Microsoft MAI-DxO는 진단을 가상 의사단의 토론으로 바꿨습니다. 2026년 10월 22일, Microsoft AI는 공식 블로그에 논문을 발표하며 두 가지를 한꺼번에 내놨습니다. 순차 진단 벤치마크 SDBench와, 해당 벤치마크에서 선두를 차지한 AI 시스템 MAI-DxO(Microsoft AI Diagnostic Orchestrator)입니다. 뉴잉글랜드 의학저널(NEJM)에서 선별한 304개 난치 증례에서 MAI-DxO의 진단 정확도는 83%에 달해 의사(22%)의 약 3.7배를 기록했습니다.
먼저 숫자: 세 가지 비교가 같은 이야기를 한다
| 테스트 시나리오 | MAI-DxO | 의사 |
|---|---|---|
| NEJM 난치 증례 | 83% | 22%(외부 자원 없음) / 36%(참조 가능) |
| 응급실 일반 증례(MIMIC-IV-ED) | 80% | 47% |
| 비용 우선 설정 | 81%, 검사 비용은 비교 대상의 절반 이하 | — |
Microsoft는 두 데이터셋 모두에서 "더 정확하면서 더 저렴한" 인간 또는 AI 접근법은 없었다고 강조했습니다.
핵심은 모델이 아니라 '컨퍼런스'라는 절차
MAI-DxO는 단일 모델에 한 번에 답을 내게 하지 않습니다. '가상 의사' 패널이 각자 진단을 제안하고 질문과 검사를 고른 뒤, 떠오른 소견에 이의를 제기하며 수 라운드 토론을 거쳐 평가를 갱신합니다. 각 검사는 지시되기 전 정보 가치와 비용을 저울질합니다.
SDBench의 설계도 마찬가지로 중요합니다. 증례를 인터랙티브하게 만들어 AI나 의사가 제한된 정보에서 출발해 다음에 무엇을 묻고 검사할지 스스로 정하게 하며, 벤치마크는 정확도, 요청한 근거, 추정 비용을 함께 채점합니다. 측정하는 것은 최종 답이 아니라 '진단 경로'입니다.
오픈소스화된 것: 벤치마크 코드 일부 공개
Microsoft는 일부 NEJM 증례에 대해 SDBench를 오픈소스화합니다(벤치마크 본체, Gatekeeper, Judge, 비용 추정 코드). 연구자들은 결과 재현이나 결론에 대한 반박이 가능합니다. GPT-5.5를 포함한 최신 모델로 재평가해도 성능 향상은 유지돼, 편성 기법이 특정 세대 모델에 의존하지 않음을 시사합니다.
경계선: 논문 성적은 임상 적용과 같지 않다
NEJM 증례는 선별된 난치 증례로 일상 외래를 대표하지 않습니다. 의사의 22%는 외부 참조 자원 없이 측정한 성적이고, 참조 가능 시 36%입니다. 비용 추정은 모델 기반이며, 실제 의료의 비용 구조는 훨씬 복잡합니다. 이 작업의 자리매김은 '논문'이며, 다음 단계는 더 엄격한 평가이지 임상 직접 도입이 아닙니다.
연구자가 지금 할 수 있는 것
MAI-DxO 결과를 재현하고, 자사 모델을 돌려보며, '정확도+비용' 이중 평가에 허점이 없는지 검증하는 것입니다. 의료 AI 팀에게 더 가져갈 만한 것은 방법론일지 모릅니다. 모델 간 격차가 좁혀지는 가운데 '다중 모델 협업'이 새로운 성능의 원천이 되어가고 있습니다.
