Microsoft AI、診断システムMAI-DxOと逐次診断ベンチマークSDBenchをScienceで発表

SDBenchは、最初に全情報を提示して単一の回答を選ばせる医師免許試験型の評価とは異なり、限られた情報から何を尋ね、どの検査を依頼するかを選ばせる対話型のベンチマークである。NEJMの症例記録から取った304件の複雑な症例と、MIMIC-IV-EDの典型的な救急症例の2種類を使い、診断精度、依頼した証拠、推定検査費用を測る。答えだけでなく、そこに至る過程も評価対象になる。

MAI-DxOは単一モデルで即答するのではなく、仮想の医師団のように動く。各メンバーが診断を提案し、有用な質問や検査を選び、浮上した見立てに異議を唱える。この議論を複数ラウンド行い、証拠が届くたびに評価を更新し、各検査の価値を費用と比較する。

結果として、NEJMの症例ではMAI-DxOが83%、医師は外部資料なしで22%、ありで36%だった。コストを重視して最適化した構成では、比較対象システムの半分未満の費用で81%の精度を達成した。両データセットで、MAI-DxOより正確かつ低コストな人間やAIの手法はなかったという。GPT-5.5を含む新しいモデルで、オーケストレーション手法を変えずに再評価しても成果は維持され、向上したとしている。

今後は、Beth Israel Deaconess Medical Centerとの新たな提携で、病院環境の異なる現場で臨床推論能力を評価する。前向き研究では患者がシステムと直接やり取りし、医師の独立した評価と比較する。あわせて、Microsoft Research、Dragon Copilot、PowerScribeの各チームをMicrosoft AIの統合的な取り組みに集めることも示された。Mayo Clinicとの協業や、BMJ Digital Health and AIで公開された医療スーパーインテリジェンスの構想論文も紹介されている。