8月9日、Reasonが「AI is already beating human doctors in medical tests」と題した記事を公開した。AIが医師の診断能力を複数のベンチマークで上回りつつあるという研究成果と、それを取り巻く規制の動きについて詳しく紹介されている。
78% vs 30%——診断精度の差が示す現実
**AIの正診率78%に対し、人間の医師は約30%**——この数字だけでも十分に衝撃的だが、同様の差は複数の独立した実験で繰り返し確認されている。医療AIが「将来の可能性」ではなく「現時点の実力」として人間を上回り始めている、というのがこの記事の核心だ。
ベス・イスラエル・ディーコネス医療センターとハーバード大学医学大学院の研究者が主導した実験シリーズが、4月30日付けで学術誌 Science に掲載された。使用されたモデルはOpenAIのo1（推論特化型LLM）だ。
実験では、ケーススタディを用いてo1に鑑別診断のリストを生成させた。正診率は**78%。一方、人間の医師は約30%**にとどまった。
別の試験では、実際の症例から抽出した5つの「臨床シナリオ（clinical vignette：患者の症状・経過を文章化した模擬症例）」をo1に与え、次に取るべき診断・治療ステップを問うた。2名の医師が採点した結果、o1の平均スコアは**89%、人間の医師は34%**だった。
救急外来のケースでは、診断情報が不十分な状況でも評価が行われた。論文によると、トリアージ（緊急度の振り分け）の初期段階でo1が正確または近似した診断を下した割合は**67.1%。2名の人間医師はそれぞれ55.3%と50%**だった。
研究の共著者であるハーバード大学医学大学院のArjun K. Manrai教授はこう述べている。
「ほぼすべてのベンチマークでAIモデルをテストしたが、従来モデルと医師のベースラインの両方を上回った」
膵臓がんを最大3年早期発見
同様の傾向は他の研究にも見られる。
The Lancet に掲載されたスウェーデンの研究では、AIを活用したマンモグラフィが乳がん検出精度を向上させる可能性が示された。
さらに注目されるのがメイヨークリニックの取り組みだ。膵臓がんと後に診断された患者のCTスキャンデータを使い、AIモデルが平均475日（最大3年）早くがんを検出した。膵臓がんは発見時に既に進行していることが多く、早期発見が生存率に直結する疾患である。医学誌 Gut に掲載された論文で、Sovanlal Mukherjee氏らは「このような早期発見が実現すれば、治癒の可能性と生存率を大幅に高めることができる」と指摘している。
規制が壁になりかねない理由
こうした成果の一方で、米国では各州でAI規制の動きが活発化している。各州の立法意図はさまざまだが、結果として診断支援ツールとしてのAI活用余地を狭める可能性が指摘されている。
- ネバダ州：AIが「精神・行動医療（mental and behavioral health care：精神疾患・依存症・発達障害などを対象とした医療領域）を提供できることを暗示する」発言や、それに相当するサービスの提供を禁止
- イリノイ州：AIによるセラピーサービスの提供を禁止。セラピストがAIを使って「独立した治療判断」を下すことも禁止
- 審議中：オハイオ、カリフォルニア、ミネソタ、ケンタッキーも類似の法案を検討中
規制強化の背景には、AIが誤診した場合の責任の所在が不明確であること、患者のプライバシーや同意の問題、そして既存の医療倫理規範との整合性への懸念といった論点がある。診断補助であれ、精神医療であれ、「AIが判断を下す」ことへの社会的な合意形成が追いついていないのが現状だ。
一方で、方向性が逆の動きも存在する。オレゴン、ワシントン、アイオワの一部法案はAIチャットボットに精神的健康の問題を検知・対応する機能を義務付ける方向で動いており、各州の規制方針は足並みが揃っていない。
同研究の共著者Peter Brodeurは「人間が最終的な判断基準であるべきだ」と述べており、AIが医師に取って代わるシナリオを想定しているわけではない。現段階の研究者らのコンセンサスは「AIは医師を補助するツール」という位置づけだが、州レベルの規制が細分化・強化されれば、たとえ補助的な用途であっても導入を阻む障壁になりかねない、というのが元記事の懸念だ。
詳細はAI is already beating human doctors in medical testsを参照していただきたい。
