepSeek 的模型，表现最好的是 GPT-5 和 GPT-5.5。

四、三个别信的说法

"AI 诊断准确率 83%，超过大多数医生。" 对照组的 36% 来自全科和内科医生，而现实里这类病例本来就该由专科团队处理。拿掉这个前提，比较就不成立。

"成本只有医生的三分之一，所以能马上铺开。" 算的是单次诊断的推理和检查成本，没算集成、维护、责任保险和误诊处理。医院的账不这么记。

"上了《科学》就等于临床可用。" 发表说明方法经得起审稿，不代表通过监管。医疗系统上线要走器械审批和临床验证，这两步都还没到。

五、一句话结论

83% 是真的，36% 也是真的，只是这两个数字本来不该被放在同一行比。看医疗 AI 的成绩单，先看对面坐的是谁。

信息来源

• IT 之家：微软 MAI-DxO 复杂病例准确率 83%，2026 年 10 月 23 日。

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。