こんな人・場面向けの記事です：「専門職の判断を、AIに任せられるのか」という話題に関心があり、医療AIの研究結果を、自社のAI導入の判断にどう活かせるかを考えたい、管理職・企画担当の方。
この記事で分かること
- GoogleのAIシステム「AMIE」が、複数回の診察にわたる病気の管理で、経験のあるかかりつけ医（プライマリケア医）21人と比べられた研究が、2026年6月に科学誌Natureに掲載されました。専門医の評価では、全体の管理の考え方は同等で、計画の具体性とガイドラインへの適合は、AMIEが高い結果でした[1]
- ただし、これは患者役の俳優とのテキストでの模擬診察です。著者ら自身が「実際の医療現場への応用には、まだ準備が整っていない」と述べています[2]
- 専門職の判断の支援にAIを使うときは、「シミュレーションでの成績」と「現場での成果」を分けて考えることが重要です（筆者の整理）
研究の概要
Googleは2026年6月17日、Natureに掲載された研究として、AMIE（Articulate Medical Intelligence Explorer）が、1回きりの診断の会話から、長期の病気の管理へと進化したことを紹介しました。薬の一覧表や診療ガイドラインを使って、症状の経過、ガイドラインの更新、薬の調整を管理する研究です[1]。
この仕組みは、患者とリアルタイムで会話する対話担当のAIと、数百ページに及ぶ権威ある臨床の知識を照らし合わせながら深く考える、管理の推論担当のAIの2つで構成されています[1]。
| 項目 | 内容 |
|---|---|
| 比較の相手 | かかりつけ医21人[1] |
| 方法 | 患者役の俳優が、テキストのチャットで参加。専門医が、どちらの回答かを知らされずに評価（ブラインド）[1][2] |
| 症例 | 複数回の診察を含む100の症例。英国のNICEガイダンスとBMJ Best Practiceを基準にした[2] |
結果：何が優れていて、何が同等だったのか
| 評価 | 結果 |
|---|---|
| 管理の推論全体 | AMIEは、医師と同等[1] |
| 計画の具体性、ガイドラインへの適合 | AMIEが有意に高い[1] |
| 初回診察での計画の妥当性 | AMIEは95%、医師は72%で「適切」と評価[2] |
| 好み | 専門医の評価者も、患者役の俳優も、AMIEを選ぶ割合が高かった[2] |
| 薬の知識のテスト（RxQA） | 難しい問題で、AMIEが医師を上回った。ただし、易しい問題でも、最高の得点は75%を下回った[2] |
結果をどう読むか：限界と、専門家の指摘
研究の著者らは、この研究を「節目」と呼びながらも、症例の選び方も、テキストだけの会話も、実際の診療所を反映していないと述べています。有望な能力を示したが、実際の医療現場への応用には準備が整っていないと述べ、AIの隠れた推論の中に潜みうる「潜在的な推論の誤り」への対処が必要だとしています[2]。
研究に関わっていない専門家も、丁寧な方法を評価しつつ、これらはシミュレーションだと指摘しました。エディンバラ大学のジュリー・ジャッコ教授は、報告された優位性の多くは、「計画の正確さと網羅性」によるもので、臨床的な正しさの明確な差ではないと述べています[2]。
土台のモデルは、すでに古い
The Decoderによると、AMIEは、Googleの古いモデル（Gemini 1.5 Flash）の上で動いています。研究者が、同じ仕組みを、新しいGemini 2.5 Flashに載せ替えると、専用の仕組みによる優位性は、ほとんど消えました。新しい汎用モデルは、薬のテストで、AMIE全体と「おおむね同等」の得点を出しているとも報じられています[2]。
つまり、専用の仕組みは、古いモデルの弱さを補っていた面があり、モデルが進化すると、その価値は小さくなるということです[2]。
専門職の判断にAIを使うときに（筆者の整理）
以下は、研究と報道の内容を、業務の視点で整理した筆者の見解です。研究者の提言ではありません。
| 論点 | 整理 |
|---|---|
| 模擬と現場は別 | 成績は、条件を整えた模擬の場での結果。現場の複雑さは、含まれていない |
| 差の中身を確認する | 優位性が、「正しさ」なのか、「計画の詳しさ」なのかを、区別して読む |
| 責任は人に残る | 研究に関わった研究者も、最終的な責任は医師にあると述べている[2] |
| 仕組みは陳腐化する | AIの周りの専用の仕組みは、モデルの進化で不要になる場合がある。導入は、更新を前提にする |
具体例：専門的な判断の支援にAIを試す手順（筆者の整理）
以下は、法務や経理など、専門的な判断のある業務を想定した、筆者の例です。研究が示した手順ではありません。
- 対象の判断を1つに絞り、過去の事例を、専門家が確認した「正解」つきで集める
- AIの提案を、専門家の判断と見比べ、一致の度合いだけでなく、誤りの種類を記録する
- 提案の「詳しさ」と、「正しさ」を分けて評価する
- 模擬の結果が良くても、いきなり本番に使わず、専門家の確認つきの試験運用から始める
- モデルが更新されたときに、再評価する
保存用チェックリスト：専門職の判断にAIを使う前に
- AIの評価が、模擬の場か、実際の業務かを区別しているか
- 「正しさ」と「計画の詳しさ」を、別々に評価しているか
- 最終的な責任者と、確認の手順が決まっているか
- 誤りの種類（見落とし、誤った根拠など）を、記録する仕組みがあるか
- AIのモデルが更新されたとき、再評価する計画があるか
- 個人情報や機密を扱う場合の、社内のルールを確認したか
上司・同僚に説明する3行
- GoogleのAMIEは、模擬の診察で、かかりつけ医21人と同等以上の評価を得た（Nature、2026年6月）[1]
- ただし、患者役とのテキスト会話の模擬で、著者自身が、実際の医療現場への応用には準備が整っていないと述べている[2]
- 専門職へのAI導入は、模擬の成績を根拠にせず、専門家の確認つきの試験運用から始める
よくある質問
Q1. AIが医師を超えたということですか？
いいえ。模擬の症例で、特定の評価項目（計画の具体性、ガイドラインへの適合）が高かったという結果です[1]。現場での成果は、確認されていません[2]。
Q2. 実際の診療で、使われているのですか？
Googleは、臨床現場での使い方を検討中で、実際の遠隔診療でAIを評価する全国規模の研究を始めたと述べています[1]。すでに一般の診療で使われているとは、報じられていません。
Q3. 医療以外の仕事にも、当てはまりますか？
研究は医療の分野の結果です。他の専門職に当てはまるかは、この研究からは分かりません。考え方（模擬と現場を分ける）は、参考になります（筆者の整理）。
限界・未確認事項
- 本記事は、Googleの公式ブログ（6月17日付）と、The Decoderの報道（6月18日付）に基づいています。論文の全文は確認していません。
- 成績は、模擬の症例とテキストの会話での結果です。実際の診療での成果は、確認されていません。
- 研究に使われたモデルは、すでに古くなっており、最新のモデルでの結果とは異なる可能性があります。
- 以前の記事にあった「AIが医師を超える」という趣旨の表現は、根拠が確認できなかったため、本記事では使っていません。
- 医療に関する情報は、専門の医師に相談してください。本記事は、医療の助言ではありません。
コメント