Microsoft MAI-DxO：仮想医師団の議論で難症例の診断精度83%、医師の3.7倍、SDBenchをオープンソース化

Microsoft MAI-DxOは、診断を仮想医師団の議論に変えました。2026年10月22日、Microsoft AIは公式ブログで論文を発表し、二つのものを同時に打ち出しました。逐次診断ベンチマークSDBenchと、そのベンチマークでトップに立つAIシステムMAI-DxO（Microsoft AI Diagnostic Orchestrator）です。『ニューイングランド医学雑誌』から選ばれた304の難症例で、MAI-DxOの診断精度は83%に達し、医師の22%の約3.7倍となりました。

まず数字：三つの比較が同じことを物語る

テストシナリオ	MAI-DxO	医師
NEJM難症例	83%	22%（外部リソースなし）/ 36%（参照あり）
救急の一般的症例（MIMIC-IV-ED）	80%	47%
コスト優先設定	81%、検査コストは比較対象の半分以下	—

Microsoftは、両データセットにおいて「より正確かつより安い」人間またはAIのアプローチは他になかったと強調しています。

鍵はモデルではなく「カンファレンス」という手順

MAI-DxOは単一モデルに一発で答えを出させません。「仮想医師」のパネルがそれぞれ診断を提案し、質問と検査を選び、浮上した見解に異議を唱え、数ラウンドの議論を経て評価を更新します。各検査は指示前に情報価値とコストが見合うか秤にかけられます。

SDBenchの設計も同様に重要です。症例をインタラクティブに仕立て、AIや医師は限られた情報から出発し、次に何を問い何を調べるかを自ら決めます。ベンチマークは精度、要求したエビデンス、推定コストを同時に採点します。測っているのは最終回答ではなく「診断の道筋」です。

オープンソース化されたもの：ベンチマークのコードの一部が公開

Microsoftは一部のNEJM症例についてSDBenchをオープンソース化します（ベンチマーク本体、Gatekeeper、Judge、コスト推定コード）。研究者は結果の再現や結論への異議申し立てが可能に。より新しいモデル（GPT-5.5を含む）で再評価しても向上は維持され、編成手法が特定世代のモデルに依存しないことが示唆されています。

境界線：論文の成績は臨床応用とイコールではない

NEJM症例は選ばれた難症例であり、日常の外来を代表しません。医師の22%は外部参照リソースなしの条件での成績で、参照可能時は36%です。コスト推定はモデルベースであり、実際の医療のコスト構造はずっと複雑です。この取り組みの位置づけは「論文」であり、次の段階はより厳密な評価であって、臨床への直接導入ではありません。