微軟研究團隊上週宣佈，醫療AI協調器MAI-DxO嘅最新論文已正式通過同行評審，刊登喺《科學》（Science）期刊。論文顯示，呢個協調多個AI代理（agent，獨立執行任務嘅AI模型）嘅系統，喺複雜病例診斷嘅準確率達83%，約係人類醫師嘅2.3倍。
MAI-DxO全稱Microsoft AI Diagnostic Orchestrator，2025年6月首次公佈。個設計思路唔係單一個大模型直接給診斷，而係協調多個AI代理模擬醫師小組：每個代理提議診斷方法、建議測試，並對新觀點提出挑戰。系統喺有新證據時更新評估，並衡量每個測試嘅價值同成本。呢個多輪討論流程，佢哋話，比較貼近醫療臨床實際。
測試平台係微軟開發嘅SDBench資料集，包括《新英格蘭醫學期刊》（NEJM）嘅304個複雜案例，以及MIMIC-IV-ED資料集嘅典型急診案例。NEJM案例方面，MAI-DxO準確率83%；醫師無外部參考資源時為22%，有資源時為36%，分別差3.7倍及2.3倍。急診案例方面，MAI-DxO準確率80%，係人類醫師（47%）嘅1.7倍。
成本方面，微軟提到一個成本僅為類似系統一半嘅配置，喺NEJM案例仍達81%準確率，效能同成本效益皆超越人類醫師或競爭AI技術。
圖片：jurvetson／CC BY 2.0／Wikimedia Commons
值得注意的是，論文中協調層已由去年推出時嘅GPT-4，升級至GPT-5、5.5及Google Gemini 2.5 Flash，結果保持可重複，顯示協調方法唔係綁定特定模型世代。
微軟同時宣佈開源SDBench嘅特定NEJM案例，包括基準測試、守門員（Gatekeeper）、評審（Judge）及成本估計程式碼，供其他研究人員複製或測試其他模型。
阿調搞兩下：呢個多代理協調架構唔同以往單模跑分，設計上就係模擬醫療團隊協作，並非「一個更大嘅模型」。83%對22%呢個數字值得跟進，但呢個係基準測試，唔代表臨床部署。開源測試程式碼係呢度最值得關注嘅部分——研究人員可以獨立驗證，唔好單信廠商數字。醫療AI真正落地嘅障礙，從來唔止技術準確率。
阿調｜深度調教
