Microsoft AI、診断AI「MAI-DxO（マイ・ディーエックスオー）」の評価をScienceに発表NEJMの難症例で正答率83%、医師は22%と36%（同社測定）

Microsoft AIは2026年10月22日（米国時間）、診断AIシステム「MAI-DxO（マイ・ディーエックスオー）」の研究成果を科学誌Scienceに発表したと公式ブログで明らかにした。同社の測定では、医学誌NEJMの難症例でMAI-DxOの正答率は83%、医師は22%（参考資料なし）と36%（あり）。あわせて、診断ベンチマーク「SDBench（エスディーベンチ）」を一部のNEJM症例についてオープンソースで公開した。ブログの公開時刻は日本時間10月23日午前3時ごろにあたる。

3行まとめ

1. Microsoft AIが10月22日、MAI-DxOの研究をScienceに発表。NEJM難症例で正答率83%、医師は22%と36%と同社は報告
2. 救急の典型例（MIMIC-IV-ED）では80%対47%。SDBenchは一部のNEJM症例を公開し、Mayo Clinicとの協業、Beth Israel Deaconessでの前向き研究も発表
3. 数字はすべて同社のベンチマーク上のもの。患者を対象にした試験はこれから

本記事の内容は、日本時間10月23日3時台に公式ページで確認したものです。

何が発表されたのか

Microsoft AIの「MAI Health Team」による公式ブログ「Building Medical Superintelligence」（10月22日付）が、Scienceに論文が出たと説明している。論文が紹介する土台は2つで、診断の過程を段階的に試すベンチマークSDBenchと、そのベンチマークで同社が最も良い結果を出したとするシステムMAI-DxO（Microsoft AI Diagnostic Orchestrator）だ。

SDBenchは、米国の医師免許試験（USMLE）のように情報が最初から全部出て、選択肢から1つを選ぶ形式とは違う。AIや医師は限られた情報から始めて、何を尋ね、どの検査を頼むかを自分で選ぶ。測るのは診断の正確さ、要求した証拠、推定した検査費用の3つで、答えだけでなくそこまでの道筋も見る、と同社は書いている。症例は2種類ある。

MAI-DxOは、1つのモデルに即答させる作りではない。同社は「仮想の医師の合議体」のように動くと説明している。それぞれが診断案を出し、有用な質問や検査を選び、出てきた見立てに異論をぶつける。この議論を数ラウンド続け、証拠が届くたびに評価を更新し、各検査の見込める価値を費用と照らす。

数字は何と何の比較か

ブログが挙げる結果は次の5点だ（いずれも同社の記述）。

同社は倍率でも書いている。NEJMでは医師の約3.7倍と約2.3倍、救急の典型例では1.7倍超だ。ブログの冒頭では、費用も「半分、場合によっては3分の1」で済むとしている。

ここで押さえておきたいのは、比べているのが「SDBenchという形式のなかでの」成績だという点だ。ブログは、医師が参考資料なしと資料ありの2条件で診断した、と書いている。医師の人数や経験年数、症例ごとの結果は、今回取得したブログ本文には出てこない。論文本体はScience側のページが取得時にHTTP 403で、中身を読めなかった。詳細は論文で確かめる必要がある。

2025年6月の初出と何が変わったか

同じ研究は、2025年6月30日のブログ「The Path to Medical Superintelligence」で一度プレプリントとして紹介されている。当時の記述と今回の記述を並べると次のようになる。

2025年版は、より一般的な症例での性能は「さらに検証が必要」と書き、医師には同僚・教科書・生成AIを使わせずに比較したとも明記していた。今回の版には救急の典型例の結果が加わっている。ただし、85.5%と83%、20%と22%の差がなぜ生じたのかは、今回取得した2つのブログには書かれていない。評価の設定が同じかどうかも、ここからは判断できない。

SDBenchは誰でも動かせるのか

公式ページ（microsoft.github.io/sdbench）によると、評価は3つの役割のやり取りで進む。

• 診断エージェント: 評価される側。診断を明かさない短い症例の要約から始め、検査の依頼、質問、診断の確定を選ぶ
• ゲートキーパー: 依頼や質問に、症例の全文から答える。症例に結果があればそれを返し、無ければ「現実的な合成結果」を返す
• ジャッジ: 診断が確定したら、正解と照らして1〜5の5段階で採点する。4〜5を正解とみなす

