10月22日、Microsoftはその人工知能医療診断システムDiagnostic Orchestratorが複雑な症例のテストにおいて人間の医師を上回る成績を収めたことを発表し、関連する研究成果は国際学術誌『Science』に発表された。Microsoft人工知能のCEOであるムスタファ・スレイマンは、同社が医療におけるスーパーインテリジェンスの目標に向かって進んでおり、今後数年内に人工知能システムが医学分野で人間の専門家と区別がつかないレベルに達することが期待されると述べた。
Microsoftは一連の医療症例と救急科データを用いて、自社開発の人工知能診断システムと人間の医師を比較し、SDBenchという評価基準を確立した。従来のテストが医学の選択問題に答えるだけであるのに対し、この基準は参加者が病状を段階的に分析し、質問を提起し、検査項目を選択し、最終的に診断結果を出すことを要求し、臨床医の診断プロセスをよりリアルにシミュレートする。
システムは患者の症状と病歴に基づいて、次に尋ねるべき質問や検査項目を判断し、新たに得られた情報に基づいて判断を継続的に調整し、最終的な診断を形成する。
Microsoftの人工知能診断システム、テストで優れたパフォーマンスを発揮
『New England Journal of Medicine』に発表された数百件の症例報告を基にしたテストでは、同システムの診断正確率は約83%であった。これに対し、参考資料を参照できる一般医の正確率は約36%、参考資料を参照できない医師は約22%であった。別のグループでは、アメリカ・ボストンのベス・イスラエル・ディーコネス医療センターの救急患者データベースからの症例において、人工知能システムの正確率は80%に達し、比較に参加した人間の医師の平均正確率は約47%であった。
診断正確率が高いだけでなく、Microsoftはこのシステムがテスト中にしばしば低コストで診断結果を出すことができると述べている。その理由の一つは、システムが既存の情報に基づいて検査項目を選択できるためであり、無差別に大量の検査を行うわけではない。ただし、これらのコスト結果は研究における統一的な推定方法に基づいており、システムが実際の医療環境で直接的に病院の運営コストを削減できることを意味するものではない。
Microsoft、人工知能を臨床看護に応用する計画
このシステムは現在、OpenAIのGPT-5によって基盤能力が提供されているが、Microsoftは実際に機能するのは基礎モデルだけでなく、診断プロセスを組織し、複数のエージェントを調整し、推論結果を検証する編成メカニズムであると強調している。研究チームは、基礎モデルが継続的にアップグレードされても、多エージェント協力が追加の利益をもたらす可能性があると述べている。このシステムは当初、GPT-4.1という先進的なモデルの段階で開発され、後のテストではモデル能力の向上が協調診断構造の価値を必ずしも弱めるものではないことが示された。
Microsoftはまた、テストが主に過去の症例と選別された複雑な診断ケースに基づいて行われており、システムが実際の臨床環境でも同様のパフォーマンスを発揮できることを証明するものではないと認めている。研究は、一般的な症状に対する信頼性や、情報が不完全で病状が変化するなどの現実条件下でのパフォーマンスをさらに評価する必要がある。システムが実際の臨床使用に投入されるためには、厳格な臨床検証を経る必要がある。
Microsoftの人工知能医療事業を担当するドミニク・キンは、診断は同社の医療戦略の一部に過ぎないと述べている。Microsoftはまた、人工知能が臨床看護の調整、治療計画の策定、患者とのコミュニケーションや人間関係に関する複雑な問題の処理を支援できることを望んでいる。Microsoftはベス・イスラエル・ディーコネス医療センターと協力し、病院環境でのテストを行う計画であり、関連する作業は今後数ヶ月内に開始される可能性があるが、同社は確定したスケジュールを公表しておらず、商業化に関しても具体的な日付や製品発表計画はない。
スレイマンは、人工知能が医師を医療システムから排除することを意味しないと強調している。医師の仕事は診断だけでなく、あいまいな情報の処理、患者や家族との信頼関係の構築、具体的な状況に基づいた総合的な判断を含む。Microsoftは、人工知能が医師が繰り返し行う煩雑な業務に費やす時間を減らし、より多くのエネルギーを患者のケアに集中できるようにすることを望んでいる。