10 月 22 日，Microsoft 宣佈其人工智能醫療診斷系統 Diagnostic Orchestrator 在複雜病例測試中取得優於人類醫生的成績，相關研究成果已發表於國際學術期刊《科學》。Microsoft 人工智能首席執行官穆斯塔法·蘇萊曼表示，公司正朝著醫療超級智能的目標邁進，預計未來幾年內，人工智能系統在醫學領域的表現有望達到與人類專家難以區分的水平。
Microsoft 通過一系列醫療病例和急診科數據，將自研人工智能診斷系統與人類醫生進行比較，並建立了名為 SDBench 的評估基準。與只需回答一道醫學選擇題的傳統測試不同，該基準要求參與者逐步分析病情、提出問題、選擇檢查項目，最終給出診斷結果，以更真實地模擬臨牀醫生的診斷過程。Diagnostic Orchestrator 的核心思路是讓多個人工智能智能體協同工作，模擬由不同專業背景醫生組成的會診團隊。
系統根據患者症狀和病史，判斷下一步需要詢問的問題和檢查項目，並根據新獲得的資訊不斷調整判斷，直至形成最終診斷。
Microsoft 的人工智能診斷系統在測試中表現優異
在以《新英格蘭醫學雜誌》發表的數百份病例報告為基礎的測試中，該系統的診斷準確率約為 83%。相比之下，能夠查閱參考資料的全科醫生準確率約為 36%，無法查閱參考資料的醫生則約為 22%。在另一組來自美國波士頓貝斯以色列女執事醫療中心急診患者資料庫的病例中，人工智能系統準確率達到 80%，參與比較的人類醫生平均準確率約為 47%。
除診斷準確率更高外，Microsoft 還表示，該系統在測試中往往能以較低的估算成本得出診斷結果，原因之一是系統能夠根據現有資訊選擇檢查項目，而非不加區分地進行大量檢查。不過，這些成本結果基於研究中的統一估算方法，並不意味著系統已在現實醫療環境中證明能夠直接降低醫院實際運營開支。
Microsoft 計劃將人工智能應用於臨牀護理
該系統目前由 OpenAI 的 GPT-5 提供底層能力，但 Microsoft 強調，真正發揮作用的不只是基礎模型本身，還有負責組織診斷流程、協調多個智能體並驗證推理結果的編排機制。研究團隊表示，即使基礎模型持續升級，多智能體協作仍可能帶來額外收益。該系統最初在 GPT-4.1 仍屬先進模型的階段開發，後續測試顯示，模型能力提升並不必然削弱協同診斷架構的價值。
Microsoft 也承認，測試主要圍繞既往病例和經過篩選的複雜診斷案例展開，尚不能證明系統在真實臨牀環境中也能取得同樣表現。研究還需進一步評估其面對普通常見症狀時的可靠性，以及在資訊不完整、病情不斷變化等現實條件下的表現。系統要真正投入臨牀使用，還必須經過嚴格的臨牀驗證。
Microsoft 負責人工智能醫療業務的多米尼克·金表示，診斷只是公司醫療戰略的一部分。Microsoft 還希望人工智能能夠協助協調臨牀護理、制定治療方案，並處理醫療服務中涉及患者溝通和人際互動的複雜問題。Microsoft 計劃與貝斯以色列女執事醫療中心合作，在醫院環境中開展測試，相關工作可能在未來幾個月啟動，但公司尚未公佈確定的時間表，商業化方面也沒有具體日期或產品發佈計劃。
蘇萊曼強調，人工智能並不意味著醫生將從醫療體系中消失。醫生的工作不僅包括診斷，還涉及處理模糊資訊、與患者及家屬建立信任，以及根據具體情況作出綜合判斷。Microsoft 希望人工智能能夠減少醫生在重複性、繁瑣事務上耗費的時間，讓他們將更多精力用於患者護理。
