2025年6月27日 · Microsoft Research
MAI-DxO: Sequential Diagnosis with Language Models：AI诊断系统准确率达80%，成本降低20%
2025年6月，微软团队提出MAI-DxO诊断编排器，基于304个NEJM疑难病例构建序贯诊断基准。MAI-DxO结合o3模型实现80%诊断准确率（普通医生20%），成本降低20%。当配置为最大准确率时达85.5%，且泛化至Gemini、Claude、DeepSeek等模型。
EVENT STORY
发展脉络
- 首次出现MAI-DxO: Sequential Diagnosis with Language Models：AI诊断系统准确率达80%，成本降低20%arXiv cs.AI
- 当前判断该技术可直接嵌入电子病历系统，辅助基层医生进行疑难病例诊断，降低误诊率和转诊成本。微软若将其产品化（如Azure Health Bot），将抢占医疗AI决策市场。同时，序贯诊断基准可能成为FDA等监管机构评估AI诊断工具的新标准。Agent Pulse · 分析
MAI-DxO通过模拟医生迭代问诊过程，将静态问答升级为动态诊断决策，显著提升LLM在真实临床场景中的实用性。其80%准确率远超医生平均20%，且成本更低，展示了AI在辅助诊断中的巨大潜力。该工作同时提供了标准化序贯诊断基准，有望推动医疗AI评估范式从静态转向动态。
MAI-DxO采用模型无关编排器，模拟多医生会诊：先由LLM生成鉴别诊断列表，再通过信息增益和成本效益分析选择下一步检查。门控模型仅在显式查询时释放发现，避免信息泄露。在304个NEJM-CPC病例上，o3+MAI-DxO准确率80%，而普通医生仅20%。消融实验表明，迭代策略和成本感知选择是关键。系统可适配多种LLM后端，鲁棒性强。
该技术可直接嵌入电子病历系统，辅助基层医生进行疑难病例诊断，降低误诊率和转诊成本。微软若将其产品化（如Azure Health Bot），将抢占医疗AI决策市场。同时，序贯诊断基准可能成为FDA等监管机构评估AI诊断工具的新标准。
建议医疗IT供应商与微软合作，将MAI-DxO集成到临床决策支持系统，优先部署于急诊和全科门诊。投资关注微软医疗AI部门动向，以及基于该技术的第三方诊断服务。
关注MAI-DxO在真实医院环境中的前瞻性临床试验结果，以及其处理罕见病和多病共存场景的能力。需验证成本降低是否可持续，以及医生对AI建议的采纳率。若开源，将加速医疗AI创业公司迭代。