重點一 ：微軟公布旗下AI診斷協調MAI-DxO於304例複雜病例中，正確診斷率達85.5%，遠超21位資深真人醫師的20%。
重點二 ：該研究指出，MAI-DxO不僅診斷更精準，也能有效降低診斷成本，展現AI協助醫療決策的經濟效益。
重點三 ：但MAI-DxO目前僅供研究用途，尚未獲臨床認證，未來將展開更多真實場域測試與安全驗證。
Microsoft AI團隊最新研究顯示，其開發的Microsoft AI Diagnostic Orchestrator （MAI-DxO，微軟AI診斷協調器）在醫學診斷領域取得突破性進展。
MAI-DxO以《新英格蘭醫學雜誌》（簡稱NEJM）每週發布的真實病例記錄為基準， 其正確診斷率高達85.5%，遠遠超越由美國與英國21位臨床經驗5至20年的資深醫師組成的對照組，後者平均僅達20%。 此一成果不僅展現AI在面對醫療難題時的精準度，也突顯成為臨床決策輔助工具的潛力。
採用真實病例！讓AI按照真實情境問診
過去AI醫療系統多以美國醫師執照考試（USMLE）等選擇題作為評測標準，但這類題型偏重記憶力，難以反映臨床推理與決策能力。微軟AI團隊認為，AI若要真正幫助醫療現場，必須具備逐步分析與決策能力。
因此，團隊開發出「序列診斷基準」（Sequential Diagnosis Benchmark, SD Bench），利用NEJM發表的304個複雜病例，讓AI或醫師從初步病徵出發，逐步詢問、選擇檢查並整合新資訊，最終給出診斷。 同時，AI模型的每一次檢查都要設定虛擬成本，模擬真實醫療資源消耗，讓評估同時考量診斷準確率與成本效益。
微軟團隊據此方式測試了多款生成式AI模型，包括GPT、Llama、Claude、Gemini、Grok與DeepSeek，並進一步開發MAI-DxO系統。 它的運作方式可以理解為，一個由多位醫師組成的虛擬團隊，AI 會根據病人的症狀，主動提出追問、選擇合適的檢查，並逐步推進診斷流程，最後給出診斷結果。
簡單來說， MAI-DxO 不只是單一 AI 系統，而是能整合多個不同 AI 模型，像醫師討論一樣協作解決問題，目標是幫助醫療人員更快、更準確、也更省錢地解決困難病例。
MAI-DxO正確率高達85%！單一模型o3正確率最高
研究結果顯示， MAI-DxO搭配OpenAI最新模型，在SD Bench上正確診斷率高達85.5%，而21位美國與英國臨床經驗5至20年的醫師，平均僅達20%。
圖表右下方有一個紅十字，標示為「Physicians (Overall)」，即為人類醫師團隊的20%正確診斷率的對照組，成本約為 $3,000 美元。
X軸：平均診斷檢查成本（美元）
Y軸 ：診斷準確率（%）
紫色線條 ：描繪MAI-DxO在不同設定下的表現（即在不同成本約束下的準確率變化）
紅色叉號 ：21位臨床醫師的平均表現
令人驚訝的是， 單一模型的表現，除了成本較低的 GPT 3.5 Turbo 外，幾乎所有 AI 模型和系統都在診斷準確率上超越了人類醫師基準。 尤其 MAI-DxO 系統，即使是0成本，其準確率和成本效益也比人類醫師的平均表現更高。
至於各家語言模型的表現， 可看到OpenAI旗下的o3、o4 mini，以及Anthropic旗下的Claude 4 opus、Claude 4 sonnet為領先群，在70%正確診斷率的基礎，將平均診斷檢查成本控制在7000美元以下。其次表現較佳的則為Google旗下的Gemini 2.5 Pro，在逼近70%的正確診斷率上，成本在5000美元以下。
連醫師都要被AI取代了？微軟曝人類醫師「無可替代」關鍵
微軟研究強調，一般醫師多為全科或專科，難以同時兼顧廣泛與深入的專業領域。但AI可同時整合多專業知識，展現橫跨多領域的臨床推理能力，為醫療帶來全新可能。
微軟AI團隊認為，AI有潛力協助病患自主管理健康，也能成為醫師在複雜疾病診斷上的決策輔助工具，進一步提升醫療效率， 更重要的是，降低高昂的醫療成本。
研究強調，AI在診斷過程中不會一味要求所有檢查，而是能以較低成本達到高準確率，解決過度檢查導致的醫療浪費。美國目前醫療支出已近GDP的20%，其中高達四分之一被認為是無效支出，而AI有機會協助醫療體系更有效分配資源。
微軟表示，MAI-DxO目前僅為研究性質，尚未取得臨床應用認證，未來將持續與全球醫療機構合作，於真實臨床環境進行嚴格測試與驗證，並配合監管機構制定安全、可靠的應用標準。
微軟也強調「AI不會取代醫師」，而是成為醫師與病患的助手。臨床醫師在建立病患信任、處理不確定性等方面仍具不可取代的角色。
資料來源：微軟
