微软 MAI-DxO：复杂病例诊断 83%，是医生的 2.3 倍且成本更低
10 月 22 日微软 AI 公布 MAI-DxO（诊断编排器）与配套基准 SDBench，成果同日在《Science》发表。做法不是让单个模型直接给答案，而是把一个语言模型编排成一组虚拟医生：各自提诊断、选下一个该问的问题或该开的检查、互相质疑，几轮辩论后随证据更新判断，并在每一步把检查的信息价值与费用一起算进去。
数字：304 例 NEJM 复杂病例上诊断正确率 83%，而执业内科医生不给外部资料时 22%、给了教材与检索 36%，即约 3.7 倍与 2.3 倍；MIMIC-IV-ED 的常见急诊表现上 80% 对 47%。按成本优化的配置在 NEJM 上仍拿到 81%，成本不到对照系统的一半；官方称两项数据集上没有任何人类或 AI 方案同时更准又更便宜。
更关键的一层是模型无关：换用 GPT-5.5 等更新的模型、不动编排方法，优势仍在，说明增益不只是底层模型更强。微软同时开源 SDBench 的部分 NEJM 病例与 Gatekeeper、Judge、成本估算代码。边界：对照是全科医生单人作答，这类病例现实中由专科团队处理，而团队没有进对照；官方也承认模型越强，编排带来的增益越小。
原文链接：Microsoft AI 官方页面
核验记录
官方页 JSON-LD datePublished 2026-10-22T18:01:00+00:00 与页内可见 October 22, 2026 双证；《Science》同日发表取自官方正文自述，本机未直读期刊页。配图为官方 og:image（webp 2600×1457），裸请求与带站内 Referer 均 200。