MicrosoftのAI診断システム「MAI-DxO」、複雑な医療ケースで医師の精度36%に対し83%を記録 — ただし1ケースあたりのLLMコストは医師を上回る

10月27日、IBTimes SGが「Microsoft's AI Diagnoses Complex Diseases Better Than Doctors: But It Costs More to Run」と題した記事を公開した。Microsoftの医療AI診断システム「MAI-DxO」が複雑な医療ケースで医師を大きく上回る診断精度を記録したが、コスト面での課題が浮き彫りになっている。

コスト課題という現実：精度は高いが、標準構成では医師より高コスト

MAI-DxOが示した診断精度の数字は注目に値する。しかし同時に、コスト面での課題も明確に記録されている。

以下の表はベンチマーク上のLLM API利用コストの試算であり、実際の医療費ではない点に注意が必要だ。

標準構成ではLLM APIコスト換算で医師より高コストになるが、支出制限を設けた構成でも精度はほぼ維持される。精度を大きく落とさずにコストを半分以下に抑えられる可能性は、実用化に向けた重要な示唆だ。

医師の精度36.1%に対し、AIは83.2%

この研究はMicrosoftによるもので、IBTimes SGの記事はその内容を報じている。10月22日付の学術誌『Science』に掲載されたとされる研究によると、MAI-DxOは複雑な医療ケース304件において83.2%の診断精度を達成した。同条件下で参考資料を使用した一般内科医の平均は**36.1%にとどまった。救急外来ケース325件でも、MAI-DxOは80.3%、医師は46.8%**という結果が出ている。

ただし、この数字を額面通りに受け取るべきではない。複雑ケース（The New England Journal of Medicineから選定）の医師評価は56件の部分集合で行われた一方、MAI-DxOは全304件で評価されており、同一条件での比較ではない。また評価はすべてテキストベースで、実際の患者との対面診察や画像検査へのアクセスはなかった。ベンチマークには健康な患者や軽症例が含まれていないため、「異常なしと判断すべきケースをどう扱うか」は未検証のままだ。

MAI-DxOのアーキテクチャ：既存モデルを束ねるオーケストレーター

MAI-DxOは単体の医療特化モデルではなく、既存のAIモデルを組み合わせて動かすオーケストレーターとして設計されている。複数の臨床医がチームで症例を検討するプロセスを模倣し、追加の問診、検査依頼、鑑別診断の比較、追加調査のコスト妥当性評価などを段階的に実行する。

今回の複雑ケーステストでは、**GPT-5単体で78.9%の精度だったのに対し、MAI-DxO（GPT-5使用）は83.2%**に達した。約4ポイントの改善は、診断プロセスを構造化することで、すでに高性能なモデルの出力をさらに引き上げられることを示している。

なお、「MAI-DxO」という名称については元記事に記載があるが、その正式な展開形（フルネーム）については元記事からは確認できないため、本記事では略称のみを使用する。

問診回数と精度のトレードオフ

MAI-DxOは最初の検査を依頼するまでに平均25.5回の問診を行った。医師の平均は5.6回だ。この丁寧な病歴聴取が精度向上に寄与している可能性はあるが、実際の忙しい医療現場で通用するかは未検証だ。問診回数の多さはAPI呼び出し回数にも直結するため、前述の高コスト体質の一因とも考えられる。

次のステップ：実臨床での検証

MicrosoftはボストンのBeth Israel Deaconess Medical Centerと連携し、実臨床環境でのMAI-DxO評価を進める計画を発表している。実際の患者を対象とした検証では、診断精度だけでなく、誤報（false alarm）、見落とし、不要な検査の発生率が重要な評価指標になる。

Microsoftは今回の成果を「医療における知能の超越（medical superintelligence）」への前進と位置づけているが、それは同社の目標であり、本研究が証明したことではない。MAI-DxOは選定されたベンチマークで強い結果を出したが、安全性・信頼性・コスト効率を伴う形で患者ケアを改善できるかは、今後の臨床試験に委ねられている。

詳細はMicrosoft's AI Diagnoses Complex Diseases Better Than Doctors: But It Costs More to Runを参照していただきたい。