遇到症状复杂、检查线索又多的病人，难点不只是猜病名，而是像医生一样边问病史、边做检查，再逐步排除错误答案。据 TechCrunch 报道，微软的 MAI-DxO 在《Science》发表的模拟研究中答对 83% 的疑难病例；可查阅资料的全科及普通内科医生单独作答时为 36%。
MAI-DxO 是多Agent系统——让多个 AI 角色分别问诊、选检查和讨论诊断，再由系统协调。但论文数据也提醒我们别把功劳全给这套流程：GPT-5 只用简单提示词时已达 78.9%，每例估算成本约 8400 美元；加入 MAI-DxO 后，准确率只提高约4个百分点，成本降低约3000美元。换成较弱的 Gemini 2.5 Flash，系统才把成绩从46.4%推到近69%。
换句话说，编排确实有用，但底层模型强弱的影响更大。急诊病例中，MAI-DxO 对 GPT-5 和 GPT-5.5 的准确率与成本也几乎没有改善。更重要的是，这只是既有病例上的模拟；疑难病例通常由专科医生或团队处理，而研究并未拿他们作对照，因此还不能据此宣布“医疗超级智能”已经到来。