答案已發布2 小時前Last edited 2 小時前17 個來源

MAI-DxO 在複雜病例測試拿下 83.2%，但還不能說 AI 比醫師更會看病

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。單獨使用 GPT 5 已達 78.9%，與 MAI DxO 相差 4.3 個百分點；研究測試的是受控病例，不能證明系統在真實照護中優於醫師或能取代臨床判斷。

發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。
單獨使用 GPT 5 已達 78.9%，與 MAI DxO 相差 4.3 個百分點；研究測試的是受控病例，不能證明系統在真實照護中優於醫師或能取代臨床判斷。

Editorial illustration of a virtual AI medical panel reviewing diagnostic information — What does the Science study published on October 22, 2026, reveal about Microsoft’s multi-agent diagnostic system MAI-DxO—how it simulates aMAI-DxO coordinates AI agents through simulated diagnostic cases; benchmark results do not establish performance in real patient care.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: What does the Science study published on October 22, 2026, reveal about Microsoft’s multi-agent diagnostic system MAI-DxO—how it simulates a. Article summary: The October 22, 2026 *Science* study reports that Microsoft’s MAI-DxO substantially outperformed individual generalist physicians on simulated diagnostic cases; it does not establish superiority in real-world patient car. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com

微軟的 MAI-DxO 會協調多個 AI 代理，模擬醫療諮詢的流程：先追問病情、安排檢查，再比較可能的診斷。這套系統在 2026 年 10 月 22 日刊於《Science》的研究中，於複雜教學病例測試拿下 83.2%；相較之下，可使用參考資料、單獨作答的一般科醫師得分為 36.1%。不過，這個醒目的差距需要放回研究設計中理解：單獨使用 GPT-5 已得 78.9%，而測試也未證明 MAI-DxO 在日常臨床照護中能有同樣表現。3 5 7

MAI-DxO 如何推理診斷？

MAI-DxO 不只是讓 AI 立刻猜一個答案，而是協調多個 AI 代理，模擬醫療諮詢的不同環節。代理可以追問病情、要求進一步檢查，並討論可能的診斷，再得出答案。4 5

但研究測試的是病例資料，不是讓系統在治療真實病人時做決策。這個差別很重要：基準測試可以評估系統是否找出病例記錄中的診斷，卻不能單憑分數說明它在真實醫療情境的複雜條件下會如何表現。5

83.2% 的分數，與 GPT-5 基準線

在 304 個取自《新英格蘭醫學期刊》（New England Journal of Medicine）的複雜教學病例中，MAI-DxO 的準確率為 83.2%。個別作答、可查閱參考資料的一般科醫師得分為 36.1%；微軟另報告，沒有參考資料時，醫師得分為 22.3%。1 5 7

另一組 325 個急診住院病例的測試中，搭配 GPT-5 的系統得分為 80.3%，醫師則為 46.8%。這同樣是模擬基準測試，並非顯示系統能改善病人結果的臨床試驗。5 7

要看懂這些比較，還得留意 AI 模型本身的基準表現。GPT-5 單獨使用簡短、基本的提示，在複雜病例中已達 78.9%。與 MAI-DxO 的 83.2% 相比，差距是 4.3 個百分點；因此，不能把 AI 系統與醫師之間的全部分差，都歸功於 MAI-DxO 的協調流程。3 7

另一篇報導也列出每個病例的估計成本：GPT-5 基準組為 8,409 美元，MAI-DxO 為 5,430 美元。這些是估算值，不代表已在實際臨床照護中證明能節省成本。7

研究結果的界線在哪裡？

醫師比較組由個別一般科醫師組成，並非專科醫師團隊；測試環境則是受控、以文字為主的基準測試。因此，研究不能證明 MAI-DxO 在真實照護中勝過醫師，也不能據此推論它可以取代臨床人員。5

較穩妥的解讀是：在特定診斷基準測試中，多代理協作的 AI 系統表現亮眼。但這些結果尚未證明它對真實病人有效，也沒有顯示採用系統能改善照護成果。微軟將這項工作形容為邁向「醫療超級智慧」的一步，這是發展願景，不是這些測試已經證實的結果。9 10

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「MAI-DxO 在複雜病例測試拿下 83.2%，但還不能說 AI 比醫師更會看病」的簡短答案是什麼？

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。

最值得優先驗證的重點是什麼？

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。單獨使用 GPT 5 已達 78.9%，與 MAI DxO 相差 4.3 個百分點；研究測試的是受控病例，不能證明系統在真實照護中優於醫師或能取代臨床判斷。

