MAI-DxOとは？MicrosoftのAI診断がScience誌で正答率83%｜仕組み・医師との比較・限界を解説【2026年10月】

MAI-DxO（Microsoft AI Diagnostic Orchestrator）は、Microsoft AI が開発した研究段階のAI診断支援システムです。 2026年10月22日に査読付きの論文が科学誌Scienceに掲載され、難しい症例304件で正答率83%（単独の総合診療医は22〜36%）、救急外来の症例325件で80%（同47%）という結果が示されました。

ただし、病院や企業が使える製品ではなく、料金もありません。実際の患者での検証もまだこれからです。

この記事でわかることは次のとおりです。

• MAI-DxOの仕組み（5人の「仮想医師」が話し合う方式）
• Science論文の主な数値と、その数値をどう読めばよいか
• 2025年6月の初回発表（正答率85.5%・「医師の4倍」）との違い
• 今使えるのか、何が公開されたのか（評価用のSDBenchだけ）
• 誤警報を測れていない、画像を扱っていないなどの限界
• Google AMIE・ChatGPT for Clinicians との違い、日本の医療現場に当てはめたときの注意点

医療AIの動向を追う医療従事者・医療IT担当者、ヘルスケアAIを開発・評価するエンジニア、「AIが医師を超えた」というニュースの中身を確かめたい方に向けた記事です。

この記事は研究結果を紹介するもので、医師の診断に代わるものではありません。体調に不安があるときは医療機関を受診してください。

MAI-DxOの要点と基本情報

出典: Microsoft AI 公式サイト

1. 「診断の進め方」を管理する仕組みで、AIモデルそのものではない。 GPT-5などの既存の言語モデルの上で動き、問診・検査・診断を一歩ずつ進めます。土台のモデルは差し替えられます。
2. Science論文では、単独の総合診療医より正答率が高く、検査費用の推計も低かった。 ただし、正答率の大部分は土台のGPT-5の力です。報道によると、GPT-5単体でも78.9%に達しており、MAI-DxOの上積みは約4ポイントと検査費用の削減が中心です。
3. 現時点では使えない。 公開されたのは評価用のベンチマーク「SDBench」だけです。次の段階として、米ボストンの病院（BIDMC）で実際の患者を対象にした研究が予定されています。

Microsoftの自社AIモデル全体の流れはMicrosoft MAI-Thinking-1とは、医療分野のAI活用全般は医療AIの活用法で整理しています。

MAI-DxOとは何か：5人の「仮想医師」が話し合う診断の仕組み

MAI-DxOは、1つのAIに一度で答えを出させるのではなく、役割の違う複数のAI（仮想医師）に話し合わせながら診断を進める仕組みです。Microsoftはこれを「オーケストレーション（統括）」と呼んでいます。

実際の診察では、医師は最初から全部の情報を持っているわけではありません。問診で症状を聞き、必要な検査を選び、結果を見て考えを改めながら病名を絞っていきます。MAI-DxOはこの流れを、文章で与えられた症例の上で再現します。

仮想医師の役割

2025年に公開されたプレプリント（査読前の論文、arXiv 2506.22405）では、次の5つの役割が説明されています。Science版でも同じ名称かどうかは、公開情報からは確認できていません。

医療の言葉で言えば、候補の病名を並べて絞り込む「鑑別診断」を、反対役と費用管理役を交えたチームで行う形です。

土台のモデルは差し替えられる

MAI-DxOは特定の言語モデルに縛られていません。論文では OpenAI・Google・Anthropic・Meta・DeepSeek のモデルで試され、最も成績が良かったのは GPT-5 と GPT-5.5 でした。公式ブログは、仕組みやプロンプトを変えずに新しいGPT-5.5で再実行しても医師に対する差は保たれ、むしろ広がったとしています。

評価方法：SDBench（逐次診断ベンチマーク）とは

出典: Microsoft SDBench GitHub 公式

MAI-DxOの成績は、Microsoftが作った評価方法「SDBench（Sequential Diagnosis Benchmark）」で測られています。答えを選ぶ形式の試験ではなく、少ない情報から自分で質問と検査を重ねて病名にたどり着けるかを見る方式です。

