摘要： 微軟於 2025 年 6 月 30 日公布 MAI-DxO，搭配 o3 在 NEJM 的 304 個疑難病例解出 79.9%，21 位資深醫師對照組為 19.9%。系統逐步問診並安排檢驗，把每例平均成本從約 7,850 美元降到 2,397 美元。文章提醒病例來源侷限、成本以美國估算，且結果尚待同儕審查。
2025年6月30日，微軟公布一套名為MAI-DxO（Microsoft AI Diagnostic Orchestrator）的AI診斷系統：在一系列取自《新英格蘭醫學期刊》（NEJM）的疑難病例上，系統搭配OpenAI的o3模型解出79.9%的病例，而21位來自美英的資深醫師只解出19.9%。Guardian與The Decoder當天報導了這項研究。
數字之外，更值得留意的是微軟替它選的形容：這是「通往醫療超智慧的一條路」。由Mustafa Suleyman領軍的微軟AI部門，把診斷當成下一個攻堅目標。
發表：會「看診」的診斷編排器
MAI-DxO的設計模仿真實臨床醫師的工作方式：逐步詢問特定問題、開立檢驗、再收斂到最終診斷。例如患者出現咳嗽與發燒症狀時，系統會先安排血液檢查與胸部X光，才得出肺炎的判斷。這種編排器架構讓模型不只做單輪問答，而是像醫師一樣序列式地收集資訊。微軟批評傳統評測依賴美國醫師執照考試（USMLE）這類選擇題，偏好背誦答案而非深入理解，可能高估AI模型的真實診斷能力——因此他們另闢了新的評測方式。
SDBench：79.9%對19.9%
研究團隊建立了名為SDBench的基準，從NEJM選出304個「診斷複雜、智力要求高」的病例。在「逐步看診」設定下，MAI-DxO搭配o3達到79.9%的準確率；對照組是21位美英資深醫師，在不能查閱教科書、不能諮詢同事、不能使用聊天機器人的條件下，準確率為19.9%。約四倍的差距構成了這次發表的主要賣點，不過研究也自陳限制：病例僅來自NEJM的疑難案例，成本估算以美國市場為基礎，且結果尚待同儕審查。
成本：比單用o3便宜近七成
效率是另一個核心指標。單獨使用o3雖然診斷能力強，但平均每個病例要呼叫約7,850美元的推理成本；MAI-DxO透過有序的測試選擇，把平均成本壓到每例約2,397美元，比單用模型降低近70%，也低於對照醫師群的每例約2,963美元。微軟強調，這套系統比人類醫師更有效率地安排檢驗，是成本優勢的主要來源。
「醫療超智慧」與就業說法
微軟以「通往醫療超智慧」形容這項研究的方向，但同時淡化對醫師職位的衝擊，並在部落格中寫道：臨床角色遠不只是做出診斷，醫師需要在不確定中導航、與病人及家屬建立信任，「這些是AI尚未被設計來做到的」。Suleyman則對《衛報》表示，這類系統可望在5到10年內接近零錯誤，屆時將是全球醫療體系肩頭上的一大解脫。一邊是超智慧級的願景，一邊是「輔助而非取代」的保證，兩種敘事並存，正是這次發表最耐人尋味的地方。
對開發者的意義
對開發者而言，這份研究的方法論比榜單更有參考價值：與其比拚單一模型的原始能力，不如在模型之上加一層模仿專業工作流程的編排器——分步提問、選擇性花費、收斂結論，就能同時提高準確率並壓低成本。這個「編排器乘以強模型」的模式，正在診斷之外的多個專業領域被複製。