- Microsoftが複数AIエージェント構成の診断システム「Diagnostic Orchestrator」をScience誌で発表
- New England Journal of Medicine症例で約83%、救急症例で80%の診断精度を記録
- 評価用ベンチマークSDBenchはオープンソース化予定。実際の臨床検証はこれから
何が発表されたのか
Microsoftは、医療診断を行うAIシステム「Diagnostic Orchestrator」の研究成果を、査読付き学術誌のScienceで発表した。同社のMustafa Suleyman AI CEOはThe Vergeに対し、このツールが人間の医師より最大4倍正確に病状を診断できると主張している。
評価は、医学症例報告と救急部門のデータから作成したシナリオを用いて、AIシステムと人間の医師を比較する形で行われた。Microsoftはこの評価用ベンチマークを「SDBench」と名付け、オープンソースとして公開する予定だとしている。
複数エージェントで診断を組み立てる
Diagnostic Orchestratorは、医療専門家のパネルのように機能するよう設計されている。複数のAIエージェントが症状や病歴について推論し、どの検査を発注すべきかを判断したうえで診断に至る。医師が症例を調査する手順を模した構成だ。
システムはOpenAIのGPT-5で動作しており、単独で動く最先端のAIモデルよりも優れた成績を示したと研究者は述べている。ただし査読論文には、GPT-6 AstraやMetaのMuse Wonder Full、GoogleのGemini 4 Argon、AnthropicのOpus 5.5といった新しいモデルは含まれていない。
Diagnostic OrchestratorはGPT-4.1が最先端だった時期に最初に開発された。その後の検証から、モデル能力の向上によって複数エージェントを組み合わせる利点が必ずしも損なわれないことが示唆されたと研究者は説明している。
既存の医師やモデルとの比較
New England Journal of Medicineに掲載された数百件の報告から取った症例では、Microsoftのシステムは約83%の診断精度を達成した。比較対象の一般医は参考文献を使える場合で約36%、使わない場合で22%だった。
ボストンのBeth Israel Deaconess Medical Centerに入院した患者の大規模データベースから取った救急症例でも、システムは80%の精度を記録し、人間の医師の平均47%を上回った。AIシステムは診断に至るまでの推定コストも人間より低い傾向があったとされる。
Microsoftはこの研究を、同社が「医療用スーパーインテリジェンス（medical superintelligence）」と呼ぶ構想の一環と位置づけている。人間が主導する最良の医療体制を上回るAIを目指すという構想だ。
未検証の部分と展开の条件
Microsoftは、この技術を広く導入するまでには長い道のりがあると認めている。テストは医師の診断プロセスに近い形で作られているものの、あくまで過去の症例に対する評価であり、実際の臨床環境でどの程度機能するかは不明だという。
Suleyman氏は「臨床的な検証が必要だ。それは大きな飛躍だが、この旅路における主要なマイルストーンだ」と述べている。同社はBeth Israel Deaconess Medical Centerと組み、数カ月以内に病院環境でのテストを始める予定だが、具体的な時期は明言していない。
商用化の時期や方法も公表されていない。Microsoftの医療分野の責任者で論文共著者でもあるDominic King氏は、医療には規制やコンプライアンスの要件が高いため、責任ある展開が必要だと強調している。
| テスト種別 | Diagnostic Orchestrator | 人間の医師 |
|---|---|---|
| New England Journal of Medicineの症例 | 約83% | 約36%(参考文献あり)、22%(なし) |
| Beth Israel Deaconessの救急症例 | 80% | 平均47% |
"It needs clinical validation," Suleyman says. "That is a leap, but this is a major milestone along that journey."
「臨床的な検証が必要だ。それは大きな飛躍だが、この旅路における主要なマイルストーンだ」とSuleyman氏は述べている。
今後の見通し
次の焦点は、Beth Israel Deaconess Medical Centerで予定されている病院環境での検証が、実際の患者データでどのような結果を出すかにある。過去の症例に対するベンチマーク成績が臨床現場でも再現されるかどうかが、実用化の判断材料になるとみられる。あわせて、SDBenchが実際にオープンソースとして公開されれば、第三者が同じ条件で比較検証できるようになる。商用化の時期・価格・提供形態は現時点で公表されておらず、続報を待つ必要がある。
日本の開発者・IT企業にとっての意味
日本のIT企業にとっては、単一の大規模モデルではなく複数のエージェントを協調させて推論させる構成が、査読付き論文で一定の有効性を示した点が重要です。医療のように判断根拠と手順が重視される領域では、検査の発注や鑑別診断の絞り込みをエージェントに分担させる設計が参考になります。一方、評価は過去の症例に対するもので、実際の臨床環境での検証はこれからです。医療AIの導入を検討する企業は、精度の数字だけでなく、規制対応や責任分界の設計を含めて判断する必要があります。SDBenchが公開されれば、自社システムの比較評価に使える可能性があります。
気になる点
- この診断AIは日本でも使えるようになるのか
- 現時点で提供地域や商用化の時期は公表されていません。まず米国のBeth Israel Deaconess Medical Centerで臨床環境の検証を数カ月以内に始める予定とされており、日本での展開はそれ以降の話になるとみられます。
- 既存の電子カルテや院内システムと連携できるのか
- 連携方法についての説明は原文にありません。現時点では公表されていないと答えるほかありません。なお評価用ベンチマークSDBenchはオープンソース化が予定されており、こちらは外部から利用できる可能性があります。
- 基盤モデルが新しくなれば精度はさらに上がるのか
- システムはGPT-5で動作しています。GPT-4.1時代の開発から、モデル能力の向上が複数エージェント構成の利点を必ずしも損なわないと研究者は述べていますが、GPT-6 Astraなど新しいモデルでの評価は論文に含まれていません。
用語解説
- エージェント(AIエージェント)
- 目的に応じて推論や判断を自律的に行うAIの構成単位。複数を組み合わせて役割を分担させる設計をマルチエージェントと呼ぶ。
- ベンチマーク
- システムの性能を同じ条件で比較するための標準的な評価課題やデータセット。今回はSDBenchという名称で作成された。
- 査読(peer-reviewed)
- 論文を同じ分野の専門家が事前に審査する仕組み。査読を経た論文は一定の学術的な妥当性が確認されたとみなされる。
- 医療用スーパーインテリジェンス
- Microsoftが用いる表現で、人間が主導する最良の医療体制を上回るAIを指す。同社はこの構想を以前から掲げている。
出典
Microsoft says its AI tool is better than doctors at diagnosing conditions
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する