OpenAIとPenda Health、約4万件の診療でAI助手の有用性を実証

大規模言語モデルの医療応用はベンチマークスコアの競い合いが目立っていましたが、OpenAI とケニアの医療機関が約 4 万人の実患者データを対象にした大規模な対照実験の結果を公表しました。

OpenAI はケニアの首都ナイロビで 16 カ所の診療所を展開する Penda Health との共同研究を発表しました。15 カ所の診療所における 39849 回の診察を検証したところ、AI コパイロットを導入した医師グループは、非導入グループと比べて診断ミスが相対的に 16 パーセント減少し、治療方針の誤りも 13 パーセント減少しました。

特に、AI が深刻な安全上のリスクを検知して警告を出した高リスク症例に限ると、診断エラーは 31 パーセント、治療エラーは 18 パーセントも減少していました。

対話型をやめ、電子カルテの信号機にした

Penda は年間約 50 万人の診察を受け入れる一次医療機関です。全科の初期対応を担う現場では、医師が幅広い疾患を短時間で見極める必要があり、見落としの防止が長年の課題でした。

同機関は当初、ChatGPT のように医師が自発的に相談するツールを導入しました。しかし、患者と対面中にわざわざプロンプトを打ち込む手間が敬遠され、現場にはほとんど定着しませんでした。

そこで設計を一新し、GPT-4o をベースにした AI Consult を電子カルテのバックグラウンドで常時稼働させる方式に改めました。医師が診察記録を入力すると、匿名化されたデータが要所で API に送信され、AI が 3 段階の信号で判定します。

問題がなければ緑のチェック、軽度の懸念があれば任意で確認できる黄色のベル、患者の安全性に関わる重大な懸念がある場合は、確認しないと先へ進めない赤色の強制ポップアップが表示されます。プロンプトにはケニア現地の疫学データや診療ガイドラインも組み込まれました。

導入の成否を分けたのは現場のコーチング

興味深いのは、単にシステムを配備しただけでは医師がほとんど動かなかった点です。

2 月の導入初期には、赤色の重大警告が出ても医師が無視する割合が 35 から 40 パーセントに達し、AI を使っていない対照群と大差ありませんでした。小児の血圧測定など、現地の診療ルールに合わない誤検知に医師が苛立ったことも一因でした。

状況が変わったのは 3 月以降、Penda が組織的な定着支援を始めてからです。現場リーダーによる 1 対 1 の指導や、AI を適切に活用した医師への評価制度を導入した結果、警告の放置率は一気に 20 パーセントまで半減しました。

108 人の独立した医師が抽出された 5666 件の記録を審査した結果、問診の記録漏れが 32 パーセント減り、必要な検査のオーダー漏れも 10 パーセント減少していることが確認されました。

なぜ重要か

この研究が示した最大の教訓は、医療 AI の普及を阻む壁がモデルの性能ではなく、臨床の動線にいかに溶け込ませるかという実装の現場にある点です。

医師に代わって診断を下そうとするのではなく、ミスが起きそうな瞬間だけ静かに警告を出す安全網として設計したアプローチは極めて現実的です。最終決定権を常に医師へ委ねることで、責任の所在や倫理的なハードルを最小限に抑えています。

一方で、どれほど優れたモデルであっても、誤検知の微調整や医師へのオンボーディングを怠れば、現場で即座に形骸化することも浮き彫りになりました。医療向け AI を展開する事業者にとって、ソフトウェアの提供と同じくらい、現地環境に即した運用支援が不可欠であることを示しています。

医療資源が不足する新興国において、こうしたバックグラウンド支援の費用対効果は絶大です。Penda の試算によれば、同組織内だけでも年間 2 万 2000 件の診断ミスと 2 万 9000 件の治療エラーを防ぐ効果があると見込まれています。