MicrosoftのメディカルAIシステムMAI-DxOが、難しい医学の事例304件で診断精度83.2%を記録した。参考資料を使えた一般診療の医師の平均は36.1%だった。
救急室の入院記録から取り出した別の事例でも、MAI-DxOが80.3%、医師が46.8%を記録したという。AIが医師よりずっと正確だという言葉が、十分に出てきそうな数字だ。
けれど、この研究の核心は「AIが医師に勝った」という一行の勝負じゃない。MAI-DxOが、単に病名を診断しただけではなく、患者にどんな質問をして、どんな検査を選ぶのが適切かまで評価された点が重要だ。
そして「これほど立派な医療AIは、はたして人間の専門家より安いのか？」についても、考えてみるべき部分がある。
チャットボット一つではなく、仮想の診断チーム
MAI-DxOは、独立した医療知識を持つ単一のモデルではない。GPT-5のような言語モデルをもとに、複数の役割のAIが「ありうる診断」を提案して、互いの仮説を検討したあとで、病名と適切な検査などを選ぶよう調整するシステムだ。
少し前にかなり流行した「エージェント協業システム」と見ればいい。DxOという名前自体が、Diagnostic Orchestrator、つまり「診断の過程を調整する装置」という意味だ。
大半の診療は、手がかりが足りない状態から始まる。患者に何をさらに聞くか、どの検査を先にやるか、結果が出たら最初に考えた病気を疑い続けるか変えるかを、順番に決めなければならない。MAI-DxOは、この過程を自然にたどるよう設計されている。
✦ SDBenchの順次診断の過程
質問と検査を重ねて診断を絞り込む
評価システムSDBenchは、事例の要約を短く見せたあと、質問や検査を要求するたびに、それに合った情報を出す「門番」の役割を置く。
この情報を参考に最終診断を出すと、別の評価AIが「医師が作った基準表」に従って1〜5点で採点して、4点以上を正解として扱う。
もちろん、この実験は実際の患者をそのまま再現した臨床現場というより、診断の過程を段階的に測定するためのシミュレーション（模擬実験）だ。
✦ 最初の検査の前の質問数
最初の検査を要求する前に投げた平均質問数
ここで面白い違いが出てくる。人間の医師は最初の検査を要求する前に平均5.6個の質問をしたけれど、MAI-DxOは平均25.5個を聞いたあとで最初の検査を要求した。AIのほうがずっと丁寧に情報を集めるわけだ。
もちろんこれだけでMAI-DxOのほうが優れているとは言えない。これが現実世界に反映されるなら、それだけ診療時間は長くなり、患者の負担も大きくなるからだ。
83.2%という数字についた条件
✦ 二つのデータセットの比較
NEJMの医師との比較は、別の56件の評価セット基準
最初のデータセットは、医学学術誌NEJMをもとに作った高難度の臨床事例304件だ。MAI-DxOが83.2%を記録して、参考資料なしで診断した医師の平均は22.3%、教科書とインターネット検索を使った医師は36.1%だった。
差がかなり大きいでしょ？もちろん、医師との直接比較には別の56件の評価セットが使われたけれど、とにかく差は歴然としていた。
二つ目のデータセットは、MIMIC-IV-EDという病院記録から取り出した救急室の入院事例325件だ。MAI-DxOの精度は80.3%、医師は46.8%だった。やっぱり差は歴然としている。
もちろん、その標本が救急室の門を通ったすべての人を代表する完璧な標本ではない。診断が確認された入院事例が中心で、風邪のように自然に治る軽い症状から、原因が見つからなかった患者まで混ざった実際の救急室全体とは、少し違う。
それでも点数の差は確かだ。
この評価には限界がある。試験で扱う情報がテキスト中心だということだ。実際の病院で医師が見る画像、心電図の波形、病理スライドを直接解釈する能力は、この点数に含まれなかった。
また、すべての事例が特定の疾患を持つ事例だから、健康な人や特別な疾患のない来院者に病気があると誤って判断する割合も、測れなかった。
「病名を見つけ出す能力」は確認したけれど、「不必要な診断をどれだけうまく避けるか」は評価されなかったということだ。
AIの成果はどこから出たのか
✦ GPT-5単独とMAI-DxOの差
基礎モデルとの比較
もう一つ見るべき数字は、MAI-DxOの基礎モデルであるGPT-5が単独で評価に参加したときの点数の78.9%だ。MAI-DxOがついた構成は83.2%だったから、差は4.3ポイントだ。
医療分野は小さな判断ミスが患者の命を危うくしかねないから、4.3ポイントが大きいなら大きな点数差とも言える。
ただ、その高い点数の土台には、すでに強力な基本モデルの力があるという話で、「AI医師が何人も議論したら診断能力がものすごく向上した」と言うのは難しい。
✦ 精度と推定検査コスト
NEJM事例、アメリカの価格表を当てはめた推定値
コストも、無条件でAIが安いわけじゃない。支出予算を制限しなかった場合、MAI-DxOの複雑な事例1件あたりの平均推定コストは5431ドルだった。
