醫生睇症輸畀 AI，唔再係科幻情節。Microsoft AI 健康團隊發表嘅診斷系統 MAI-DxO，喺超過 300 宗《新英格蘭醫學雜誌》（NEJM）嘅高難度病例測試入面，診斷準確率達到 83.2%，係可以用教科書同上網查資料嘅全科醫生（36.1%）兩倍有多。研究已經喺 10 月 22 日刊登於《Science》期刊。
唔係一次過作答，而係學醫生咁逐步問診
呢套系統全名係 Diagnostic Orchestrator，簡稱 MAI-DxO。佢同一般醫療 AI 最大分別，在於唔係將成份病歷一次過掟入模型等答案，而係模擬一個醫生團隊開會：多個 AI agent 各自提出診斷意見，互相辯論、覆核，再由一個「統籌者」決定下一步要問病人咩問題、做咩檢查，睇完結果再修正假設，一步一步收窄可能性。
做法同真實問診好相似：先聽病人主訴，決定要問咩病史、做咩身體檢查，再按結果決定驗咩、幾時收手落診斷。系統背後用嘅係 OpenAI 嘅 GPT-5。Microsoft 團隊仲為呢種「逐步診斷」整咗個專用測試基準 SDBench，並打算開源，等其他團隊可以用同一標準比較。
兩組測試都贏，仲平一半
第一組係 NEJM 臨床病理討論會嘅 304 宗高難度病例，呢啲 case 出名古怪難斷。MAI-DxO 攞到 83.2% 準確率；同一批 case，全科醫生查住書同上網都係得 36.1%，唔准查資料更只得 22%。
第二組係美國波士頓 Beth Israel Deaconess 醫學中心嘅急症室入院數據（MIMIC-IV-ED），貼近日常診症。AI 準確率 80.3%，醫生平均 46.8%。Microsoft 仲話，系統估計診斷成本降到一半至三分之一，因為佢識得揀最有價值嘅檢查，減少唔必要嘅檢驗。
Microsoft AI 行政總裁 Mustafa Suleyman形容，今次係邁向「醫療超級智能」嘅重要一步。負責團隊嘅 Microsoft AI 健康部門副總裁 Dominic King 就話，以往醫療 AI 測試多數係選擇題，AI 好易攞滿分，但現實中「冇病人會帶住一份整理好嘅病歷摘要嚟睇醫生」，逐步問診嘅測試先至反映真實能力。
未經真實臨床驗證，唔好當係醫生替代品
有幾點要講清楚。首先，成個測試都係受控環境、純文字 case，唔係真實臨床環境，研究人員自己都有提醒結果唔可以直接套落現實。其次，論文無同最新一代模型比較，例如 GPT-6 Astra、Meta 嘅 Muse Wonder Full、Google 嘅 Gemini 4 Argon 同 Anthropic 嘅 Opus 5.5；據報系統最初開發嗰陣，最勁嘅模型仲係 GPT-4.1。Microsoft 話已經開始研究可唔可以用喺真實病人護理，但未有時間表。
對香港讀者嚟講，呢類技術如果成熟，最大價值未必係取代醫生，而係做醫生嘅「第二對眼」：公立醫院專科輪候時間長、前線醫生工作量大，AI 輔助分流同覆核，可以減少漏診同不必要檢查。不過要真正落地，仲要過臨床驗證、醫療監管同病人私隱幾關，唔係一篇《Science》論文就搞得掂。83% 對 36% 呢個數字，現階段最啱嘅理解係：AI 學識咗醫生問診嘅「方法」，而不只係背熟咗答案。
資料來源
- Medical Economics：AI system outperforms physicians on diagnostic accuracy in Microsoft study
- BusinessWorld（Reuters）：Microsoft develops AI tool that can diagnose ‘sequentially’ like a doctor
- ETHealthworld（Reuters）：Microsoft’s Groundbreaking AI Tool Outperforms Doctors in Diagnostic Accuracy
- Chosun Biz：MS debuts multi-AI diagnostic tool, tops doctors with 83% accuracy
- Oossa：Microsoft reports strong results for its medical diagnosis AI
- TechRitual 香港：iPhone Duo 正式開售（內含 Microsoft AI 醫療診斷報道）
