2026 年 10 月 22 日，微軟在期刊 Science 發表研究，稱其 AI 診斷工具準確率最高可達人類醫生的四倍。微軟 AI 負責人 Mustafa Suleyman 稱醫療改善「終於到來了」，並把這一結果指向「醫療超級智慧」。據 TechCrunch 報導，系統名為 MAI-DxO，由多個 AI agent… 看完整事件
微軟 MAI-DxO 複雜病例診斷準確率 83%，全科醫生為 36%
微軟多智慧體診斷系統 MAI-DxO 在《Science》發表的模擬研究中，對《新英格蘭醫學雜誌》複雜病例的診斷準確率為 83%，而單獨作答的全科醫生為 36%。該系統讓多個 AI agent 分別提問、開檢查並辯論診斷，搭配 OpenAI GPT-5.5 時準確率從 72% 升至近 87%、成本略降；GPT-5 單獨每題約 8400 美元，DxO 省約 3000 美元但只提升約 4 個百分點。研究也顯示，DxO 對複雜病例和較弱模型幫助更大，急診病例無明顯改善；
《Science》刊出微軟 MAI-DxO 的對照資料：複雜病例 83% 對全科醫生 36%，同時列出每例成本與不同模型差異，為判斷醫療 AI 的實際增益與代價提供少見量化參考。
原標題：Microsoft’s Mustafa Suleyman says its AI outperforms doctors on hard cases as he chases ‘medical superintelligence’
閱讀原文
| 評分 | 80 / 76（平均 78，門檻 76） |
|---|---|
| 狀態 | 精選 |
相關報導
《柳葉刀》主刊研究：Google AMIE 門診輔助，診斷吻合度 90%
Google 與貝斯以色列女執事醫療中心（BIDMC）主導的研究首次登上《柳葉刀》主刊：98 名患者在門診就診前使用 Google 研究級診斷 AI 聊天機器人 AMIE，全程由醫生即時監控，沒有一輪對話因安全問題被中斷。臨床醫生反饋，75% 的場景下 AI 生成的摘要幫他們提前做好接診準備，超過半數案例中 AI 輸出改變了診療思路；AMIE 的鑑別診斷與醫生最終確診吻合度達 90%。研究團隊表示，面向患者端大規模落地仍需更大規模臨床試驗。
新版機器人檢測基準：AI 智慧體檢出率 9%–99%
聚合五類自動化對手的測試顯示，Proof of Human 檢出 99% 的自動化會話，Cloudflare Bot Management 僅 9.1%，其餘依次為 reCAPTCHA v3 69.4%、hCaptcha 44.3%、Cloudflare Turnstile 42.1%。
Meta 用 Muse 模型加速醫學研究，效率最高提升十倍
Meta 宣布用 Muse Spark 1.3 與 Muse Wonder 搭建健康科學研究框架，呼叫 500 萬份去標識化電子健康病歷，醫學專家在四周內完成 10 篇原創論文，最佳情況下效率比傳統流程提升十倍，其中一篇僅用七天。研究人員發現，Muse 最明顯的收益不是更快起草，而是更快終止：它能快速標記已被文獻解決的問題、指出研究問題與資料不匹配，避免把時間浪費在無法發表的研究上。但模型仍缺專業判斷力，無法評估臨床價值或識別資料侷限；
微軟與 Hugging Face 發布 ThinkingBox，按資料庫狀態給 AI agent 打分
微軟聯合 Hugging Face 推出 ThinkingBox 基準，通過 Hugging Face 提供，不看 agent 的回覆文字和工具呼叫，只檢查它留在後端資料庫裡的最終狀態與副作用，每個任務重複跑 20 次。在 507 個有狀態業務流程、12 個模型、121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨收尾且無工具報錯。
微軟發布 Decision-1 決策模型，比 GPT-6 Sol 快 35 倍
微軟推出決策評分模型 Microsoft-Decision-1，已在 Microsoft Foundry 上線，並將登陸 OpenRouter。該模型基於 Qwen3.5-9B 後訓練，用於路由、分類、優先順序排序、驗證與工作流控制，支援是/否、多選、評分及對 AI 回答和 agent 動作的 rubric 打分。官方稱其在 36 項基準、近 15 萬道題中準確率最高，P50 延遲比 GPT-6 Sol 快約 35 倍、比第二名 Quyet-1.0-Large 快 4.5 倍；