この記事のポイント
- 複数のAIが仮想の医師団のように議論して診断し、NEJMの難しい症例で正答率83%を記録
- 参考資料を使った医師の正答率は36%、使わない場合は22%で、AIが大きく上回る結果
- まだ研究段階で、実際の病院での検証はMayo ClinicやBeth Israel Deaconessとこれから始まる
Microsoft AIが2026年10月22日、複数のAIが議論しながら診断を進める仕組み「MAI-DxO」の研究成果を公式ブログで発表しました(同日、Science誌にも論文が掲載)。難しい症例を使った評価結果と、今後の実証に向けた動きを整理します。
複数のAIが議論しながら診断する「MAI-DxO」
ひとことで言うと、MAI-DxOは1つのAIが即答するのではなく、複数の役割を持つ仮想的な医師団のように議論しながら診断を進める仕組み(オーケストレーション)です。それぞれの役が鑑別診断の候補を出し合い、必要な質問や検査を選び、ほかの見立てに異議を唱えながら、新しい所見が出るたびに評価を更新します。検査1つひとつの有用性とコストを見比べながら進める点も特徴です。
NEJMの難しい症例で、医師の2倍超の正答率
New England Journal of Medicine(NEJM)の症例検討から採った304件の複雑な症例を使った評価(ベンチマーク名SDBench)で、MAI-DxOは83%の診断精度を記録しました。比較対象の医師は、教科書やインターネットなどの参考資料を使った場合で36%、参考資料なしでは22%にとどまっています。より実際の救急外来に近いMIMIC-IV-ED由来の症例でも、MAI-DxOは80%、医師は47%の精度で、MicrosoftはAIが医師の1.7倍の精度だったとしています。
精度向上の理由と、これからの実証計画
Microsoftは、精度向上の主な要因を基盤モデル自体の進化ではなく、複数のAIに診断を議論させる「オーケストレーション」の設計によるものと説明しています。新しい基盤モデルに入れ替えても、この設計のまま成績が落ちなかったことが根拠とされ、特定のモデル世代に依存しない手法だとしています。ただしMAI-DxOはまだ研究・ベンチマークの段階で、実際の診療に使われているわけではありません。Microsoftは医療向けの基盤モデル開発でMayo Clinicと提携しているほか、ボストンのBeth Israel Deaconess Medical Centerとは、複数の病院で実際に臨床推論能力を検証する前向き研究を新たに始める予定です(開始時期は発表されていません)。評価に使った症例データの一部とベンチマークのコードはオープンソースで公開されており、研究者が検証や再現を行えるようになっています。
まとめ
企業のAI担当者にとっては、研究段階とはいえ正答率の差は医療AIの実力を測る材料になります。ただしMAI-DxOはまだ一般提供されている診断ツールではなく、Beth Israel Deaconessなどでの実証もこれから始まる段階のため、実際の医療現場への導入はもう少し先になりそうです。同じ「AIが医師の診断を上回る」領域では、Googleの問診AI「AMIE」も模擬患者を使った評価で医師と比較されており、各社の実証の進め方を見比べておくと理解が深まります。
※2026年10月24日時点の情報です。
