微軟全新 AI 協調器解決了 85.5% 的醫療案例並降低了診斷成本

科技公司 Microsoft微軟 推出了微軟人工智慧診斷控制器 (MAI-DxO)，該系統旨在模擬具有不同診斷方法的虛擬醫療專業人員小組協作處理臨床病例。 

在生成式人工智慧應用中，協調器充當協調層，管理執行複雜任務所涉及的多個元件。在醫療保健領域，由於醫療決策的關鍵性，此類協調機制至關重要。在這種情況下，協調器位於大型語言模型之上，逐步建立診斷流程，以幫助最大限度地減少潛在錯誤，並提高一致性、透明度和操作可靠性。 

微軟研究人員建議，協調多種語言模型對於處理複雜的臨床工作流程可能是必要的。這種策略可以更好地整合各種資料來源，並在動態醫療安全環境中提高安全性和適應性。這種系統無關的設計也支援可審計性和穩健性。 

微軟提供的評估結果表明，MAI-DxO 提高了所有測試模型的診斷效能，其最高準確率達到 85.5%，與 OpenAI的 o3 模型在《新英格蘭醫學雜誌》（NEJM）基準上的表現。相較之下，來自美國和英國的 21 名醫生（每位醫生都有 5 至 20 年的經驗）在相同任務上的平均準確率為 20%。 

MAI-DxO 系統可配置在預defi成本參數，從而能夠分析診斷準確性和檢測費用之間的權衡。此功能旨在防止低效率的過度檢測，同時優化結果。研究結果來自 Microsoft微軟 顯示與臨床醫生或單一 AI 模型相比，MAI-DxO 既提高了診斷準確性，也降低了測試成本。

人工智慧結合廣泛而專業的專業知識，超越傳統醫生的限制，提供經濟高效的診斷支持

醫療專業人員通常根據其專業領域或重點進行分類。全科醫生（例如家庭醫生）通常負責解決不同年齡層和不同器官系統的各種健康問題。相較之下，專科醫生則專注於特定領域，例如風濕病學，通常專注於單一疾病或系統。 

然而，沒有任何一位醫生能夠全面處理像 NEJM 病例係列這樣的複雜資料集中呈現的所有臨床病例。相比之下，人工智慧不受這些限制。它可以融合廣泛的專業知識和專業知識，應用臨床推理的方式在多個領域超越單一人類專家所能達到的水平。這種推理程度對醫療保健服務的結構具有重要意義。人工智慧系統可以促進以患者為主導的常規護理管理，並為臨床醫生提供針對更棘手病例的增強決策工具。數據還表明，此類系統有潛力降低醫療支出。在美國，醫療保健成本接近國家 GDP 的五分之一，其中很大一部分（估計約 25%）歸因於效率低下或臨床效益有限的干預措施。 

本研究的一大特色在於其納入了經濟因素。儘管實際成本因地區和醫療保健模式而異，且通常包含本文未衡量的下游變量，但我們對所有代理商和臨床醫生採用了統一的方法來評估診斷有效性與資源消耗之間的權衡。本研究是對此類動態的初步探索。在正式實施之前，仍需進一步研究。 生成式人工智慧系統 可以完全融入臨床實務。真實世界測驗、監管監督和循證評估對於確保這些工具符合安全性和有效性標準至關重要。我們正與醫療機構合作，以確保在任何潛在的大規模部署之前進行全面評估。