來源

答案已發布2 小時前Last edited 2 小時前17 個來源

MAI-DxO 在複雜病例測試拿下 83.2%，但還不能說 AI 比醫師更會看病

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。單獨使用 GPT 5 已達 78.9%，與 MAI DxO 相差 4.3 個百分點；研究測試的是受控病例，不能證明系統在真實照護中優於醫師或能取代臨床判斷。

發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。
單獨使用 GPT 5 已達 78.9%，與 MAI DxO 相差 4.3 個百分點；研究測試的是受控病例，不能證明系統在真實照護中優於醫師或能取代臨床判斷。

Editorial illustration of a virtual AI medical panel reviewing diagnostic information — What does the Science study published on October 22, 2026, reveal about Microsoft’s multi-agent diagnostic system MAI-DxO—how it simulates aMAI-DxO coordinates AI agents through simulated diagnostic cases; benchmark results do not establish performance in real patient care.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: What does the Science study published on October 22, 2026, reveal about Microsoft’s multi-agent diagnostic system MAI-DxO—how it simulates a. Article summary: The October 22, 2026 *Science* study reports that Microsoft’s MAI-DxO substantially outperformed individual generalist physicians on simulated diagnostic cases; it does not establish superiority in real-world patient car. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com

微軟的 MAI-DxO 會協調多個 AI 代理，模擬醫療諮詢的流程：先追問病情、安排檢查，再比較可能的診斷。這套系統在 2026 年 10 月 22 日刊於《Science》的研究中，於複雜教學病例測試拿下 83.2%；相較之下，可使用參考資料、單獨作答的一般科醫師得分為 36.1%。不過，這個醒目的差距需要放回研究設計中理解：單獨使用 GPT-5 已得 78.9%，而測試也未證明 MAI-DxO 在日常臨床照護中能有同樣表現。3 5 7

MAI-DxO 如何推理診斷？

MAI-DxO 不只是讓 AI 立刻猜一個答案，而是協調多個 AI 代理，模擬醫療諮詢的不同環節。代理可以追問病情、要求進一步檢查，並討論可能的診斷，再得出答案。4 5

但研究測試的是病例資料，不是讓系統在治療真實病人時做決策。這個差別很重要：基準測試可以評估系統是否找出病例記錄中的診斷，卻不能單憑分數說明它在真實醫療情境的複雜條件下會如何表現。5

83.2% 的分數，與 GPT-5 基準線

在 304 個取自《新英格蘭醫學期刊》（New England Journal of Medicine）的複雜教學病例中，MAI-DxO 的準確率為 83.2%。個別作答、可查閱參考資料的一般科醫師得分為 36.1%；微軟另報告，沒有參考資料時，醫師得分為 22.3%。1 5 7

另一組 325 個急診住院病例的測試中，搭配 GPT-5 的系統得分為 80.3%，醫師則為 46.8%。這同樣是模擬基準測試，並非顯示系統能改善病人結果的臨床試驗。5 7

要看懂這些比較，還得留意 AI 模型本身的基準表現。GPT-5 單獨使用簡短、基本的提示，在複雜病例中已達 78.9%。與 MAI-DxO 的 83.2% 相比，差距是 4.3 個百分點；因此，不能把 AI 系統與醫師之間的全部分差，都歸功於 MAI-DxO 的協調流程。3 7

另一篇報導也列出每個病例的估計成本：GPT-5 基準組為 8,409 美元，MAI-DxO 為 5,430 美元。這些是估算值，不代表已在實際臨床照護中證明能節省成本。7

研究結果的界線在哪裡？

醫師比較組由個別一般科醫師組成，並非專科醫師團隊；測試環境則是受控、以文字為主的基準測試。因此，研究不能證明 MAI-DxO 在真實照護中勝過醫師，也不能據此推論它可以取代臨床人員。5

較穩妥的解讀是：在特定診斷基準測試中，多代理協作的 AI 系統表現亮眼。但這些結果尚未證明它對真實病人有效，也沒有顯示採用系統能改善照護成果。微軟將這項工作形容為邁向「醫療超級智慧」的一步，這是發展願景，不是這些測試已經證實的結果。9 10

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「MAI-DxO 在複雜病例測試拿下 83.2%，但還不能說 AI 比醫師更會看病」的簡短答案是什麼？

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。

最值得優先驗證的重點是什麼？

在 304 個複雜教學病例的模擬測試中，MAI DxO 準確率為 83.2%；單獨執業、可查閱參考資料的一般科醫師為 36.1%。單獨使用 GPT 5 已達 78.9%，與 MAI DxO 相差 4.3 個百分點；研究測試的是受控病例，不能證明系統在真實照護中優於醫師或能取代臨床判斷。

來源