微软表示，在使用既往病例进行的测试中，其Diagnostic Orchestrator诊断疾病的准确率高于医生。该系统在取自《新英格兰医学杂志》病例报告的测试中，准确率约为83%；相比之下，使用参考资料的全科医生准确率约为36%，不使用参考资料的医生则为22%。
这项研究于10月22日发表于《科学》杂志，还测试了波士顿贝斯以色列女执事医疗中心急诊科数据库中的病例。AI在这组病例上的准确率为80%，医生的平均准确率为47%。微软称，该系统达到诊断结果的估算成本也更低，但未提供具体成本数据。
系统如何运作
Diagnostic Orchestrator由多个AI智能体协同工作，以OpenAI的GPT-5为基础，分析症状和病史、选择检查项目并作出诊断。微软将这些病例纳入自建的基准测试SDBench，并表示计划将其开源。
微软称，该系统的表现也优于单个领先AI模型。不过，经过同行评审的论文并未将其与报道中提到的更新模型进行比较，包括GPT-6 Astra、Meta的Muse Wonder Full、Google的Gemini 4 Argon和Anthropic的Opus 5.5。研究人员表示，系统最初开发时，GPT-4.1还是当时最先进的模型。
临床测试仍有待开展
这些结果来自既往病例，而非对患者的实际诊疗。微软表示，计划与贝斯以色列女执事医疗中心合作，在医院测试这款工具，时间可能是未来几个月内，但尚未确定具体启动日期。公司也没有说明该系统何时或以何种方式向外界开放。
微软AI部门首席执行官Mustafa Suleyman称这些结果是一个里程碑，同时承认这款工具仍需经过临床验证。公司表示，若要投入实际使用，还必须满足医疗行业的监管和合规要求。
为什么重要
对患者和临床医生而言，这些结果表明，这款工具未来或可协助分析疑难诊断，但并不能证明它在真实诊疗中安全、准确。微软宣布的是医院测试计划，而不是患者或医生今天就能使用的产品；它何时可能推出仍不得而知。
