MicrosoftのAI診断システムは、シミュレーションにおいて複雑な医学的症例を、一般診療医の2倍以上の頻度で正しく診断したと、 木曜日に発表された研究 サイエンス誌掲載。Microsoft AIのCEO、Mustafa Suleymanは、この結果を「医療スーパーインテリジェンス」への一步と呼びました。
MAI-DxO(DxOと略される)と名付けられたこのシステムは、医師のパネルのように振る舞う複数のAIエージェントを調整します。エージェントたちは患者に質問をし、検査を指示し、診断について議論します。
ニューイングランド・ジャーナル・オブ・メディスンの複雑な症例を用いたシミュレーションでは、正解率は83%でした。一人で参考文献を使いながら診た一次医療医および総合内科医の正解率は36%でした。なお、これほど複雑な症例は通常、専門医や医師チームが担当しており、彼らはこの比較には含まれていない点に注意してください。
「ここには非常に重大で魅力的なものがあります」とMicrosoft AIのヘルスケア担当バイスプレジデント、ドミニク・キング氏はTechCrunchに語りました。「現在、医療提供における最大の課題は、医療専門知識の需要と供給の間で拡大しつつあるミスマッチです。」
イン これらの結果を公開すること、Microsoftが参画 実行ogle および OpenAI 「自社のAIが医師に匹敵、あるいはそれを上回る性能を持つと主張する点において。」
この研究自身のデータは、改善の多くがより強力な基盤AIモデルによるものであり、マイクロソフトのオーケストレーションシステムがその上にさらなる利益を上乗せしていることを示唆している。
MicrosoftはMAI-DxOを、OpenAI、Google、Anthropic、Meta、DeepSeekなど複数の企業のモデルでテストしましたが、最良の結果が得られたのはOpenAIのGPT-5およびGPT-5.5でした。
異なる大規模言語モデル間でベースラインプロンプトを用いてプロンプトを与えた場合。画像クレジット:Microsoft AI
MicrosoftはDxOを精度だけでなくコストの面でも測定しました。つまり、各症例でAIを実行する推定コストです。短く基本的なプロンプトのみで単独動作させた場合、GPT-5は複雑な症例で78.9%のスコアを記録し、1症例あたり約8,400ドルのコストがかかりました。DxOはそのコストを約3,000ドル削減しましたが、精度の向上はわずか約4ポイントでした。救急外来の症例では、GPT-5単独の場合とDxOの支援を受けた場合との間で、精度にもコスト改善にもほとんど違いが見られませんでした。
2026年4月にリリースされたより新しいモデルGPT-5.5では、結果は分かれた。複雑な症例では、DxOはGPT-5.5の正解率スコアを72%から約87%まで引き上げ、コストはわずかに安くなった。しかし、その向上は救急部門の症例ではやはり現れなかった。DxOありとなしの両方とも、同程度のコストで約85%のスコアだった。
DxOは複雑なケースや性能の低いAIモデルで最も効果を発揮します。例えばGemini 2.5 Flashは単独では46.4%のスコアでしたが、DxOを使用するとほぼ69%に達しました。それでも、弱いモデルと強いモデルの間の差は、DxOがもたらした向上幅よりも大きいままでした。
Microsoftの研究者らは、モデルが理論上の最大値に近づくにつれて精度の向上は自然に小さくなると述べた。「DxOオーケストレーションは、精度とコストの両方を最適化するというより広範な課題の解決に役立ちます」と広報担当者は付け加えた。
マイクロソフトが自社のフロンティアAIの構築に取り組む責任者であるスレイマン氏はTechCrunchに対し、同社がメイヨー・クリニックと協力してヘルスケア向けの基盤モデルを訓練しており、来年のリリースを計画していると語った。彼はこのモデルによって同社が「ここで本当に巨大な飛躍を遂げられる」と考えており、DxOはヘルスケアにおける真のブレークスルーを見出すためにマイクロソフトが構築している基盤インフラの一部だとしている。
「2027年には、診療記録のコーディングスタイルのブレークスルーが目前に迫っていると、心から確信しています」とSuleyman氏は述べた。「診療記録がどのように展開しうるかについての非常に正確な予測をストリーミングできるようになると思います。臨床医にとってそのような先見性は、言うまでもなく至上の宝です。」
Suleymanは、AIを使って医療課題を解決することにキャリアを捧げてきました。彼は以前、2014年にGoogleに買収されたDeepMindの共同創業者でした。その翌年、Google DeepMindはKingのスタートアップである臨床タスク管理アプリHarkを買収し、二人は共同でDeepMind Healthを立ち上げました。Suleymanは2024年にMicrosoftに入社してAI部門を統括し、Kingも数か月後に続きました。
「私たちはただの真の信者なのです」とスレイマン氏は述べた。
医療分野における生成AIの活用はまだ初期段階だと言いつつ、今後24〜36ヶ月以内に医療モデルは「能力が一桁向上する」との見通しを述べた。
「ここ5、6年で何度も見てきたように、フライホイールが一度回り始めると、進歩は非常に速く起こります」とSuleyman氏は言う。「フライホイールとは、本番稼働中のモデルを持ち、実世界での利用を通じて反復し、モデルのギャップを特定し、それを修正・改善していくことを意味します。コーディングの分野でそれが起こりました。その前にはチャットで起こりました。そして来年は、医療記録と臨床意思決定支援についてそれが始まり始めると思うのです」
ボストンのベス・イスラエル・ディーコネス医療センターとの新たな提携を通じて、MicrosoftはDxOの臨床推論能力をさまざまな病院環境で評価する予定である。
「この技術は実世界での評価の準備が整っています。ボストンの救急外来が金曜の夜に直面するような問題の複雑さと多様性を想像してみてください」とKing氏は言う。
氏はこの研究の仕組みを説明した。患者はトリアージ、専門医による診察、治療、検査、そして退院が安全かどうかの判断を含む標準的な治療を受ける。それと並行して、同意した患者はDxOとも関わる。Microsoftとそのパートナーは、DxOの勧告を人間の医師の判断と比較する。
Googleは今月、 GoogleのAMIE対話型診断AIを実際の救急診療の受診で評価するため、ベス・イスラエルと共同でThe Lancetに臨床研究を発表した。人間の医師がやり取りをリアルタイムで監視した。
「これはこの種の研究として最大規模になると考えています。救急環境だけでなく urgent care 環境も対象とし、研究期間の終わりまでに、これらのシステムを将来より大規模に展開する能力について非常に説得力のあるエビデンスを提供してくれるでしょう」とKing氏は言う。
Science誌に掲載されるMicrosoftの研究は、医療スーパーインテリジェンスを構築するために何が必要かについての一種のマニフェストと同時に発表された。そこでは医療スーパーインテリジェンスは「ケアの全過程にわたる医学的推論と調整において、現代で最も強力な人間主導の医療システムを超える能力」と定義されている。Microsoftは、医学試験の問題に答える、診断を生成するといった個々のタスクのベンチマークを超えて、より良い成果のために臨床医や医療システムとの統合へと進むことを目指している。
「これは世界中の誰もが求める類の技術です。だからこそ、私たちはその世界への導入を加速させるためにできるすべてのことに取り組むことを決意しているのです」とSuleyman氏は言い、この注力が、他のフロンティアラボと比べたMicrosoftの差別化要因になりうると付け加えた。
Microsoftはすでに臨床医向けに音声入力や放射線科ツールを販売しており、DxOをそれらの取り組みの拡大と見ている。
「私たちは今後数年のうちに、圧倒的にナンバーワンの最先端医療臨床意思決定支援製品を持たなければなりません」とSuleyman氏は言う。