進め方は次のとおりです。

1. AIまたは医師は、最初に短い症例の要約だけを受け取る
2. 追加の情報は「Gatekeeper（門番役のAI）」に質問したり、検査を依頼したりして得る。症例記録に無い検査結果は、Gatekeeperが作って返す
3. 最終的な診断を「Judge（採点役のAI）」が5段階で採点し、4以上を正解とする
4. 依頼した検査の費用も推計し、正確さと費用の両方で比べる

症例は2種類です。

• 難症例: 医学誌NEJMの臨床病理カンファレンスで扱われた304件。専門家でも診断が難しい症例
• 救急外来症例: 米国の救急外来の記録をもとにしたデータセット MIMIC-IV-ED の325件。日常的な症例に近い

救急外来の症例が加わったのは2026年のScience版からです。「難しいクイズ問題だけで強い」という2025年版への批判に応える形になっています。

Science論文の結果：正答率と費用の比較

出典: Microsoft AI 公式ブログ

Science論文では、難症例・救急外来症例のどちらでも、MAI-DxOは単独の総合診療医より正答率が高く、検査費用の推計は低いという結果でした。公式ブログは「両方のデータセットで、MAI-DxOより正確で安い方法は、人間にもAIにもなかった」としています。

表の数値は、Microsoft AI の公式ブログと、論文の数値を引用した複数の報道（unite.ai、TNW など）で一致したものです。

難症例（NEJM 304件）

救急外来症例（MIMIC-IV-ED 325件）

公式ブログの表現では、難症例で「参考資料なしの医師の約3.7倍、参考資料ありの医師の約2.3倍」、救急外来症例で「1.7倍超」の正答率です。予算を設定すると、正答率を数ポイント下げる代わりに検査費用を大きく減らせる点も示されました。

問診の量にも差がありました。最初の検査を頼むまでの質問の数は、医師が平均5.6回、MAI-DxO＋GPT-5が平均25.5回です。AIは検査に進む前に、話を聞いて候補を絞ることに多くの手数を使っています。

検査費用は「推計」で、実際の医療費ではない

表の費用は、米国の Kaiser Permanente Washington の病院価格表と、米国の診療行為コード（CPT）を使って計算した推計値です。論文の著者自身も「一次近似」と表現しています。実際に請求された医療費ではなく、日本の診療報酬とも異なります。

数値の読み方：改善の多くはGPT-5の力

「医師の2倍以上」という見出しだけを読むと、MAI-DxOの仕組みが医師を超えたように見えます。しかし報道で指摘されているとおり、差の大部分は土台のGPT-5そのものの力です。

TechCrunchなどの報道によると、次のような結果です。

• 難症例でGPT-5単体は78.9%（推計約8,400ドル）。MAI-DxOを組み合わせると、正答率は約4ポイント上がり、費用は約3,000ドル下がった
• 救急外来症例では、正答率・費用ともに大きな上積みはなかった
• 弱いモデルほど効果が大きい。たとえば Gemini 2.5 Flash は単体の46.4%から、MAI-DxOを使うと約69%まで上がった

unite.ai が引用した論文の数値でも、最小限のプロンプトで答えさせた場合と比べ、全モデル平均の上積みは難症例で7.9ポイント、救急外来症例で4.4ポイントでした。

MAI-DxOの価値を整理すると、次の表のようになります。

つまり「診断の進め方を整えると、AIの答えが少し良くなり、無駄な検査が減る」というのがMAI-DxOの研究の要点です。

2025年版（プレプリント）と2026年版（Science）の違い

2025年6月30日の初回発表と、2026年10月22日のScience掲載では、数値も条件も変わっています。日本語のニュースや解説記事の多くは2025年版の「正答率85.5%」「医師の4倍」を使っているため、どちらの数値かを確かめて読む必要があります。

医師の条件が「参考資料あり」まで広がり、症例も日常的な救急外来のものが加わったため、2026年版の方が比べ方としては公平です。その分、「何倍」の数字は小さくなっています。Science版で参加した医師の人数は、公開情報からは確認できていません（医師の診断数は、評価に使った56症例で参考資料なし764件・あり662件）。

