RUITA / DAILY BRIEF ·
AI 诊断 83% 对医生 36%:比的是模拟病例
医学院师生可把微软这项《Science》研究当作读论文案例:系统在复杂模拟病例中答对约 83%,可查资料的全科医生约 36%。测试没有真实病人、影像和治疗结果,不能据此说 AI 已可替代临床医生。
核心信息
- 01
微软 10 月 22 日宣布论文发表于《Science》,DOI 为 10.1126/science.aeh7930;公开稿核读微软发布文及作者提供的研究手稿。
- 02
基准包括 304 个 NEJM 复杂病例及 325 个 MIMIC-IV-ED 急诊住院病例,病例信息按问题逐步释放。
- 03
手稿报告 GPT-5 驱动 MAI-DxO 在两组病例分别为 83.2%、80.3%,全科医生分别为 36.1%、46.8%。
- 04
作者手稿明确:文字模拟不包含影像等多模态资料、健康或良性就诊,也未评估治疗安全和患者结局。
这次到底比了什么
与把整份病历一次性交给模型不同,SDBench 先给一段简短描述。系统或医生再选择问什么、查什么,另一套模型按病例材料回应,最后提交诊断并计算检查费用。这更接近诊断过程,但信息来源仍是模拟界面。
惊人数字怎么来的
作者提供的手稿显示,GPT-5 作为底座、MAI-DxO 负责组织多个角色时,在 NEJM 复杂病例中为 83.2%;可查非生成式参考资料的全科医生平均 36.1%。急诊数据中的数字为 80.3% 对 46.8%。这些是研究条件下的组平均,不是医院里两种方案随机分诊的效果。
费用与临床效果隔着什么
论文的费用来自美国价格表和模型估算,不能直接理解为患者实付费用;文字病例也没有影像、病理切片、患者遗漏信息等现实难题。作者只评了诊断阶段,没有比较治疗、随访、安全或真实患者结局。
对教学和研究有什么用
医学院可用它练习看基准的病例来源、对照对象和费用口径;研究团队可关注微软开放的部分评测工具。微软称将与医疗中心开展前瞻性评估,那才是观察真实场景表现的下一步;目前不能用于个人诊疗判断。