ハーバード大の救急診断研究、OpenAI「o1」が人間の医師を上回る正診率

緊迫した救急外来で、AIがベテラン医師の診断精度を上回る検証結果が示されました。

米Science誌に掲載されたハーバード大学医学部とベス・イスラエル・ディーコネス医療センターによる最新の研究で、実際の救急患者76名の症例において、OpenAIの推論モデル「o1」が2名の現役内科指導医よりも高い精度で初期診断を下したことが明らかになりました。

カルテの生データを用いたブラインド検証

研究チームはデータを事前に加工せず、診断時点で電子カルテに記録されていたテキスト情報をそのままAIに入力しました。比較対象となったのはOpenAIのo1とGPT-4o、そして2名の内科指導医です。

公平性を保つため、別の指導医2名がブラインド方式で採点を行いました。評価者はどの診断がAIによるもので、どれが人間によるものかを一切知らされずに判定しています。

患者の情報が最も乏しく迅速な判断が求められる初診トリアージ段階において、o1は67.1%の確率で完全または極めて近い正確な診断を導き出しました。これに対し、人間の指導医2名の正答率はそれぞれ55.3%と50.0%にとどまりました。ある移植患者の症例では、AIが珍しい食肉菌感染症の兆候を、担当医が気づく12〜24時間も前に指摘していたケースもありました。

救急医からは比較手法に対する異論も

一方で、この結果に対して臨床現場からは冷ややかな指摘も上がっています。

救急医のクリステン・パンタガニ氏は、比較対象が「救急専門医」ではなく「内科指導医」だった点を疑問視しています。皮膚科医に脳神経外科の試験を受けさせてAIが勝ったとしても実用的な意味が薄いのと同様に、専門外の医師との比較では公平な臨床能力は測れないという主張です。

さらに同氏は、救急外来の主目的は最終的な確定病名を当てることではなく、目の前の患者が数分で死に至る状態にあるかを見極めて命を繋ぐことにあると強調しています。

また、研究チームの共同筆頭著者であるアダム・ロッドマン医師も、現時点ではAIの誤診に対する法的な責任の枠組みが存在せず、生死に関わる判断を機械に任せることには患者側の心理的ハードルも根強く残っていると警鐘を鳴らしています。

なぜ重要か

今回の成果は、AIが医学論文の暗記テストを卒業し、乱雑な電子カルテのテキストからでも高度な臨床推論を行える段階に入ったことを示しています。

一般の患者にとっては、体調不良時に病院へ行かずChatGPTに頼ってよい理由にはなりません。救急医療の本質は、対面での視診や触診、バイタルサインの急変への対処であり、テキスト情報しか処理できない現状のAIにはその代替が不可能だからです。しかし医療従事者にとっては、見落としがちな希少疾患を指摘してくれる強力なセカンドオピニオンとして機能する価値があります。

この研究の優れている点は、無加工のリアルな電子カルテ情報で検証した点にあります。一方で、最終診断の的中率という単一の指標で救急の総合力を評価しようとした点には構造的な無理があります。

私たちは、AIが直ちに救急医療の主役に立つことはないと考えています。ただし、医療過誤の責任の所在が法的に整理され、画像や生体データとの統合が進めば、当直医の疲労や見落としを補うバックグラウンドの監視役として定着していく可能性は極めて高そうです。