MSの医療AI、病院で臨床推論を評価へ

マイクロソフト（MS）は現地時間22日、複雑な疾患症例でAI診断システムMAI-DxOが一般医より高い精度を示したとする研究を国際学術誌『サイエンス』に発表しました。シミュレーションで難しい症例の診断精度は約83％となり、参考資料を使って個別に診断したプライマリーケア医と一般内科医の約36％を2倍以上上回りました。救急外来の症例を使った別の評価では、MAI-DxOが約80％、医師が約47％でした。

研究チームは、ニューイングランド医学ジャーナル（NEJM）掲載の複雑な臨床症例304件と救急症例を使い、逐次診断ベンチマーク（SDBench）を作成しました。症状と検査結果を一度に示して病名を当てさせるのではなく、限られた情報から質問や検査を選び、その結果に応じて診断を見直す手順をAIと医師に求めました。検査で得られる情報が費用に見合うかも評価し、実際の診療の一部を反映させました。

MAI-DxOでは、複数のAIエージェント（役割を分担して判断するAIプログラム）が医師団のように働きます。各エージェントが候補となる疾患を挙げ、確認に必要な質問や検査を選び、互いの判断を検討します。新たな情報が出ると診断を修正し、検査費用も考慮します。MSはOpenAI、Google、Anthropic、Meta、DeepSeekなどのモデルにシステムを適用し、GPT-5とGPT-5.5で最も良い結果が出たと発表しました。

GPT-5は基本プロンプトだけで難しい症例の診断精度78.9％を記録しました。MAI-DxOの適用後は精度が約4ポイント上がり、症例ごとの推定検査費用は約8,400ドルから約5,400ドルに下がりました。この費用はAIの利用料ではなく、診断過程で選んだ検査にかかる費用です。GPT-5.5は難しい症例で、適用前の72％から適用後は約87％に上昇しました。一方、救急症例では基本モデルに比べ、精度や検査費用に明確な改善はありませんでした。

この研究では専門医や複数の医療従事者から成るチームとの比較は行われず、実際の患者を対象とした臨床試験でもありません。そのため、シミュレーション結果だけからAIが専門医療チームに取って代わる、あるいは患者の治療結果を改善すると結論づけることはできません。基本となるAIモデルの性能も結果に大きく寄与しているため、成果全体をエージェントの協働効果とはみなせません。

MSのAI部門最高経営責任者（CEO）、ムスタファ・スレイマンは、今回の結果を「医療超知能」に向けた進展と評価しました。MSはメイヨー・クリニックと医療専用の基盤モデル（特定分野向けに構築する大規模AIモデル）を開発しており、スレイマンは来年、医療記録の分析で大きな技術的進歩があるとの見通しを示しました。次の段階として、MSは米ボストンのベス・イスラエル・ディーコネス医療センターと協力し、病院でMAI-DxOの臨床推論能力を評価する計画です。通常の診療を受ける患者のうち同意した人はAIとも対話し、研究チームはAIの推奨と医療従事者の独立した判断を比較します。実際の患者との対話でも診断能力が保たれるか、医療従事者の判断や業務に役立つかを検証します。

マイクロソフト（MS）は現地時間22日、複雑な疾患症例でAI診断システムMAI-DxOが一般医より高い精度を示したとする研究を国際学術誌『サイエンス』に発表しました。シミュレーションで難しい症例の診断精度は約83％となり、参考資料を使って個別に診断したプライマリーケア医と一般内科医の約36％を2倍以上上回りました。救急外来の症例を使った別の評価では、MAI-DxOが約80％、医師が約47％でした。

研究チームは、ニューイングランド医学ジャーナル（NEJM）掲載の複雑な臨床症例304件と救急症例を使い、逐次診断ベンチマーク（SDBench）を作成しました。症状と検査結果を一度に示して病名を当てさせるのではなく、限られた情報から質問や検査を選び、その結果に応じて診断を見直す手順をAIと医師に求めました。検査で得られる情報が費用に見合うかも評価し、実際の診療の一部を反映させました。

MAI-DxOでは、複数のAIエージェント（役割を分担して判断するAIプログラム）が医師団のように働きます。各エージェントが候補となる疾患を挙げ、確認に必要な質問や検査を選び、互いの判断を検討します。新たな情報が出ると診断を修正し、検査費用も考慮します。MSはOpenAI、Google、Anthropic、Meta、DeepSeekなどのモデルにシステムを適用し、GPT-5とGPT-5.5で最も良い結果が出たと発表しました。

GPT-5は基本プロンプトだけで難しい症例の診断精度78.9％を記録しました。MAI-DxOの適用後は精度が約4ポイント上がり、症例ごとの推定検査費用は約8,400ドルから約5,400ドルに下がりました。この費用はAIの利用料ではなく、診断過程で選んだ検査にかかる費用です。GPT-5.5は難しい症例で、適用前の72％から適用後は約87％に上昇しました。一方、救急症例では基本モデルに比べ、精度や検査費用に明確な改善はありませんでした。

この研究では専門医や複数の医療従事者から成るチームとの比較は行われず、実際の患者を対象とした臨床試験でもありません。そのため、シミュレーション結果だけからAIが専門医療チームに取って代わる、あるいは患者の治療結果を改善すると結論づけることはできません。基本となるAIモデルの性能も結果に大きく寄与しているため、成果全体をエージェントの協働効果とはみなせません。

MSのAI部門最高経営責任者（CEO）、ムスタファ・スレイマンは、今回の結果を「医療超知能」に向けた進展と評価しました。MSはメイヨー・クリニックと医療専用の基盤モデル（特定分野向けに構築する大規模AIモデル）を開発しており、スレイマンは来年、医療記録の分析で大きな技術的進歩があるとの見通しを示しました。次の段階として、MSは米ボストンのベス・イスラエル・ディーコネス医療センターと協力し、病院でMAI-DxOの臨床推論能力を評価する計画です。通常の診療を受ける患者のうち同意した人はAIとも対話し、研究チームはAIの推奨と医療従事者の独立した判断を比較します。実際の患者との対話でも診断能力が保たれるか、医療従事者の判断や業務に役立つかを検証します。