微软团队在 Science 发表分步诊断基准 SDBench 与 DxO 系统
它把诊断评测从「一次答题」改成「多轮问诊」，DxO 在回顾性疑难病例上准确率明显高于单名医生，但尚未做前瞻验证。
微软团队提出 SDBench 基准，把诊断拆成多轮信息收集过程——模型要自己决定追问哪些病史、做什么检查，还是直接下结论；配套的 DxO 系统用多角色编排加成本控制，在 304 例 NEJM 疑难病例上准确率 83.2%，对照医生为 22.3%。
正文摘录
.jpg) 编辑丨& 临床诊断并不是一道信息完整的选择题。医生通常只能从患者最初的主诉和有限的体征出发，先形成几种可能的诊断，再决定追问哪些病史、安排什么检查，并根据结果不断修正判断。每一次检查都需要考虑诊断价值、经济成本和患者负担；什么时候继续收集证据或是下达结论，也同样重要。 2026 年 10 月 22 日，微软研究团队论文「Sequential diagnosis with language models」登上《Science》封面，介绍了一个用于评估分步诊断能力的基准 Sequential Diagnosis Benchmark（SDBench），以及名为 Diagnostic Orchestrator（DxO）的诊断协调系统。 这项研究针对传统医学 AI 评测的一个局限：许多基准会直接提供完整病历、检查结果甚至关键线索，模型只需输出诊断。但这样的测试很难评估系统是否主动问对问题、避免不必要的检查，或能否在证据不足时继续调查。SDBench 把诊断重新设计成一场分阶段的信息收集过程，并同时记录最终诊断与检查开销。