微軟診斷AI在模擬病例達83%準確率，臨床效益待實證

面對原因不明的症狀，診斷的難處往往是決定下一步該問什麼、做哪項檢查。微軟研究團隊將這段推理過程搬進模擬測試，其診斷協調系統在複雜病例中達到83.2%的準確率，高於可使用參考工具的一般科醫師。這項10月22日刊於《Science》的研究，提供了AI逐步蒐集證據的能力指標，卻尚未證明它能改善真實病人的照護。

微軟稱這套系統為MAI-DxO。它模擬一組分工不同的醫師，提出可能診斷、質疑目前假設，再隨新資訊調整判斷。同日路透社報導也描述了這種運作方式：系統必須自行選擇問題與檢查，而非讀完一份已整理好的完整病歷，直接交出答案。

研究使用的SDBench評估架構，包含304個《新英格蘭醫學期刊》複雜病例，以及325筆取自MIMIC-IV-ED資料庫的急診轉住院紀錄。測試從有限的臨床資訊開始，參與者提出要求後才取得更多線索，評估則同時追蹤診斷是否正確、索取哪些證據，以及檢查的估計費用。

在複雜病例中，可查閱資料的一般科醫師準確率為36.1%；微軟公告另指出，無外部參考資源時約為22%。換到急診病例，系統與醫師的準確率分別為80.3%及46.8%。兩組資料呈現相同方向，但對照者是個別一般科醫師，不能據此推論系統勝過相應領域的專科醫師或臨床團隊。

費用結果也取決於設定。《Medical Economics》指出，未設預算限制時，系統的平均檢查費用其實高於醫師；加入成本限制後，才以部分準確率換取較低支出。因此，「更準又更便宜」必須連同測試條件理解。這些數字估算的是檢查費用，也未涵蓋病人的不適、侵入性風險或等待結果的時間。

更大的落差在於，這仍是受控的文字模擬：沒有直接判讀影像或病理切片，也難以重現病人漏述症狀、現場溝通與時間壓力。研究未評估治療決策、病人安全或臨床結局。即使診斷答案較常正確，也無法直接回答系統會不會漏掉急症，或讓病人更快獲得適當處置。

微軟表示，將公開部分NEJM病例的基準與評估程式，並與波士頓貝斯以色列女執事醫療中心展開前瞻性研究，讓病人直接與系統互動，再與醫師獨立評估比較；依路透社報導，合作將測試急診候診區的分流用途。從模擬病例走向這個場景，真正要回答的問題，是系統的診斷優勢能否轉化為可靠的照護決策。