AI 新闻发布于: 2026年10月23日

《科学》研究：微软AI"诊断协调器"在疑难病例上胜过全科医生——但仅限纯文本基准测试

发表于《科学》的研究显示，基于GPT-5的微软DxO系统逐步诊断，在NEJM复杂教学病例中正确率达83.2%，而使用参考工具的全科医生为36.1%。作者强调这是受控的纯文本测试，并非真实临床实践。

微软团队在**《科学》杂志发表了关于诊断协调器（DxO）**的研究。该AI系统逐步处理病例——自行决定问什么问题、开什么检查——而不是一次性获得完整病例摘要。

结果

在304个《新英格兰医学杂志》临床病理讨论病例中，DxO的诊断正确率为83.2%。全科医生在无参考工具时为22.3%，有参考工具时为36.1%。
据Medical Economics报道，在MIMIC-IV-ED数据库的325例急诊入院病例中，DxO正确率为80.3%，医生为46.8%。
DxO运行在商用大语言模型上（主要结果使用GPT-5），模拟一个由虚拟医生组成的会诊小组，相互质疑假设并权衡每项检查的费用。
在不设预算限制时，DxO的平均检查费用高于医生（NEJM病例每例5,431美元对4,725美元）；设置预算限制后费用下降，但准确率略有损失。

作者承认，比较对象是单个全科医生，而非专科医生或团队；基准测试仅为文本（无影像或病理切片）；所有病例均有疾病，排除了健康和良性就诊；研究只衡量诊断环节，未涉及治疗、安全性或患者结局。所有作者均为持有公司股权的微软员工，研究无外部资助。该研究并不能证明该系统可安全用于患者。