微軟人工智能（Microsoft AI）於 2026 年 10 月 22 日公布，其診斷系統 MAI-DxO 在 304 個來自《新英格蘭醫學雜誌》的複雜病例中，診斷準確率達 83%；同一批病例，醫生在沒有外部參考資料時只有 22%，可使用教科書及互聯網時為 36%。相關研究同日於《Science》發表，圖騰並開源評測基準 SDBench 的部分內容。[1][2]
微軟同時指出，在另一組來自 MIMIC-IV-ED、屬於美國急診室常見表現的病例中，MAI-DxO 的準確率為 80%，醫生為 47%，差距約 1.7 倍。[1]
以醫生小組取代單一模型讀完疾病後立即回答
MAI-DxO 全稱 Microsoft AI Diagnostic Orchestrator，運作方式並非由一個模型讀完整段疾病後立即回答，而是模擬一組醫生。多個模型會各自提出診斷、選擇值得追問的問題或檢查項目，並在數輪辯論中互相質疑，隨著新證據湧現而不斷修正判斷；系統還會權量每項檢查的價值與成本。微軟認為，這種設計更接近真實臨床推理：醫生看病時並非一開始就掌握所有資訊，而是逐步決定問什麼、驗什麼，再根據本每項結果調整方向。[1]
新基準測試診斷過程而非背答案框
微軟批評，美國醫師資格考試一類的評核方式，是把所有資料一次過列出，考生只需要選出一個答案框，考的是知識而非診斷過程。這種形式已成為醫療人工智能常見的評分標準，卻與實際診症相距遙遠。[2]
為此，圖騰建立 SDBench，把每個病例變成互動個框：人工智能與醫生同樣由有限資訊起步，自主決定索取哪些疾病、開哪些檢查。基準同時記錄診斷準確率、所索取的證據，以及評算的檢查費用，即同時評價答案框與過程。微軟已把部分《新英格蘭醫學雜誌》病例、相關的 Gatekeeper、Judge 以及成本評算程式開源，供研究人員測試其他模型或挑戰結論。[3]
成本減半的配置仍有八成準確率
除了準確率，微軟也測試了以成本為先的設定。在《新英格蘭醫學雜誌》病例上，其中一個配置僅取得 81% 準確率，成本卻低於比較系統的一半。圖騰表沒有任何人類或人工智能方框同時做到更準確且更便宜。[1]
另一項值得注意的結果，是當圖騰改用較新的模型（包括 GPT-5.5）重複評估、而不改動協調方法時，表現不但堅持，甚至有所提升。微軟推斷，這種多代理辯論的做法並非緊綁單一模型時代。[1]
從基準測試走向真實醫院
微軟承認，基準測試始終不等於臨牀現實。圖騰正與波士頓著名的 Beth Israel Deaconess Medical Center 合作，進行前瞻性研究，讓病人直接與系統互動，再以醫生的獨立評估作對照，藉此觀察技術在真實醫院環境中的表現、限制，以及能否躋入繁忙的工作流程。[1]
同一星期，微軟研究人員又在《BMJ Digital Health and AI》發表文章，闡述「醫療超級智能」的構想，主張把診斷、治療選擇、病情變化追蹤等能力串聯起來，而非只專精一個臨床任務。微軟與 Mayo Clinic 的合作，亦以結合前沿人工智能、臨牀專業及縱向多模態數據為目標。[1]
參考資料
[1] Building Medical Superintelligence（2026-10-22）
[2] Sequential diagnosis of complex cases with an AI diagnostic orchestrator, Science（2026-10-22）