微软AI部门首席执行官穆斯塔法·苏莱曼10月22日表示，微软开发的多智能体AI诊断系统在模拟测试中对复杂病例的诊断准确率高于人类全科医生，相关研究当天发表于《科学》杂志。他将这一结果称为迈向“医疗超级智能”的一步，但微软同时承认，该系统仍需真实临床验证。

这套系统名为MAI-DxO，也称诊断协调器。它由多个AI智能体协同工作，模拟一个医生小组：向患者提问、决定安排哪些检查，并在讨论后给出诊断。微软将《新英格兰医学杂志》刊登的数百份病例报告和波士顿贝斯以色列女执事医疗中心的急诊入院数据整理成基准测试集SDBench，并计划将其开源。

研究显示，在取自《新英格兰医学杂志》的复杂病例中，该系统的诊断准确率约为83%，使用参考资料的全科医生约为36%，不使用参考资料的全科医生约为22%。在贝斯以色列女执事医疗中心的急诊病例中，系统准确率为80%，人类医生平均为47%。研究还称，该系统给出诊断的估算成本通常低于人类医生。TechCrunch指出，这类复杂病例通常由专科医生或医生团队处理，而后者未参与对比。

据The Verge报道，该系统由OpenAI的GPT-5驱动。TechCrunch则称，微软用多家公司的模型测试了MAI-DxO，包括OpenAI、谷歌、Anthropic、Meta和DeepSeek，最佳结果来自GPT-5和GPT-5.5。使用GPT-5.5时，系统在复杂病例上的准确率从单独使用模型的72%提高到近87%，成本略有下降；但在急诊病例上，有无该系统辅助的准确率均约为85%，提升不明显。研究数据表明，编排系统在复杂病例和能力较弱的模型上帮助更大，随着模型接近理论上限，准确率增益会缩小。

微软表示，测试仍基于既往病例，尚不清楚系统在真实临床环境中的表现。苏莱曼说，这项技术“需要临床验证”，但这是“这段旅程中的一个重要里程碑”。微软计划未来几个月与贝斯以色列女执事医疗中心合作，在不同医院环境中评估该系统的临床推理能力；多米尼克·金称，这项技术已准备好接受真实世界评估。

微软还称正与梅奥诊所合作训练医疗基础模型，计划明年发布。苏莱曼预计，医疗模型的能力在未来24至36个月内将提升一个数量级。商业化尚无明确时间表。金表示，医疗领域监管和合规要求高，推广需要谨慎。微软将诊断视为其医疗愿景的一部分，并列出协调临床护理、制定治疗决策等另外五个AI需要掌握的方向。

苏莱曼此前提出以人为中心的AI愿景，并称医疗领域也不例外。他预计未来几年将出现“与人类表现无法区分”的医疗超级智能，同时表示人类临床医生应始终处于核心位置。