据 Gizmodo 报道，微软医疗 AI 诊断系统 MAI-DxO（Microsoft AI Diagnostic Orchestrator）的研究《Sequential Diagnosis with Language Models》，于周四发表在同行评审期刊《科学》上。该研究去年先以未经同行评审的预印本发布在 arXiv。论文称，系统在诊断准确率上明显超过执业全科医生，同时安排的检查和操作更少。Gizmodo 写道，微软称该系统诊断疑难病例的准确率是执业医生的两倍多。
在《新英格兰医学杂志》发表的复杂病例测试中，MAI-DxO 的诊断准确率为 83.2%，可以查阅参考资料的全科医生为 36.1%。不允许查阅这些资料时，医生准确率降至约 22%。Gizmodo 据此称，系统准确率接近医生的四倍。在另一项急诊入院病例测试中，MAI-DxO 对全科医生的准确率为 80.3% 对 46.8%，领先幅度小于前一项。系统使用 OpenAI 的 GPT-5 时结果最好，追加测试显示换用 GPT-5.5 有提升。
微软在周四的博客中称，该系统“以一半甚至三分之一的成本”，用更少的检查和流程得出正确诊断。Gizmodo 指出，这一节省基于模拟病例的估算费用，并非真实医疗支出。研究人员承认，如果把 MAI-DxO 与专科医生而非全科医生比较，“预计差距会缩小”。
MAI-DxO 以序贯方式工作。患者并不一次性提交全部症状、病史和检查结果；系统从主诉开始，自行决定追问什么、开哪些检查，再得出诊断。Gizmodo 称，这更接近医生的实际做法。研究人员表示，既有基准此前未能按序贯方式评估大语言模型的诊断能力，并据此提出新基准 Sequential Diagnosis Benchmark（SDBench）。
论文称，MAI-DxO“模拟一个医生小组”，持续修订鉴别诊断，并选择具有成本效益的检查。系统把不同角色分给多个 AI agent，分别负责提出诊断、选择检查、质疑假设和权衡成本。研究人员认为，这种方式有助于应对个体医生的部分认知偏差，例如锚定于最初的诊断，或忽略其他解释。
微软 AI 负责人穆斯塔法·苏莱曼对 The Verge 表示，真实部署仍需临床测试。微软 AI 健康负责人 Dominic King 对同一媒体称，测试将在未来几个月内于马萨诸塞州波士顿的贝斯以色列女执事医疗中心启动。
Gizmodo 还提到，今年早些时候，哈佛大学与该医疗中心的研究人员发现，OpenAI 的 o1-preview 推理模型在急诊分诊中诊断患者的表现超过医生。报道写道，医学专家强调，诊断测试中表现更好，并不意味着这些 AI 系统可以或应该取代人类医生，相关工具被定位为医务人员的助手。即便临床试验中表现良好，大规模采用仍会引出责任问题：当 AI 辅助的诊断出错时，accountability 如何界定。报道另引一项 2025 年研究：医生在结肠镜检查中依靠 AI 识别潜在癌症风险，技术撤走之后，表现比使用之前更差。
