微軟推出AI醫療系統MAI-DxO，診斷準確率是經驗豐富醫生的4倍

AI資訊

微軟推出AI醫療系統MAI-DxO，診斷準確率是經驗豐富醫生的4倍

人工智慧在醫療領域的應用正快速推進，微軟最新推出的AI醫療系統「MAI-DxO」震撼全球醫界。這套系統在複雜病例診斷上的準確率高達85.5%，遠遠超越經驗豐富醫生的20%，相當於提升了4倍的診斷精準度。這項突破不僅展現AI在臨床決策輔助上的潛力，也為醫療資源分配與成本控制帶來全新契機。

MAI-DxO的誕生與設計理念

MAI-DxO（Microsoft AI Diagnostic Orchestrator）並非單一AI模型，而是一個能整合多種頂尖AI模型的協作平台。其設計靈感來自於醫院多專科醫師會診的模式，讓不同AI模型如同虛擬醫師團隊般協同討論、推理與決策。這種「多代理協作」機制，能有效彌補單一模型的盲點，提升診斷的穩定性與適應力。

主要技術特色

• 模型無關設計：可整合OpenAI GPT、Google Gemini、Anthropic Claude、Meta Llama、xAI Grok等多家主流大型語言模型。

• 虛擬醫師分工：系統內設有多個AI角色，分別負責鑑別診斷、檢查選擇、挑戰推理、成本計算與品質控管，模擬真實臨床決策流程。

• 序列診斷基準（SD Bench）：採用《新英格蘭醫學雜誌》304個複雜病例，讓AI與醫師在同樣資訊條件下逐步問診、檢查、推理，最終給出診斷。

驚人的診斷表現

在最新的研究測試中，MAI-DxO於304例高難度病例中，正確診斷率高達85.5%。對照組由21位美國與英國、臨床經驗5至20年的資深醫師組成，平均正確率僅為20%。這意味著MAI-DxO的診斷能力是人類醫師的4倍。

系統/對照組	診斷準確率
MAI-DxO	85.5%
資深臨床醫師（平均）	20%

此外，MAI-DxO還能根據虛擬成本限制，合理安排檢查項目，避免過度檢查，進一步降低醫療支出。研究顯示，該系統可將診斷成本降低20%至70%，展現出極高的經濟效益。

運作原理與臨床流程

MAI-DxO的診斷流程模擬真實醫師問診步驟：

1. 初步病徵分析：AI獲得簡要病例摘要，主動提出追問。

2. 檢查選擇：根據回饋資訊，選擇合適的檢查項目。

3. 多模型協作：不同AI模型分工合作，互相挑戰推理，避免「錨定偏差」。

4. 成本與品質控管：考量檢查成本與診斷品質，優化決策。

5. 最終診斷：整合所有資訊，給出最有可能的診斷結果。

這種逐步推理、動態調整的流程，讓AI能更貼近臨床現場的實際需求，而非僅僅依賴選擇題式的知識記憶。

臨床應用與未來展望

目前，MAI-DxO尚處於研究階段，尚未獲得臨床監管認證。微軟團隊正積極展開更多真實場域測試與安全驗證，期望未來能廣泛應用於醫院、診所，甚至偏遠地區，協助醫療人員提升診斷效率與精準度。

專家認為，MAI-DxO的出現有望：

• 彌補醫療人力不足：在專科醫師稀缺地區，提供專家級診斷建議。

• 降低醫療成本：優化檢查流程，減少不必要的醫療支出。

• 提升醫療品質：減少誤診、漏診，改善病患預後。

挑戰與限制

儘管MAI-DxO展現出驚人潛力，但其大規模臨床應用仍面臨多重挑戰，包括：

• 取得監管單位認證

• 贏得臨床醫師信任

• 與現有醫療系統整合

• 保障病患隱私與數據安全

結語

微軟MAI-DxO的問世，標誌著AI醫療診斷邁向「超級智慧」的新時代。當AI診斷準確率遠超人類醫師，醫療決策將迎來前所未有的變革。未來，隨著技術持續進步與臨床驗證推進，AI有望成為每一位醫師的最佳助手，讓全球更多病患受益於高品質、低成本的醫療服務。