AI 问诊这件事，微软给出了迄今最硬的一份同行评议证据。当地时间10月22日，微软宣布其 AI 诊断系统 MAI-DxO（Microsoft AI Diagnostic Orchestrator）的研究成果正式发表于《科学》杂志：在基于《新英格兰医学杂志》（NEJM）复杂病例的模拟评估中，MAI-DxO 诊断准确率达83%，而可独立查阅参考资料的基层全科医生与普通内科医生仅为36%。
一、编排器怎么工作：模拟一场多学科会诊
MAI-DxO 的核心思路不是再造一个更强的单模型，而是用统一编排器调度多个 AI 智能体，模拟医生专家联合会诊：各智能体协同向患者问诊、开具化验检查，并对潜在诊断展开深入研判与辩论，像医疗团队一样逐层收窄鉴别诊断。微软在 OpenAI、谷歌、Anthropic、Meta 以及 DeepSeek 等多家机构的底层模型上测试了该编排架构，其中表现最亮眼的是 OpenAI 的 GPT-5 与 GPT-5.5——说明编排增益建立在基础模型能力之上，二者相乘而非互替。
二、两组数据：准确率翻倍、成本减半
两组关键测试结果
① NEJM 复杂病例模拟评估：MAI-DxO 准确率 83%，对照的基层全科/普通内科医生 36%（复杂病例现实中的诊疗通常由专科专家或多学科团队承担，本次对照未纳入专科医生）；
② MIMIC-IV-ED 急诊入院数据评估：MAI-DxO 准确率 80.3%，全科医生 46.8%，优势收窄至约1.7倍；
③ 成本侧：官方表示系统所需成本仅为医生的一半甚至三分之一，能以更少的化验与诊疗操作锁定正确诊断。
急诊真实世界数据上优势收窄，恰说明这套系统的当前定位：不是替代分诊，而是在疑难病例上提供高水平的“第二意见”。
三、离临床落地还隔着什么
从论文数据到诊室常规，仍有三道坎：①对照口径——83% 对 36% 的比较对象是基层医生，而非此类复杂病例实际会遇到的专科团队；②责任与监管——AI 参与诊断的误诊责任划分、医疗器械审评路径，各国监管都在探索中；③可及性——编排多模型推理的成本虽低于医生，但基础设施与数据合规门槛决定了它将先落地于大型医疗机构。
医疗是“错误成本极高、知识密度极高”的行业，多智能体会诊架构在这里验证有效，对法律、金融等同样重推理的行业是可直接借鉴的范式。
对国内从业者，这条新闻还有一层信号：编排器层面中美的起跑线相差不大，DeepSeek 的模型已进入微软的测试矩阵。九天天行大模型同样以行业智能体编排为核心能力，在医疗等强合规行业提供私有化部署与全流程留痕，让“AI 第二意见”跑在机构自己的受控环境里。
（信息综合自微软官方公告、IT之家、财联社、联合早报等公开报道）