MAI-DxO는 마이크로소프트가 2026년 10월 22일 학술지 《Science》에 발표한 진단 시스템이다. 단일 모델이 바로 답하게 하지 않고, 가상 의사 패널이 토론하며 단계적으로 검증한다. 같은 날 공개된 마이크로소프트 공식 소개에 따르면 이 시스템은 《뉴잉글랜드 저널 오브 메디슨》의 난해 증례에서 진단 정확도 83%를 기록했고, 일반의는 참고 자료를 쓸 수 있을 때 36%, 쓸 수 없을 때 22%에 그쳤다.
먼저 시험 방식을 실제 진료처럼 바꾸다
마이크로소프트는 면허시험식 평가가 AI를 과대평가한다고 본다. 문제는 모든 정보를 한 번에 주고 답 하나를 고르게 하지만, 실제 진단은 제한된 정보에서 출발해 무엇을 묻고 무엇을 검사할지 정해야 하며 검사가 늘수록 비용도 는다. 그래서 만든 것이 SDBench다. NEJM 난해 증례 304건과 MIMIC-IV-ED 데이터베이스의 보다 전형적인 응급 증례를 상호작용형 증례로 바꿨다. 진단자는 짧은 병세 설명에서 시작해 필요한 정보를 직접 요청해야 하고, 벤치마크는 정확도와 함께 요청한 증거와 추정 검사 비용까지 기록해 답뿐 아니라 경로도 평가한다.
하나의 모델보다 가상 의사 패널이 더 잘 파고든다
MAI-DxO에서는 여러 에이전트가 각자 진단 가설을 내고 질문과 검사를 고르며 서로 반박하는 토론을 몇 차례 거치고, 새 증거에 따라 판단을 갱신한다. 각 검사는 기대 가치와 비용을 함께 저울질한다. 이 오케스트레이션은 특정 모델에 묶이지 않는다. 기반을 더 새로운 GPT-5.5로 바꿔도 방법은 그대로인데 성적은 더 올랐다. 응급 증례에서는 80% 대 의사 47%를 기록했고, 비용 중시 설정은 NEJM 증례에서 비교 시스템의 절반도 안 되는 검사 비용으로 81% 정확도를 유지했다. 마이크로소프트는 SDBench의 일부 NEJM 증례에 대해 벤치마크, 게이트키퍼, 판정, 비용 추정 코드를 오픈소스로 공개해 다른 팀이 재현하고 검증할 수 있게 했다.
경계도 분명히 해야 한다. 이것은 통제된 텍스트 벤치마크이고 비교군은 혼자 진료하는 일반의이며, 현실의 희귀 난해 증례는 보통 전문의 팀으로 넘어간다. 이 시스템은 실제 임상 절차에서 검증된 적도 없다. 'AI가 이미 의사를 대체할 수 있다'로 읽으면 오독이다. 더 정확한 읽기는, 진단 평가가 Google AMIE의 실제 진료 연구처럼 '문제를 맞히는 것'에서 '올바른 질문을 하고 올바른 비용을 쓰는 것'으로 이동하고 있으며, 멀티 에이전트 오케스트레이션이 이런 과정형 과제에서 단일 모델에 없는 강점을 보였다는 점이다.
