顶刊给“ AI医生”正名：会诊准确率高出人类一大截
微软让同一个大模型扮演五位“医生”组成会诊小组，其中一位AI医生专门负责抬杠。 在其他角色倾向于某个诊断时，它要找出其中的漏洞，免得大家沿着一条错误的思路越走越远。 这套名为MAI-DxO的系统，最近登上了《科学（Science）》杂志。 微软10月22日公布的结果显示，在用《新英格兰医学杂志》304个疑难病例开展的测试中，它的诊断准确率约为83%。作为对照，允许查阅资料的医生组，准确率约为36%。 会诊小组里，还有一位专门管花费。如果便宜的检查能提供同样的信息，它就会建议替换，尽量省掉花钱多、作用小的项目。研究团队希望，这样的分工既能帮助AI找准病因，也能减少不必要的检查费用。 接下来，微软计划与美国一家医疗中心合作，让真实患者直接与系统互动。这场由AI自己给自己挑错的会诊，究竟怎么进行？ 五个虚拟医生排排坐 给AI安排几个分工不同的角色，诊断过程会有什么变化？研究团队在论文中举了一个例子。 在这次根据历史病例进行的模拟诊断中，一位患者几个月来反复跌倒、腿部无力，还容易瘀青，伴有牙龈出血和牙齿脱落。 让普通GPT-5“诊断”的时候，它把注意力放到了神经病变和自主神经问题上，接连安排了多项检查。 查到最后，它给出了一个涉及多种因素的解释，啥都说等于啥都没说，没能找准病因。 同样处理这份病例的MAI-DxO，注意到了另一组值得联系起来的线索：患者做过胃旁路手术，平时很少吃水果，又出现了牙龈出血、掉牙的情况。系统由此考虑坏血病，并安排血浆维生素C检测，确认了这一诊断。 为什么MAI-DxO能做到？ 核心秘诀就在于五位虚拟医生，它们由同一个底层模型扮演，各自承担诊断过程中的一项工作。 “诊医生（Dr. Hypothesis）”负责提出诊断，它会保留最可能的三种疾病，按可能性排序。有新证据出现，就重新调整。这样一来，暂时排在后面的可能性也还留在考虑范围内。 “查医生（Dr. Test-Chooser）”负责挑选做什么检查。它每轮最多选择三项检查。比如，假设两个诊断都能解释现有症状，一项检查无论结果如何，都不能帮助判断究竟是哪一种，它的价值就有限。 “杠医生（Dr. Challenger）”专门唱反调、抬杠，它要留意其他角色是不是太早认定了某种病，并把与当前判断矛盾的证据提出来。 拿前面的症状举个假设性的例子。如果一种诊断能解释腿部无力，却解释不了牙龈出血，讨论就不能停在“腿无力的原因找到了”。剩下的症状可能意味着，还需要考虑别的病因。这时候“杠医生”就得开麦了。 这个“杠医生”的角色很关键。研究人员复盘部分病例时发现，普通GPT-5或o3有时会被最初的判断带偏，没能及时调整诊断方向。“杠医生”的任务，就是提醒其他角色留意那些与当前判断不符的线索。 另外两位AI医生分别负责盯成本和做复核。 前者会比较不同检查的价值，诊断作用相当时，建议选择便宜的方案，如果某项检查价格
