Microsoftの診断AI、複雑症例で83%の正答率 研究をScience誌に掲載

発表された内容

MicrosoftのAI診断システム「MAI-DxO」（略称DxO）を評価した研究が、2026年10月22日にScience誌で公開されました。New England Journal of Medicineの複雑な症例を用いたシミュレーションで、DxOは83%の確率で正しく診断しました。一方、参考資料を使いながら個別に診断したプライマリケア医と一般内科医の正答率は36%でした。

DxOは複数のAIエージェントを「医師団」のように連携させる仕組みです。患者への問診、検査の指示、診断をめぐる議論をエージェント同士で分担します。Microsoft AIのCEO、Mustafa Suleyman氏はこの結果を「医療用超知能（medical superintelligence）」への一歩と表現しています。

仕組みと新しさ

研究データ自体は、精度向上の多くが土台となるAIモデルの性能向上によるものだと示しています。MicrosoftはOpenAI、Google、Anthropic、Meta、DeepSeekのモデルでDxOを試し、最も良い結果はOpenAIのGPT-5とGPT-5.5で得られました。DxOの役割は、その上にオーケストレーション（複数エージェントの調整）による利得を積み増すことです。

特徴的なのは、精度だけでなくコストも測定している点です。GPT-5を短い基本プロンプトだけで使うと複雑症例で78.9%、1症例あたり約8,400ドルでした。DxOを組み合わせるとコストは約3,000ドル下がる一方、精度の向上は約4ポイントにとどまりました。

モデル別の結果

2026年4月に登場したGPT-5.5では結果が分かれました。複雑症例ではDxOがGPT-5.5の正答率を72%からほぼ87%へ引き上げ、コストもわずかに下がりました。一方、救急部門の症例ではDxOの有無にかかわらずともに約85%、コストも同程度で、改善は見られませんでした。

DxOは複雑な症例と、性能が低めのモデルで効果が大きい傾向があります。Gemini 2.5 Flashは単体で46.4%でしたが、DxO併用でほぼ69%になりました。ただし弱いモデルと強いモデルの差の方が、DxOによる底上げより大きいと研究は指摘しています。モデルが理論上の上限に近づくほど精度向上は小さくなるとみられます。

注意点と実臨床評価

比較の対象には注意が必要です。今回の複雑な症例は通常、専門医や医師チームが担当しますが、専門医は比較に含まれていません。またシミュレーション上の結果であり、実際の診療での性能を示すものではありません。

MicrosoftはボストンのBeth Israel Deaconess Medical Centerと提携し、DxOの臨床推論能力を病院環境で評価する予定です。患者は通常の治療を受ける傍ら、同意した人がDxOとも対話し、両者の推奨を比較します。Microsoft AIのHealth担当バイスプレジデント、Dominic King氏は「この種の研究としては最大規模になる」と述べています。

今後の計画

Suleyman氏は、Mayo Clinicと組み医療向けの基盤モデルを訓練中で、来年の公開を予定していると明かしました。このモデルで「大きな飛躍」が可能になるとし、DxOをその基盤インフラの一部と位置づけています。同氏は2027年に医療記録の分野で「コーディングにおけるブレークスルーのような」進展が起きるとの見方を示しました。

Microsoftは「医療用超知能」を、医療推論とケア全体の調整において「現代の最も強力な人間主導の医療システムを上回る能力」と定義しています。個別タスクのベンチマークから、臨床医や医療システムとの統合へ軸足を移す狙いです。同社はすでに臨床医向けの音声入力や放射線科向けツールを販売しており、DxOをその拡張と位置づけています。