微軟公布醫療AI協調器MAI-DxO，複雜病例診斷準確率達人類醫師2.3倍

微軟研究團隊公布AI協調器MAI-DxO最新測試成果，能協調多個AI代理人模擬醫師小組進行討論，使複雜案例的診斷準確率是一般人類醫師將近2倍。

MAI-DxO全稱為Microsoft AI Diagnostic Orchestrator，於2025年6月公布，它是協調器系統，協調多個AI代理模擬醫師小組進行多輪討論，每個代理人提議診斷方法、選擇有的問題或測試，並且向新觀點提出挑戰。這個流程比過去單一AI模型更貼近醫療臨床，而得以提高醫療AI的評估準確性。MAI-DxO協調辯論、一旦有新證據就更新評估，並且衡量每個測試的價值和成本。

微軟於上周宣布論文正式經過同行評審（Peer-review）已刊登於期刊《科學》(Science)上。相較於去年推出時以GPT-4為基礎，論文使用的MAI-DxO協調層是以GPT-5、5.5和Google Gemini 2.5 Flash最新模型為基礎進行評測。

最新論文中，微軟開發SDBench資料集進行測試，包括新英格蘭醫學期刊(NEJM)的304個複雜案例，以及MIMIC-IV-ED資料集的典型急診部案例。

歸納最新研究結果，在複雜的NEJM案例中，MAI-DxO達到83%診斷準確性，醫師在沒有外部參考資源下達到22%，有資源時則為36%，使MAI-DxO在兩個情境下分別為3.7倍及2.3倍。在MIMIC-IV-ED資料集典型急診部案例中，MAI-DxO達到80%的準確性，是人類醫師（47%）的1.7倍。

在更著重以成本優化後，MAI-DxO即使選擇較具成本效益性的配置，效能也相當優異。NEJM案例中，一個僅為類似系統一半成本的配置準確性達81%。而在兩組資料集中，MAI-DxO的準確率和成本效益都超越人類醫師或競爭AI技術。

此外，MAI-DxO最新測試使用了最新的模型包括GPT-5.5，未改變協調方法，結果都能重複出現，顯示其方法並不綁定特定一代模型。

微軟同時宣布開源SDBench的特定NEJM案例，包括基準測試、架構中使用的守門員（Gatekeeper）、評審（Judge）及成本估計程式碼，提供其他研究人員複製或測試其他模型。