多智能体"会诊"，而非单模型"答题"

MAI-DxO 的核心是一套编排架构：多个 AI 智能体像一组专家那样协同工作——轮流问诊、开具化验检查、对潜在诊断展开研判与"辩论"，最终给出结论。微软测试了 OpenAI、谷歌、Anthropic、Meta 及 DeepSeek 等多家机构的底座模型，其中 GPT-5 与 GPT-5.5 表现最亮眼。研究数据同时指出：诊断能力的跃升主要来自底层模型性能增强，而编排架构在此基础上进一步放大了增益。

值得注意的是边界：测试基于既往病例与筛选后的疑难案例，现实临床中的专科团队并未纳入对照。微软也已承认，系统需经过严格的临床验证才能投入使用——目前已计划与贝斯以色列女执事医疗中心在医院环境中开展测试。

国内同步：医疗大模型与区域平台密集落地

与微软的"编排式诊断"相呼应，国内医疗 AI 本周也有一批成果集中亮相：

讯飞医疗于港交所发布自愿公告，宣布星火医疗大模型升级至 V3.7 版本；

国家人工智能应用中试基地（医疗领域）广东广州阶段成果发布会于 10 月 21 日举行：基地一年来已形成 84 个医疗健康垂类模型矩阵——广州妇儿中心在微信小程序部署流感智能体打造 24 小时"AI 儿科医生"；中山三院在基地算力支持下孵化 13 个 AI 应用，鼻窦炎智能辅助诊断病理云平台数秒内完成病理判读；广东省中医院的名医模型平台（禤国维皮肤病、林毅乳腺疾病模型）即将上线；中山眼科中心"重明"移动设备可离线筛查 16 种眼疾；

福建电信"云网筑基"案例同样值得关注：福建省人民医院的中医数字人导诊"小吉"支持全程语音交互，专治老年人"不会操作、说不清症状"；漳州市中医院等 4 家机构私有化部署 DeepSeek-R1，30 秒完成跨学科辨证分析、模型响应 0.8 秒以内、断网仍可离线运行；厦门医保智能机器人日均服务咨询超 850 次，满意度 98%。

对医院信息化建设的启示

三条线索指向同一个趋势：医疗 AI 正从"单点工具"走向"体系化能力"——底座要能编排多模型，落地要能私有化，场景要覆盖诊前诊中诊后。对计划升级智慧医院与电子病历应用的医疗机构而言，选型的关键已不是"有没有 AI"，而是"AI 能否嵌入既有流程并留下质控闭环"。内蒙古灵集科技深耕智慧医疗领域多年，在内蒙古医疗软件研发中坚持"私有化部署优先、数据不出院"的原则：无论是辅助诊断模块的本地化集成，还是面向区域医疗的内蒙古 APP 开发与随访管理平台，都可以参考本周这些成熟案例的路径。医院端多智能体协同、端云结合的架构设计，同样需要经验丰富的内蒙古软件开发团队做工程化落地——这正是灵集科技服务蒙医中医医院、基层医疗机构多年积累的能力。

图2：国家 AI 中试基地（医疗领域）广东成果发布会现场，观众了解眼科诊断设备（图源：新快报）