多年来，人工智能领域的领导者一直把医疗保健视为其技术改善生活的典型例子。如今，微软AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）表示，“它终于来了。”微软声称，他们创造了一种由人工智能驱动的工具，对疾病的诊断准确率可高达人类医生的四倍。
最近，发表在顶级科学期刊上的研究结果展示了相关测试：在这些测试中，微软的人工智能系统与人类医生在来自医学病例报告和急诊数据的多种场景下进行了比较。微软将这些案例汇编成一个名为SDBench的基准测试集，并计划将其开源。“诊断编排器”（Diagnostic Orchestrator）旨在模拟一个医学专家小组，利用多个AI智能体分析症状和病史、确定必要的检查并做出诊断，模仿医生的诊疗流程。
在采用一家权威医学期刊众多报告病例的测试中，微软系统实现了约83%的诊断准确率，而全科医生在有参考资料时约为36%，无参考资料时仅为22%。人工智能在来自大型患者入院数据库的急诊场景中同样表现出色，其准确率达到80%，而人类医生平均为47%。此外，与人类医生相比，AI系统还常常以更低的预估成本提供诊断。
研究人员指出，该系统由OpenAI的GPT-5驱动，优于独立运行的其他先进AI模型，不过这项同行评审研究并未纳入GPT-6 Astra或谷歌Gemini 4 Argon等最新模型。该系统最初是在GPT-4.1仍是主流模型时开发的，后续测试表明，“模型能力的提升并不一定会削弱”协作式AI智能体的优势。
微软也认识到，这项技术距离广泛落地还有很长的路要走。尽管测试模拟了医生的诊断过程——提问、考虑可能的解释、开具检查——但该系统只基于历史病历进行了评估，其在真实临床环境中的表现仍不确定。“它需要临床验证，”苏莱曼说，“那是一个跨越，但这是这条路上一个重要的里程碑。”
这项研究是微软更宏大目标的一部分，即打造所谓的“医学超级智能”——一种能够超越最佳人类主导医疗体系的AI。“超级智能”一词早已出现在微软的词汇表中，远在它成为政治圈流行词之前。
微软AI健康事务主管、该研究的合著者多米尼克·金博士（Dr. Dominic King）表示，诊断只是微软医疗愿景的一个方面。在最近的一篇博文和一篇医学期刊文章中，微软列出了另外五个AI需要精进的领域，包括协调临床护理、制定治疗决策，以及处理医学中涉及人文关怀的部分。
金提到，微软计划与贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）合作，在医院环境中启动系统测试，以评估其在真实临床条件下的表现。虽然金和苏莱曼都没有提供具体时间表，但金表示测试可能在未来几个月内开始。
商业化也可能即将到来，不过微软尚未披露这项技术将何时或如何面世。微软已凭借其数字工具在美国医疗保健市场占据强势地位，健康类应用是其面向消费者的聊天机器人中最受欢迎的使用场景之一。金强调，考虑到医疗领域严格的监管和合规要求，必须负责任地推出相关技术。
苏莱曼预测：“明年，我们将看到智能系统在生产环境中得到极其引人注目的部署。我认为这将极大改变医疗服务的提供方式。”
苏莱曼此前曾分享过“以人为本”的人工智能愿景，强调医学也不例外。虽然他预计“未来几年内，医学超级智能领域将出现与人类表现难以区分的东西”，但他坚持认为人类临床医生在患者护理中始终扮演着至关重要的角色。
他承认，人工智能或许会让医生承担更多任务，但他希望这能减轻医学中部分“苦差事”，让临床医生有更多优质时间与患者相处。
“我对接下来发生的事非常乐观，”他总结道，“我认为这正是我们开发技术的原因。”
【全文结束】