MicrosoftのマルチエージェントAIシステム、複雑な診断で一般医を上回る

2026年10月22日付のScience誌に掲載された研究によると、Microsoftの人工知能診断システム「MAI-DxO」は、シミュレーション環境において複雑な疾患を正しく特定する割合が、一般医の2倍以上であったことが判明しました。Microsoft AIのCEOであるMustafa Suleyman氏は、この成果を同社が提唱する「医療スーパーインテリジェンス」への重要な一歩と位置づけ、患者の需要と利用可能な医療専門知識との間で拡大しつつあるギャップを埋めることを目指しています。

何が起きたか

本研究では、New England Journal of Medicineから収集した複雑な臨床症例を用いて、MAI-DxO（DxOとも呼ばれる）の評価が行われました。これらのシミュレーションにおいて、AIシステムの精度は83%に達しました。一方、標準的な参考資料を用いて個別に対応したプライマリケア医師や総合内科医の精度は36%にとどまりました。重要な点として、こうした複雑な症例は実際の現場では通常、専門家や多職種チームによって管理されますが、比較基準にはこれらの専門家グループは含まれていませんでした。

Microsoft AIのヘルス部門バイスプレジデントDominic King氏は、現代の医療提供における主要な課題は、医療専門知識の供給と患者の需要とのミスマッチであると強調しました。今回の発表により、GoogleやOpenAIといった競合他社と同様に、Microsoftも自社のAIシステムが人間の医師のパフォーマンスに匹敵するか、それを上回る可能性があると主張する立場に加わりました。しかし、データは、Microsoftのオーケストレーション層が付加価値を生み出しているものの、パフォーマンス向上の大部分は基盤となる大規模言語モデル自体の能力によるものであることを示唆しています。

Microsoftは、OpenAI、Google、Anthropic、Meta、DeepSeekなど、さまざまなプロバイダーのモデルでDxOフレームワークを検証しました。最高性能はOpenAIのGPT-5およびGPT-5.5モデルを使用した場合に記録されました。また、同社はコスト効率についても分析し、AIを実行する場合の症例あたりの推定費用を測定しました。例えば、GPT-5単体では複雑な症例で78.9%のスコアを記録し、症例あたり約8,400ドルのコストがかかりました。DxOを組み合わせた場合、コストは約3,000ドル減少し、精度は約4パーセントポイント向上しました。

仕組み

MAI-DxOは、人間の医師のパネルのように機能する複数の異なるAIエージェントを調整するマルチエージェントシステムとして動作します。単一のモデルに回答を生成させるのではなく、これらのエージェントは構造化されたプロセスに従います。具体的には、患者への質問、関連する診断検査のオーダー、そして互い間の診断候補に関する議論を行います。この協調的なアプローチは医療チームが用いる臨床推論のプロセスを模倣しており、最終的な診断を提示する前に前提条件を相互チェックし、結論を精緻化することを可能にします。

このオーケストレーションの有効性は、基盤モデルの能力と症例の複雑さに依存します。本試験で使用された専門的な症例よりも一般的に複雑さが低い救急外来の症例では、GPT-5と組み合わせたDxOは、精度にもコストにもほとんど改善が見られませんでした。スタンドアロンモデルとオーケストレーション済みシステムの両方とも、約85%のスコアを記録しました。しかし、Gemini 2.5 Flashのような能力が低いモデルの場合、DxOフレームワークは大きなブーストを提供し、精度を46.4%からほぼ69%まで引き上げました。これは、エージェント型オーケストレーションが、より弱いモデルの最適化や、単発の推論では不十分な高度に複雑な診断パズルを処理する際に特に価値があることを示唆しています。

主要な詳細

• MAI-DxOは、New England Journal of Medicineの複雑な症例において83%の精度を達成し、一般医の36%と比較して優位性を示しました。
• システムは複数のAIエージェントを調整し、模擬パネル形式で患者への質問、検査のオーダー、診断の議論を行います。
• OpenAIのGPT-5およびGPT-5.5モデルを使用した場合に最良の結果が得られましたが、フレームワークはGoogle、Anthropic、Meta、DeepSeekのモデルもサポートしています。
• DxOはGPT-5の場合、症例あたりのコストを約3,000ドル削減し、精度をわずかに向上させましたが、救急外来の症例では最小限の改善しか見せませんでした。
• MicrosoftはMayo Clinicと提携し、来年リリース予定のヘルスケア特化型基盤モデルの訓練を進めています。
• Beth Israel Deaconess Medical Centerとの新たな臨床評価では、実世界の救急および緊急治療環境において、DxOの推奨事項と人間の医師との比較が行われます。

なぜ重要なのか

ソフトウェアエンジニアや技術リーダーにとって、本研究は大規模言語モデルの価値提案が、生の能力からオーケストレーションされた有用性へと移行していることを浮き彫りにします。ベースモデルがより強力になるにつれ、追加のプロンプティングや単純なチェーンリングによる限界効用は低下しています。しかし、DxOの結果は、マルチエージェントアーキテクチャが依然として、特にコスト最適化や、より小さく能力の低いモデルを使用する場合において、顕著なパフォーマンス向上を引き出すことができることを示しています。これは、基盤モデルが進歩しても、高リスクなAIアプリケーションを開発するためには、堅牢なエージェント型ワークフローの構築が引き続き重要なスキルであることを示唆しています。

さらに、実世界の臨床試験への移行は、ベンチマークに基づく評価から実践的な展開への転換を意味します。Beth Israel Deaconess Medical Centerとのパートナーシップは、非構造化かつ高圧力な環境でのAI臨床推論を検証するための重要なステップを表しています。成功すれば、これはAIツールがヘルスケアワークフローに統合される方法に対する新たな標準を確立し、聴写などの補助タスクを超えて、臨床意思決定支援への積極的な参加へと進む可能性があります。このシフトには、実際の患者とのインタラクションの複雑さと多様性を扱える厳格なテストフレームワークが必要であり、他の業界が重要な意思決定役割でAIを展開しようとする際の青写真を提供します。

できること

• オーケストレーションが単一モデルのプロンプトと比較して精度を向上させるか、コストを削減するかを確認するために、自身のドメインでマルチエージェントフレームワークを評価してください。
• Mayo Clinicとの共同開発によるMicrosoftのヘルスケア基盤モデルの次回リリースを追跡し、ドメイン特化型のファインチューニング戦略を理解してください。
• DxOのアーキテクチャを研究し、複雑な問題解決タスクのためのエージェント間議論や検査オーダーロジックの構造方法を学んでください。
• Beth Israelとのような実世界検証研究が、静的なベンチマークだけでなくライブ環境でAIシステムをテストするように設計できる方法を検討してください。
• AIエージェントを展開する際にはコスト効率指標を追跡してください。オーケストレーションはトークン使用量や全体的な推論コストを削減することがあります。
• AIが行政支援から直接的な臨床意思決定支援の役割へ移行するに伴い、規制および臨床的な監視の強化に備えてください。