MAI-DxOは使える？料金と公開されたもの

現時点で、MAI-DxOを病院や企業、個人が使う方法はありません。料金やプランもありません。2025年の公式発表では「SD Bench と MAI-DxO は研究デモンストレーションであり、一般には利用できない」「臨床利用は承認されていない」と明記されていました。2026年10月の公式ブログにも、提供開始や料金、Copilotへの組み込みについての記載はありません。

公開されたのは、評価用のSDBenchだけです。

オーケストレーター本体（仮想医師の仕組み）を公開するという記載は見当たりません。SDBenchで試せるのは、「自社や自分のAIモデルが、少ない情報から質問と検査を重ねてどこまで正しく診断できるか」を測ることです。

医療機関や開発会社が今できること

医療ITの担当者や、ヘルスケア向けのAIを作る会社にとっては、MAI-DxOの研究は「すぐ導入するもの」ではなく「自社のAIをどう評価するか」の手本になります。

• 自社で使う、または開発中の言語モデルをSDBenchで測り、診断の進め方による差を見る
• 検査の費用や回数も一緒に記録し、「正確さだけで判断しない」評価の形を取り入れる
• 役割を分けたAIどうしに確認させる設計（反対役・確認役）を、診断以外の業務支援にも応用できるか検討する

新しいモデルや仕組みを自社の業務システムに組み込む場合は、まず小さく試して効果を確かめるPoCから始めるのが一般的で、規模によって費用は大きく変わります。方法ごとの費用の目安はAI開発の費用相場（AI受託開発の改修・PoC・本開発の価格と見積の内訳）で整理しています。

MAI-DxOの強み

Science論文と公式発表からは、主に4つの強みが読み取れます。

• 査読を通った: 2025年版はプレプリントでしたが、2026年版はScience誌の査読を経ています。医療AIの研究として、検証の段階が一つ進みました
• 費用まで見ている: 正答率だけでなく検査費用も同時に評価し、予算を設定して費用を抑えられることを示しました。検査の出しすぎは医療費と患者の負担に直結するため、実務に近い見方です
• 日常的な症例でも差が出た: 難しい症例だけでなく、救急外来の記録をもとにした症例でも、単独の総合診療医より正答率が高い結果でした
• モデルに縛られない: 土台のモデルを差し替えられ、新しいモデルが出ると成績も上がる設計です。弱いモデルの底上げ効果も大きいため、費用の安いモデルと組み合わせる余地があります

MAI-DxOの限界と注意点

結果は有望ですが、論文の著者や報道が認めている限界も多くあります。「AIが医師を超えた」と読む前に、次の点を押さえておく必要があります。

実際の患者ではまだ試していない

評価は、過去の症例記録を文章でAIに与えたシミュレーションです。Microsoft AIのヘルス部門を率いる Dominic King 氏も、Reutersの取材で「要約された症例を持ってくる患者はいない」と話しています。本当の性能は、実際の診療の中で確かめるまでわかりません。

診察・画像・病理を扱っていない

AIも医師も、文章だけで判断しています。身体の診察、レントゲンやCTの画像、病理標本の現物は使っていません。実際の診療では、これらの情報が診断を大きく左右します。

比べた相手は「単独の総合診療医」

比較相手は、1人で診断した総合診療医です。専門医や、複数の医師が協力するチームとは比べていません。著者自身も、専門医チームと比べれば差は縮むだろうとしています。特に難症例は専門家でも難しい症例のため、総合診療医1人の正答率が低いのは不自然ではありません。

誤警報（偽陽性）を測れていない

NEJMの症例には、健康な人や軽い病気の人が含まれていません。そのため、本当は病気でない人を病気と判断してしまう「誤警報」がどれくらい起きるかは測れていません。実際に病院で使うときは、この点が安全性に直結します。

採点するのもAI

正解かどうかを判定するJudgeも言語モデルです。2025年版では医師の判定との一致度が示されていましたが（κ=0.70〜0.87）、完全に一致するわけではありません。また、採点するのは病名が合っているかだけで、治療方針の妥当性や安全性、その後の経過は評価していません。症例に無い検査結果をGatekeeperが作って返す点も、現実とは違います。

