MicrosoftのAI「MAI-DxO」、医療診断の研究で医師を上回る成績
MicrosoftのAI「MAI-DxO」、医療診断の研究で医師を上回る成績
Microsoftは、人工知能が複雑な疾患の診断で医師を大きく上回る精度を実現し、不要な医療検査の削減にも役立つ可能性を示す新たな研究を発表しました。
2026年10月22日にScienceに掲載された研究で、MicrosoftのAI診断オーケストレーター「MAI-DxO」は、複雑な医療症例で83%の診断精度を達成しました。一方、参考資料を利用できる医師の精度は36%でした。
より一般的な救急外来の症例でも良好な成績を示し、医師の47%に対して80%の精度を達成しました。
この結果は、AIによる医学的推論の支援における大きな進歩です。ただし、過去の臨床症例を模擬診断プロセスで評価した結果であり、病院で実際に患者を診療した結果ではありません。
Microsoftの公式発表によると、同社は今後、実際の臨床環境でこの技術を検証する予定です。
MicrosoftのAI診断システム「MAI-DxO」とは？
Microsoft AI Diagnostic Orchestrator、略称MAI-DxOは、医師チームが協力して患者を診断する方法を再現するために設計されたAIシステムです。
利用可能な医療情報をすべて分析して直ちに回答する従来のAIとは異なり、MAI-DxOは診断を段階的に進む調査として扱います。
複数の仮想医師の役割を連携させ、症状の検討、追加情報の要求、診断候補の検討、互いの結論への反論を共同で行います。
MAI-DxOの仕組み
システムは、次のような複数段階の診断プロセスに従います。
- 初期評価： AIエージェントが受診時の症状を分析し、考えられる疾患を挙げます。
- 情報収集： どの追加質問、診察、診断検査が最も有用かを判断します。
- 協調的な推論： 仮想医師の役割が競合する説明を吟味し、新たな証拠を評価します。
- 費用を考慮した意思決定： 追加検査の推定費用と期待される診断上の価値を検討します。
- 最終診断： 十分な情報が集まると、MAI-DxOが最も可能性の高い診断を選択します。
この手法は、新しい情報が得られるたびに医師が結論を再評価する、臨床現場での反復的な推論を模倣するものです。
仮想医師はオーケストレーションシステム内でAIが生成する役割であり、独立した人間の医師ではありません。
MicrosoftのAIと医師：研究で明らかになったこと
Microsoftは、逐次診断ベンチマーク「Sequential Diagnosis Benchmark（SDBench）」を用いてMAI-DxOを評価しました。
対象は2つのデータセットに含まれる過去の臨床症例629例です。The New England Journal of Medicine（NEJM）の難解な症例304例と、医療データセットMIMIC-IV-EDの救急外来症例325例が含まれます。
結果には診断精度の大きな差が見られました。
| 診断ベンチマーク | MAI-DxOの精度 | 医師の精度 |
|---|---|---|
| 複雑なNEJM症例304例、医師は参考資料を利用可 | 83.2% | 36.1% |
| 複雑なNEJM症例304例、医師は参考資料を利用不可 | 83.2% | 22.3% |
| 救急外来症例325例 | 80.3% | 46.8% |
出典：Microsoft AI、およびNoriら「Sequential Diagnosis with Language Models」、Science、2026年10月22日。
複雑な症例でAIの精度は医師の2倍以上に
難解なNEJM症例304例において、MAI-DxOの診断精度は、教科書やインターネットの情報を利用できる医師の約2.3倍でした。
こうした参考資料を使わない医師との比較では、約3.7倍の精度でした。
この結果は、幅広い医学知識と慎重な証拠の解釈が求められる、まれな疾患や複雑な疾患の診断で、AIシステムが特に有用となる可能性を示しています。
ただし、比較対象は管理された研究条件下で参加した一般診療の医師であり、実際の病院で働く複数専門領域の医師チームではありません。
救急外来の症例でもAIが優れた成績
救急外来の評価でも注目すべき結果が得られました。
MAI-DxOは約80%の症例を正しく診断し、参加した医師では47%でした。
これは診断精度が約1.7倍だったことを意味します。
難解なNEJM症例とは異なり、救急外来のデータセットは、より一般的な臨床像を反映するよう設計されていました。
そのため、この結果は日常診療への応用の可能性を考えるうえで特に重要です。
それでも、過去の救急外来記録に基づく模擬評価であり、患者と実際に対話した結果ではありません。
AIは診断を改善しながら医療費を減らせるのか？
Microsoftの研究の重要な特徴は、診断精度と検査費用の両方に着目していることです。
精度の高いAIであっても、単に大量の検査を指示して良い結果を得ているなら、実用上の価値は限られるかもしれません。
そこでMAI-DxOは、追加検査で期待できる有用性を推定費用と併せて評価します。
費用を最適化したAIも高い精度を維持
Microsoftによると、費用を最適化したある構成では、複雑なNEJM症例で約81%の診断精度を、比較対象となった一部手法の推定費用の半分未満で達成しました。
ほかの構成でも、検査予算を大幅に抑えながら良好な性能を維持できることが示されました。
ただし、最も高精度だった結果と、最も低費用だった結果は区別する必要があります。
NEJM症例で83.2%、救急外来症例で80.3%の精度を達成した制約のない構成は、対応する医師群より推定平均費用が高くなっていました。予算を抑えた構成では、精度が多少下がる代わりに費用が減少しました。
