当 AI 学会医生的「迭代诊断思维」：微软提出动态基准与智能协调器，准确率超人类 4 倍

在医疗领域，人工智能（AI）正从理论走向临床实践的关键转折点。传统上，语言模型在医疗诊断任务中的评估往往依赖静态病例和选择题形式，这种方式难以捕捉真实临床场景中医生通过「提问 - 测试 - 修正假设」的迭代推理过程。微软 AI 团队近日发布的《Sequential Diagnosis with Language Models》研究，首次构建了贴近真实诊疗流程的动态评估基准，并开发出可模拟医生协作的智能诊断系统，在准确率和成本控制上实现对人类医生的显著超越。

一、打破静态评估困局：从「看题答题」到「临床实战」

真实的临床诊断如同一场信息拼图游戏：医生从患者主诉出发，通过逐步追问病史、安排检查，在证据积累中不断修正诊断假设。然而，现有 AI 评估体系普遍存在两大缺陷：

• 信息一次性投喂：将完整病例资料打包呈现，忽略医生主动获取信息的能力

• 结果单一维度考核：仅以诊断对错为标准，忽视检查成本、流程效率等关键临床指标

为此，微软团队开发了Sequential Diagnosis Benchmark（SDBench），将 304 个《新英格兰医学杂志》（NEJM）的临床病理案例（CPC）转化为交互式诊断挑战。AI 或人类医生需从仅包含主诉的简短摘要起步（如「29 岁女性因咽痛、扁桃体周围肿胀出血入院，抗生素治疗无效」），通过以下动作推进诊断：

1. 提问病史或查体细节（如「症状何时开始？是否有发热？」）

2. 申请诊断检查（如「胸部增强 CT」「免疫组化检测」）

3. 提交最终诊断

系统通过Gatekeeper 模型模拟病例信息的动态释放：仅在明确查询时提供对应结果，对原始病例未提及的检查则生成符合临床逻辑的合成数据，避免因「信息缺失」泄露诊断线索。同时，引入基于临床共识的Judge 模型评估诊断完整性（如核心疾病、病因、解剖部位等维度），并通过美国医疗系统收费标准估算每次检查的真实成本，实现对「准确率 - 成本」的双重考核。

二、MAI-DxO：模拟医生团队的智能诊断协调器

为解决现有模型「盲目开检查」或「过早下结论」的问题，微软团队设计了MAI Diagnostic Orchestrator（MAI-DxO），通过五个虚拟医生角色的协同推理优化诊断路径：

• Dr. Hypothesis：维护概率排序的鉴别诊断列表，基于新证据贝叶斯更新

• Dr. Test-Chooser：选择最能区分候选诊断的检查，最大化信息增益

• Dr. Challenger：扮演「反对者」，挑出矛盾证据并提议证伪性检查

• Dr. Stewardship：把控成本效益，否决低价值高费用的检查

• Dr. Checklist：确保检查名称规范、推理逻辑一致
  

这种「团队协作」模式显著提升了诊断效率。例如，在一例「酒精戒断患者摄入洗手液致中毒」的案例中：

• 现成模型 o3 因锚定「抗生素毒性」假设，盲目申请脑 MRI、EEG 等昂贵检查，最终误诊且花费 $3,431

• MAI-DxO 通过 Dr. Hypothesis 在首轮即提示「院内毒素暴露」可能，直接追问患者摄入史，仅花费 $795 便通过毒物检测确诊

三、超越人类医生 4 倍：准确率与成本的双重突破

实验结果揭示了 AI 在结构化诊断中的潜力：

• 人类医生表现：21 名平均 12 年经验的全科医生在 56 例测试集上仅 20% 准确率，平均花费 $2,963 / 例

• 现成模型表现：o3 模型虽达 78.6% 准确率，但成本飙升至$7,850/例，GPT-4o准确率49.3%、成本$2,745 / 例

• MAI-DxO 优化后：基于 o3 的 MAI-DxO 实现 80% 准确率，成本降至$2,397/例；追求极致准确率时（85.5%），成本$7,184 仍低于 o3 原始水平

更重要的是，MAI-DxO 展现出强大的模型通用性：对 GPT、Gemini、Claude 等不同厂商的模型，平均提升准确率 11 个百分点，尤其对基线表现较弱的模型增益更显著。这意味着通过科学的推理流程设计，即使非顶尖模型也能发挥出超越自身能力的诊断水平。

四、从实验室到临床：AI 诊断的现实挑战与未来

该研究仍存在局限性：NEJM 案例多为复杂疑难病例，与日常临床的疾病分布不同；成本估算未完全涵盖患者交通、医生时间等隐性成本；未涉及影像等多模态数据整合。但这一突破为医疗 AI 指明了清晰方向：

• 动态评估体系：SDBench 首次将「信息获取策略」「成本效益分析」纳入 AI 考核，推动模型从「答题机器」向「临床决策者」进化

• 人机协作范式：MAI-DxO 的「虚拟医生团队」模式，可作为 AI 辅助诊断的标准化框架，在资源有限地区弥补专科医生短缺问题

• 多模态扩展：未来整合医学影像、基因组学等数据后，AI 诊断准确率有望进一步提升，同时通过成本控制优化医疗资源分配

当 AI 学会像医生一样「步步为营」地思考，其价值已不仅限于诊断正确率的数字提升。在全球医疗资源紧张的背景下，这种能同时平衡「精准性」与「经济性」的 AI 系统，或许正是破解「三重目标」（优质护理、健康提升、成本可控）难题的关键钥匙。从 NEJM 的疑难病例到社区诊所的日常诊疗，AI 诊断的临床落地之路，正从这份研究开启新的篇章。