利益相反と再現性

著者15人は全員がMicrosoftの社員で、株式を持っています。一部は関連する特許の発明者です。外部からの研究資金はありません。また、第三者が同じ結果を再現した報告はまだありません。2025年版では、NEJMの症例が言語モデルの学習データに含まれていて、モデルが答えを覚えていた可能性にも著者が触れていました。

次の段階：BIDMCでの前向き研究

Microsoft AIは、本当の試験は実際の診療での「前向き研究」だと位置づけています。前向き研究とは、これから起きる診療を対象に、計画を立てて結果を追いかける研究のことです。過去の記録を使う研究より、実際の性能に近い結果が得られます。

公式ブログによると、米ボストンの Beth Israel Deaconess Medical Center（BIDMC）と新たに提携し、患者がシステムと直接やり取りする研究を行います。病院内のさまざまな場面で、医師がそれぞれ独立して出した判断と比べる計画です。報道では、救急外来の待合室で患者の優先順位を決める「トリアージ」に使えるかを試すとされています。

開始時期は、公式には書かれていません。報道では King 氏が「今後数カ月のうちに」と話したと伝えられています。

関連する動きとして、Microsoftは2026年6月に Mayo Clinic と医療向けAIモデルの共同開発も発表しています。こちらは Mayo Clinic が所有し、院内で検証したうえで Azure Foundry のAPIで提供する予定のもので、MAI-DxOとは別の取り組みです。

他の医療AIとの違い：Google AMIE・ChatGPT for Clinicians

MAI-DxOは「研究段階の診断の進め方」で、医療従事者がすぐ使える製品とは位置づけが違います。主な医療AIと比べると次のとおりです。

AMIEの詳細はGoogleの公式情報で確認してください。ChatGPT for Cliniciansの対象者や機能、日本での利用可否はChatGPT for Cliniciansとはで解説しています。

選び分けの目安は次のとおりです。

• 今の業務で使えるAIを探している: MAI-DxOとAMIEは対象外。医療従事者向けに提供されているサービスや、院内の文書作成・要約など診断以外の用途から検討する
• 診断AIの研究・評価をしたい: MAI-DxOのSDBenchを使って、自分のモデルを同じ物差しで測れる
• 医療AIの流れを知りたい: MAI-DxOは「正確さと費用を同時に見る」、AMIEは「患者との対話」に重心がある、と覚えておくと整理しやすい

日本の医療現場から見たMAI-DxO

MAI-DxOは日本で承認・申請された情報がなく、日本の医療現場で使える状況ではありません。仮に将来使えるようになっても、日本の制度では医師が最終判断する形が前提になります。

• 医師法との関係: 厚生労働省の2018年12月の通知（医政医発1219第1号）では、AIは診断の「支援」にとどまり、医師が主体的に判断する限り医師法第17条に反しない、と整理されています。AIが医師に代わって診断する使い方は想定されていません（最新の扱いは厚生労働省の公表資料で確認してください）
• 薬機法との関係: 病気の診断を目的とするソフトウェアは、薬機法上の「プログラム医療機器（SaMD）」にあたる可能性があり、使うには承認などの手続きが必要になります
• 費用の数値: 論文の検査費用は米国の価格表による推計です。日本の診療報酬に置き換えると金額も比率も変わるため、そのまま当てはめられません
• 個人情報: 患者の情報を外部のAIに送る場合は、個人情報保護法や医療情報の安全管理に関するガイドラインへの対応が必要です

国内の医療機関がAIを取り入れるなら、当面は問診票の整理、診療記録の要約、画像診断の支援など、承認済みの製品や診断以外の業務から始める形が現実的です。歯科や動物医療での画像診断支援の例は、歯科のAI活用や動物病院のAI活用で紹介しています。