データセットの入手条件は一様ではない。

ブログによると、公開するのは一部のNEJM症例向けのSDBenchで、ベンチマーク本体、ゲートキーパー、ジャッジ、費用見積もりのコードを含む。SDBenchのページを見る限り、症例データそのものが誰でも手に入るわけではない。試すだけなら、ページの手順で git clone のあと OpenRouter のキーを設定し、同梱の合成データで基準エージェントを動かせる。既定のモデルはGPT-5と書かれている。

研究の先：Mayo Clinicとの協業と、病院での試験

ブログは診断を「ケアの一部」と位置づけ、治療の選択や経過の理解まで含めた構想を述べている。BMJ Digital Health and AIの論文「The Building Blocks of Medical Superintelligence」を同じ週に出したとも書いている。Microsoft Researchの公開ページには「Medical Superintelligence: Foundations and Aspirations」という題の論文要旨があり、医療の知能を6つの次元で整理し、孤立した課題での超人的な成績だけでは足りず、治療の全体にわたる統合的な推論が必要だと論じている。BMJの論文と同一かどうかは、今回取得したページからは確認できない。

実環境の検証については、次の2点が書かれている。

• Mayo Clinic: 最先端のAI、臨床の専門知識、長期的なマルチモーダルデータを組み合わせたシステムを作ることを目指して協業している
• Beth Israel Deaconess Medical Center（ボストン）: 新たな提携のもと、病院の複数の現場で臨床推論の能力を評価する。前向き研究で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べる。うまくいく点と届かない点、忙しい現場への収まり方を見る、と同社は説明している

あわせて、Microsoft各所のヘルス関連チーム（Microsoft Researchの研究者や、Dragon Copilot・PowerScribeといった製品のチームなど）をMicrosoft AIでの一体の取り組みにまとめる、とも発表している。同社のMAI関連の別発表はMAI-Base-2の事前学習完了の記事にまとめてある。

4ページは読めたが、Scienceの論文は読めなかった

日本時間10月23日3時18分ごろ、ブログ本体とSDBenchのページ、Microsoft Researchのページ、2025年のブログを順に取得した。取得したブログとSDBenchのページは英語で、ページ内に日本語版への案内は見当たらなかった。Science掲載ページは同じ時刻に403が返り、本文を読めなかったため、論文の数値は一切確認していない。この記事の数字は、すべてMicrosoft AIのブログとSDBenchのページに書かれたものだ。筆者はMAI-DxOもSDBenchも動かしていない。

読むときに分けておきたいこと

• ベンチマーク上の成績: 83%や80%は、SDBenchの形式にした症例記録での結果だ。実際の患者を診た結果ではない。患者を対象にした評価は、Beth Israel Deaconessでの前向き研究がこれから行う段階だとブログは述べている
• 比較対象の条件: 医師の22%と36%は、資料の有無で分けた2つの値だ。医師の人数などの条件は今回のブログに書かれていない
• ゲートキーパーの合成結果: 症例に検査結果が無い場合は合成した結果が返る仕組みだ。この設計が成績にどう影響するかは、今回の資料では評価できない
• 提供の有無: 今回確認した公式ページには、MAI-DxOの製品提供や日本での利用の記載は見当たらなかった。2025年のブログは、研究デモであり臨床使用の承認を受けていないと説明していた。今回のブログにはこの承認に関する新しい記載はない
• 日本の読者への影響: 日本の医療機関での扱いについては、確認した範囲では記載がない

出典と確認時刻

確認時刻はいずれも日本時間2026年10月23日の3時台。

• Building Medical Superintelligence — Microsoft AI（10月22日付、取得3:18）
• SDBench — Sequential Diagnosis Benchmark（取得3:18）
• Medical Superintelligence: Foundations and Aspirations — Microsoft Research（取得3:18）
• The Path to Medical Superintelligence — Microsoft AI（2025年6月30日付、取得3:18）
• Science掲載ページ（doi: 10.1126/science.aeh7930）は取得時にHTTP 403で、本文は未確認

本記事は続報があり次第更新します。