1. 首頁 > 生活百科 > >

微軟 AI 診斷準確率超人類醫生4倍，以后看病前先問問它？

人工智能ai上海市工業化

微軟 AI 診斷準確率超人類醫生4倍，以后看病前先問問它？

文章圖片


四倍 ， AI 醫生的診斷準確率遠超過人類醫生 。
這可能有點難以置信 ， 但微軟人工智能團隊日前發布的一項 AI 診斷協調系統 MAI-DxO（MAI Diagnostic Orchestrator）真的做到了 。
它在《新英格蘭醫學雜志》每周發布共計 304 個真實復雜病例上進行了基準測試 。 測試結果顯示 ， 準確率達到了85.5% 。
這個基準測試不再是之前光憑借記憶 ， 就可以做到的試卷答題 ， 而是微軟創建的全新的評測標準 ， 「順序診斷基準」（SD Bench） 。 它高度還原了真實診療過程的互動挑戰：
從患者的初步癥狀描述入手 。通過多輪提問 ， 選擇各種檢驗檢查 ， 逐步手機病情信息 。每開一項檢查 ， 同時記錄檢查項目的費用；評估必要性和成本 。給出最終診斷 。同樣面對這個 304 個復雜病例 ， 微軟選擇了另外 21 位來自美國和英國 ， 具有 5 年至 20 年臨床經驗的執業醫生 ， 測試結果顯示 ， 真實醫生的平均準確率僅為 20% ， 這與 「AI 醫生」的差距足足有四倍之大 。
同時 ， 與人類醫生相比 ， 這個「AI 醫生」還少開了很多不必要的檢查 ， 減少了 20%-70% 的診斷成本 。
順序診斷基準測試介紹圖 ， 「守門人」回應來自診斷代理的信息請求 ， 評估模型則評估診斷代理的最終診斷與病例報告準確度 。
MAI-DxO 究竟是如何做到人類醫生的準確率四倍之高呢 ， 它不是一個新出現的大語言模型 ， 它也不依賴某個單一的模型 。
MAI-DxO 是一個模擬現實中多名醫生合作診斷過程的系統 。 得益于當前大語言模型的持續發展 ， 在 MAI-DxO 系統中 ， 有不同的語言模型去扮演五種不同的醫療角色 。
這些醫療角色包括推測各種結果的假設醫生、選擇醫生、質疑當前診斷假設的挑戰醫生、避免不必要檢查的成本管理醫生、以及確保診斷步驟和選擇邏輯一致的檢查表醫生 。
這些「醫生」協作工作 ， 充分地模擬了人類醫生團隊的工作流程 ， 還彌補了單一 AI 模型在復雜診斷中可能出現的缺陷 。
MAI-DxO 系統概覽圖
如上圖描述的系統概覽圖所示 ， MAI-DxO 完全模擬了我們去醫院看病的流程 。
首先從問診開始 ， MAIN-DxO 會得到一個簡短的臨床小故事 ， 通常為 2-3 句話 ， 包含病例的基本情況 。接著 ， MAI-DxO 會開始總結患者的主要訴求 ， 選擇下一步操作 ， 是繼續向患者提問 ， 還是申請開檢查 。每開一項檢查會計算檢查費用 ， 同時持續進行多輪互動 ， 直到給出最后診斷結果 。在測試過程中 ， MAI-DxO 利用 o4-mini 和專業醫生設置了一個「守門人」 ， 確保系統給 AI 的信息是與正常醫生在問診和臨床上能夠得到的信息一樣 。
MAI-DxO 的出現 ， 為大語言模型在醫療診斷上取得明顯的性能提升 。 微軟測試了來自 OpenAI、Gemini、Claude、Grok、DeepSeek 以及 Llama 系列的不同模型 ， 表現均優于僅使用單一的 AI 模型 ， 而表現最好的組合是 MAI-DxO 與 OpenAI 的 o3 配對 。
由于不受大語言模型的限制 ， MAI-DxO 還能夠在將來有更好的模型出現時 ， 同步適配 。
不同人工智能模型的準確性和每例平均診斷測試成本對比
盡管看起來 「AI 醫生」已經有模有樣 ， 不過 AI 要真正做一個好醫生可不是那么容易的 。
微軟在該項目論文最后提到 ， 這次的研究存在顯著局限性 ， 包括像參與對比實驗的 21 位醫生并沒有獲得同行的討論協助、參考書籍以及生成式 AI 等資源 。 此外 ， 微軟這次實驗也僅僅只討論了最具挑戰性的病例難題 ， 而對我們一般的日常性疾病診斷沒有做進一步的測試 。
【微軟 AI 診斷準確率超人類醫生4倍，以后看病前先問問它？】微軟強調 AI 不會取代醫生 ， 它將成為醫生與患者共同的助手 。
但就是這個醫生和患者共同的助手 ， 也持續地吸引著全世界范圍的關注；早在今年 3 月 ， 微軟就發布了醫療界首個用于臨床工作流程的 AI 助手 Microsoft Dragon Copilot ， 它能幫助醫生更好的整理病例的臨床文件 。
IBM 推出 IBM Watson Health 醫療人工智能平臺、谷歌的 DeepMind、以及英偉達的 NVIDIA Clara 等 ， 都正從導診、問診、病理等醫療場景中帶來新的變革 。
前段時間 ， 阿里達摩院也發布了全球首個胃癌影像篩查 AI 模型 DAMO GRAPE ， 首次利用平掃 CT 影像結合深度學習識別早期胃癌病灶 。
華為今年才組建組建醫療衛生軍團 ， 上周也聯合瑞金醫院 ， 宣布開源 RuiPath 病理模型 ， 具備臨床驗證能力 ， 覆蓋肺癌等 7 個常見癌種 。
醫學需要極高的精準度 ， 0.01% 的失誤也有可能造成嚴重的后果 ， 它完全不同于程序員寫代碼時出現的 bug 。
MAI-DxO 模擬真實問診的過程 ， 看起來這條 AI 醫療之路越來越清晰 。
從百度問診 ， 到 ChatGPT 問診 ， 我想未來除了拿著普通醫院的檢查結果 ， 查醫院排行榜 ， 付費問在線醫生 ， 還可以先看看這個「AI 醫生」 。
#歡迎關注愛范兒官方微信公眾號：愛范兒（微信號：ifanr） ， 更多精彩內容第一時間為您奉上 。
愛范兒|原文鏈接· ·新浪微博

    推薦閱讀