MAI-DxOの情報が役立つ人・役立たない人

こんな人におすすめ

• 医療AIの動向を追う医療従事者・医療IT担当者: 査読済みの最新の数値と限界を、2025年版との違いも含めて把握できます
• ヘルスケア向けのAIを開発・評価するエンジニア: SDBenchを使えば、自社のモデルを同じ物差しで測れます。役割を分けたAIに確認させる設計も参考になります
• 「AIが医師を超えた」というニュースの真偽を確かめたい人: 何と比べた数字か、何が測れていないかを知ることで、見出しに振り回されずに済みます

おすすめしない人

• 今すぐ使える診断ツールを探している人: MAI-DxOは提供されていません。導入の判断材料にはなりません
• 自分の症状をAIで判断したい人: MAI-DxOは使えず、研究結果も実際の患者での検証前です。体調の不安は医療機関に相談してください

よくある質問

Q. MAI-DxOは日本語に対応していますか？

公式には対応言語の説明はありません。評価に使われた症例は英語の医学誌と米国の救急外来の記録で、日本語の症例での成績は示されていません。日本語の診療記録に当てはめたときの性能は、別に確かめる必要があります。

Q. SDBenchで試すと、どれくらい費用がかかりますか？

SDBench自体は無料（MITライセンス）ですが、動かす言語モデルのAPI利用料がかかります。1症例ごとに質問と検査を何度も繰り返すため、通常のチャットより呼び出し回数が多くなります。本番の症例データ（NEJM・MIMIC）を使うには、それぞれ利用許諾や資格認定も必要です。

Q. CopilotやBingにMAI-DxOが入る予定はありますか？

2026年10月23日時点で、公式の発表はありません。Microsoft AIは消費者向けの健康相談にも力を入れていますが、MAI-DxOの組み込みや時期について確かな情報は出ていません。

Q. 「医療超知能」とは何ですか？

Microsoft AIが掲げる目標で、幅広い医療分野で専門家を超える判断ができるAIを指します。スレイマン氏はScience掲載を「大きな節目」と表現しつつ、臨床での検証が必要だと認めています。今回の結果は、その目標に向けた研究の一段階という位置づけです。

Q. 医師がMAI-DxOと一緒に診断したら、成績はどうなりますか？

今回の論文は、AIと医師を別々に比べたもので、医師がAIの助けを借りた場合の成績は示されていません。BIDMCでの前向き研究も、まずはAIと医師の独立した判断を比べる計画です。

まとめ

MAI-DxOは、Microsoft AIが開発した研究段階の診断支援の仕組みです。2026年10月22日にScience誌へ掲載された論文では、難症例で正答率83%（単独の総合診療医は22〜36%）、救急外来症例で80%（同47%）と、検査費用の推計も抑えながら高い成績を示しました。

一方で、正答率の大部分は土台のGPT-5の力で、MAI-DxOの上積みは数ポイントと費用の削減が中心です。実際の患者での検証はまだで、診察・画像を扱っていない、誤警報を測れていない、著者が全員Microsoft社員といった限界もあります。製品としての提供や料金はなく、公開されたのは評価用のSDBenchだけです。

次の注目点は、BIDMCでの前向き研究の結果です。実際の診療で同じ差が出るかどうかが、医療現場で使えるかを決めることになります。生成AIの基本から整理したい方は生成AIとはもあわせてご覧ください。

参考情報

• Microsoft AI「Building Medical Superintelligence」（2026年10月22日）
• Microsoft AI「The Path to Medical Superintelligence」（2025年6月30日）
• Microsoft Source Asia 日本語版「医療における超知能への道」
• Science誌 掲載論文（DOI: 10.1126/science.aeh7930）
• arXiv プレプリント 2506.22405
• GitHub microsoft/sdbench
• TNW「Microsoft AI diagnosis MAI-DxO Science study」
• unite.ai「Microsoft Diagnostic AI Outperforms Generalist Physicians in Science Study」
• OpenAI「Making ChatGPT better for clinicians」
• Microsoft「Mayo Clinic and Microsoft collaborate to develop a frontier AI model for healthcare」（2026年6月2日）
• 厚生労働省「人工知能（AI）を用いた診断、治療等の支援を行うプログラムの利用と医師法第17条の規定との関係について」