医疗AI大卷特卷，就在昨晚，微软也来凑热闹！ 就在昨晚，微软放出全新的SDBench基准测试集和“微软AI诊断协调系统”MAI-DxO。 SDBench基准测试采用了《新英格兰医学杂志》(NEJM)的304份最棘手的开放式病例，重点考察AI的序贯诊断能力。 所谓序贯诊断，就像现实生活中的医生看病，不是总能一下就确诊的。比如，病人咳嗽发烧，医生可能需要先看验血报告和胸片才能确定是肺炎。 在SDBench测试中，AI或人类诊断者一开始只知道病人的基本情况。 如果想了解更多，他们需要主动提出问题或申请检查。这时，一个“守门人”模型就会提供被请求的信息，甚至能生成逼真的合成检查结果，避免不小心透露诊断线索。【图1】 值得一提的是，整个诊断过程中，系统还会实时显示每次检查的预估费用，检查项目越多，费用也越高。 微软的另一项成果MAI-DxO系统。它能协调多个AI模型一起工作，这个系统就像一个虚拟的医生专家组，里面有分工明确的“医生”：【图2】 - “假设医生”：负责列出所有可能的诊断结果。 - “检测选择医生”：挑选最有用的检查项目。 - “质疑医生”：扮演“反对派”，防止出现认知偏差（比如只看自己想看的，忽略其他可能性）。 - “成本管控医生”：全程监督医疗开支。 - “质控医生”：确保诊断质量。 实验结果显示，有了MAI-DxO系统，所有参与测试的AI模型的诊断表现都显著提升。 其中，MAI-DxO与OpenAI的o3模型结合时，在《新英格兰医学杂志》的病例中，诊断正确率高达85.5%。 而且经MAI-DxO系统协调后，在保持精度提升的同时，单病例成本从7850美元骤降近70%，达到2397美元。【图3】 与资深医师团2963美元的单病例平均成本相比，也是怒省500刀啊！ 尽管研究成果喜人，但这项研究也存在一些局限性： - 病例特殊：测试只用了医学期刊中罕见的复杂病例，并没有覆盖日常生活中常见的疾病。 - 成本估算：成本数据只是粗略估算。 - AI优势独特：AI之所以表现出色，是因为它能整合多位专科医生的角色功能，这种多角色协同是任何一个单独的医生都无法实现的。 话又说了回来，这么多医疗AI的进展，如果让他们玩起【图5】的猜病，会是个什么效果呢？ 感兴趣的朋友可以可以查看 论文原文： 技术博客：-path-to-medical-superintelligence/