比較対象の医師の4725ドルより高かった。（驚いた？人間の医師よりAIのほうが高いなんて……）代わりに、支出を制限した設定では、精度80.9%で2241ドル、精度79.6%で1303ドルを記録した。
精度をある程度あきらめれば、人間の医師より安いコストで、より優れた診断をすることも可能だということだ。
ここでのコストは、病院で実際に決済された請求書を合算した値じゃない。アメリカの診療・検査の価格表を当てはめて診断経路のコストを計算した推定値だ。それでも大事な示唆はある。
コストを最大限高くしても診断精度を上げるか、コストを減らしながらも適切に高い精度を保つか、選べるということだ。医療現場に実際に医療AIが投入されるなら、ただ精度だけ高めるより、バランスをうまくとることが大事だ。
病院に来るすべての人が、正確な診断のために無制限のコストを払う準備ができているわけじゃないからだ。
そして研究者が誰なのかも考える必要がある。論文はScienceに掲載されたけれど、著者15人はすべてMicrosoftに所属していて、会社の株式を保有していると公開された。
研究を製品開発会社が設計して評価した以上、ほかの研究チームが同じ条件で再現しても本当に同じ結果が出るのか、そして実際の診療でそれだけの成果につながるのかは、追加の確認が必要だろう。
では、医師という職業はなくなるのか
こうした医療AIの登場で、いちばん地位が早く揺らぐ部分は？患者の記録を整理して、ありうる診断の候補を絞り込んで、次の質問や検査を選ぶ作業だ。
AIが多くのデータを集めて素早く提案を出せば、医師はそれを検討して、患者に合った判断を下すことに時間をもっと使えるだろう。大病院に勤めて、医師の問診票の作成と管理を助ける職員が、まさにターゲットになりそうだ。
基礎診断と簡単な診療、処方だけで生計を立てている小規模な病院も、こうした医療AIと競合関係になりうる。
私たちが大病院の代わりに小規模な病院を探す理由は、小規模な病院のアクセスの良さもあるけれど、大病院は待ち行列が長くて忙しすぎて、ちゃんと診断してくれないのではという心配も原因でしょ？
ところが、大病院がこうした医療AIを導入すれば、ずっと早く正確に診療、処方のサービスを提供できるだろう。
小規模な病院に行っても高度な検査装置がないから、どうせ大きな病気を診断されたら大病院に行かなきゃいけない。だから、最初から大病院に行こうとする人が増えるかもしれない。
患者の診断と処方を少数の医師と医療AIが処理するようになれば、大病院を埋め尽くしていた医師の数が、少しずつ減ることもありうる。
すべての医師が今すぐ要らなくなるわけではないけれど、AIに押されて居場所を失っていく弁護士のように、医師もAIが処理できない部分に専門性と経験を備えた熟練医でなければ、就職できずに苦労することが起こりうるということだ。
最近、弁護士業界も「経験者の弁護士」だけを探す傾向が出ているように、医師業界も「経験者の医師」「熟練医」だけを探す傾向が出てくるかもしれないということだ。
✦ AIが担える仕事と医師の仕事
診断過程の一部と医師の判断
もちろん、医師の仕事は病名一つを当てるところで終わらない。患者の表情と動きを見て身体検査をして、うまく説明できない症状を突き止めて、治療の利益と副作用を説明して、患者が実際に引き受けられる決定を一緒に下さなければならない。
検査結果が曖昧なとき、どこまで確認して、いつ止めるかも、責任がともなう判断だ。MAI-DxOのベンチマークは、患者の安全、治療後の結果を評価しなかったものだから、今回の実験結果だけでMAI-DxOを実務に投入するには無理がある。
次の段階は、実際の病院環境での試験だ。Microsoftは、ボストンのBeth Israel Deaconess Medical Centerと協力して、救急室の患者の分類など、実際の医療の流れでシステムを評価する計画を明らかにした。
その過程で、AIが診断をどれだけうまく当てるかだけでなく、医療スタッフの決定をどれだけ改善するか、間違った提案を誰が見つけるか、患者の役に立つかを確認するという。
医師という職業が、一気になくなることはないだろう。その代わり、医師が自分で処理していた情報収集と診断候補の整理の一部はAIが担い、医療スタッフの役割は、AIの推論を検討して患者に適した行動を決める方向に移る可能性が高い。
今回の研究が示したのは「AIが医師を代替する」という結論じゃない。医師の業務のうち何を自動化できるのかが、本格的に試される段階に入り始めたということだ。
今回はここまでにするよ。また会おう。
関連記事
- 監視装置を切って嘘をついたAI、自分のエージェントは大丈夫？
- DeepSeekに続きMiniMax M3.1 Flashも、中国産の格安AIが続々
- 毎秒1,000トークンのAI、Mercury 3が登場！どれくらい速い？
🌐 韓国語版: 의사보다 높은 점수를 기록한 의료AI "MS MAI-DxO"... 의사라는 직업은 없어지게 될까?
🌐 英語版: Medical AI MAI-DxO Beat Doctors. Will Doctors Disappear?
💬 コメント
まだコメントがないよ。最初のコメントを書いてみてね。
コメントを投稿