つまり、この研究は精度と費用の有望なトレードオフを示しているのであり、MAI-DxOのすべてのバージョンが医師より高精度かつ低費用であると証明したわけではありません。
費用は標準化された医療価格データを用いてモデル化されたものです。実際の病院支出や、患者にとって検証済みの節約額を表すものではありません。
従来の医療AIテストを超える理由
医療AIの評価の多くは、標準化された試験や多肢選択式の問題に依存しています。
これらは医学知識を測る一方、実際の患者を診断する複雑さを正確に反映するとは限りません。
臨床現場では、すべての情報が最初からそろっていることはまれです。医師は、何を質問し、どの検査を指示し、いつ結論を出すだけの証拠がそろったかを判断しなければなりません。
逐次診断ベンチマークの導入
Microsoftは、この意思決定プロセスをより現実的に評価するため、SDBenchを開発しました。
最初から患者の全病歴を提示するのではなく、限られた情報から評価を始めます。
診断システムは、その後、段階的に詳しい情報を求める必要があります。
情報提供を担う模擬の仲介役が、元の症例記録から情報を提供し、要求された情報がない場合はもっともらしい回答を生成します。診断の正しさはAIを用いた評価プロセスで判定されます。
これにより、AIが正しい診断に到達するかだけでなく、どのようにそこへ至るかも研究できます。
MicrosoftはSDBenchの構成要素を研究者に公開し、さらなる検証と再現性を支援しています。
同社は、基本となるオーケストレーション手法を変えずにGPT-5.5など新しいAIモデルで評価した場合も、MAI-DxOの性能向上が維持されたと報告しています。
このことは、基盤モデルの進歩から継続的に恩恵を受ける可能性を示唆します。
Microsoft、ボストンで実際の臨床試験を計画
ベンチマークの有望な結果にもかかわらず、MicrosoftのAI診断システムは、実際の臨床現場で同等の性能をまだ示していません。
この隔たりを調べるため、MicrosoftはボストンのBeth Israel Deaconess Medical Centerとの提携を発表しました。
両者は、病院でMAI-DxOの臨床推論能力を評価する予定です。
臨床研究で調べること
計画中の前向き研究では、患者がAIシステムと直接やり取りし、その診断評価を医師による独立した評価と比較します。
この研究は、実際の診療における不確実性と複雑さに直面しても、MAI-DxOがベンチマークの性能を維持できるかを明らかにする助けとなります。
また、既存の医療業務に技術をどのように組み込めるかについても知見が得られる見込みです。
これらの研究結果が出るまでは、実際の診療で診断性能が優れているとの主張は証明されていません。
臨床導入前にAIが克服すべき課題
Microsoftの結果は重要ですが、診断精度だけでは、AIが医療を改善するかどうかは判断できません。
重要な疑問がいくつも残されています。
臨床的な信頼性と患者の安全
実際の患者には、不完全な病歴、重なり合う症状、予期しない合併症、曖昧な所見があり得ます。
AIシステムは、これらに確実に対応し、不確実性を認識し、有害となり得る提案を避けられることを示す必要があります。
治療方針の決定と長期的なケア
疾患の特定は医療の一部にすぎません。
医師は適切な治療を選択し、患者を継続的に観察し、合併症に対応し、個別の事情に合わせてケアを調整する必要もあります。
MAI-DxOの公表されたベンチマーク結果は、こうした広範な責任を担えることを証明していません。
人間による監督と医療への統合
臨床AIシステムは、医師と患者が共同で意思決定する方法にも適合する必要があります。
これには、提案の説明、専門的判断の支援、機微な患者情報の保護、適切な人間による監督の維持が含まれます。
こうした要件から、広範な臨床導入に先立つ実環境での検証が不可欠です。
Microsoftの医療AIの進歩が重要な理由
Microsoftの研究は、医療AIにおける重要な変化の可能性を示しています。
AIは医療上の質問に答えるだけでなく、証拠の収集、競合する説明の比較、どの検査に最も価値があるかの判断支援など、診断プロセスそのものを一層支えるようになるかもしれません。
また、複数の専門的な役割が共通の意思決定に貢献する、協調型AIアーキテクチャの有効性を後押ししています。
Microsoftのより広い医療スーパーインテリジェンスの構想は、診断だけでなく、治療計画、長期的な健康モニタリング、個別化された臨床意思決定支援を含みます。
同社はMayo Clinicとも協力し、高度なAI、臨床の専門知識、経時的に収集された患者データが、より包括的な医療システムをどう支えられるかを探っています。
ただし、診断ベンチマークでの改善を、生存率、治療成績、医療へのアクセスにおける実証済みの改善と混同してはいけません。
こうした利益には、今後も厳密な臨床的証拠が必要です。
まとめ
MicrosoftのMAI-DxOは、AI支援による医療診断の有望な進歩です。
複雑な症例と救急外来のベンチマークでの成績は、管理された評価条件下で、連携させたAIの推論が参加医師の診断精度を上回り得ることを示しています。
費用を最適化した構成も、精度向上の一部を保ちながら診断検査費用を減らせる可能性を示しています。
次の節目は、これらの利益が実際の患者にとって、より安全で効果的、かつ費用負担の少ない医療につながるかを示すことです。
医療AIの未来は、病気を正確に診断するだけでなく、医療者が現実の診療でより良いケアを提供することを支えられるかにかかっています。