微软在医疗AI赛道投下一枚重磅砝码。当地时间10月22日，微软AI诊断系统MAI-DxO的研究成果正式发表于

　　在基于

　　报告称，该模型通过一个“编排器”来识别并协调应向患者提出的问题，以及应安排的检查和检验项目;该编排器通过模拟一个临床专家小组协作解决诊断病例，来组织AI处理问题的方式。

　　现有医疗AI模型通常采用“一次性”方法，即综合分析患者的全部症状、实验室结果和影像学检查，以生成诊断。

　　在编排器协调诊断步骤的情况下，该AI模型首先决定应询问哪些病史信息，以及体格检查中哪些内容具有重要意义。根据所获信息，它决定安排哪些检查、评估检查结果，并在适当情况下安排进一步检查。研究负责人受访时表示，在整个过程中，该模型会不断更新其工作假设和计划。

　　在诊断300多个高度罕见且令人困惑的医学难题时，采用诊断编排器的模型在“检查评估”患者和确定诊断方面的准确率，是借助教科书和互联网的普通内科医生的两倍多。在基于一个大型急诊入院病例数据库所设计的场景中，该工具的表现也优于人类医生。

　　“AI在这方面已经非常擅长，通过率能达到100%，”微软AI健康部门企业副总裁、正在开发这项新技术的多米尼克·金博士表示。“但这当然不是现实世界。没有患者来找我时会带着一份漂亮的摘要。”

　　研究人员还发现，由编排器设计检查流程时，诊断过程的成本低于由人类医生设计时。“我们不仅衡量系统的准确性，也在衡量它进行诊断检查时有多审慎、多细致，”微软AI Health的AI负责人哈沙·诺里表示。

　　在与波士顿贝斯以色列女执事医疗中心的合作中，研究人员下一步将测试该工具在急诊科候诊区分诊患者的能力。

　　在行为特征上，医生在开具首项检查前平均仅追问5.6个问题，而DxO平均追问25.5个，呈现更系统、更结构化的病史采集模式。底层模型方面，系统在OpenAI GPT-5上表现最优，换用GPT-5.5后性能进一步提升，表明编排层的增益具有跨模型可迁移性。

　　从商业化视角审视，此次研究更值得关注的信号是评测标准的迁移：微软同步提出了SDBench“顺序诊断基准”，将病例转化为分步交互的“问诊现场”，首次在准确率之外将检查成本纳入考核维度。这意味着医疗AI的竞争维度正从单项算法准确率，转向“临床推理编排能力+成本效率”的综合比拼。

　　这一转向与行业整体节奏吻合。据Grand View Research数据，全球医疗AI市场2025年规模约426.2亿美元，预计2026年达562亿美元，至2036年有望扩张至1.05万亿美元，2026—2036年复合增速约34%。

　　在供给端，微软自2022年以近200亿美元收购Nuance以来，已将Dragon Copilot嵌入临床文档与语音工作流，覆盖美国大量医院与医生群体，MAI-DxO构成其从“文书自动化”向“诊断决策支持”延伸的自然拼图。

　　下一步的关键验证节点已经浮出水面。微软计划在未来数月内与波士顿贝斯以色列女执事医疗中心合作，启动真实临床环境下的前瞻性测试，重点评估急诊分诊场景中的表现。与此同时，叠加与梅奥诊所合作的医疗基础模型计划，微软医疗商业化的完整拼图正在闭合。

　　对二级市场而言，短期情绪催化已在