一言で言うと
「AIが医師と同等」という研究成果には、暗黙の賞味期限があります。その高い性能は「その時点の弱いモデルを補うための医療用の工夫」から来ており、土台のモデルが新しくなると工夫の出番がなくなり、特化型システムの強みは素の汎用モデルに追いつかれていくからです。
何が起きているのか
今週、医療AIに関する2本の論文がNatureに掲載されました。
一つはドイツのTU Dresden（ドレスデン工科大学）とHeidelberg大学が開発した診断AI「MIRA（Medical Intelligence for Reasoning and Action）」の研究です。500件超のシミュレーション症例で正診率88.9%を記録しました。医師と同一条件で比べた311件では、MIRAが87.8%、専門医が78.1%、研修医を含む混成チームが71.1%で、AIが医師を上回りました。虫垂炎（98.6%）や膵炎（92.3%）では特に高く、肺炎（72.4%）や尿路感染症（77.6%）では相対的に低い結果でした。
もう一つはGoogleが開発した対話型医療AI「AMIE（Articulate Medical Intelligence Explorer）」の研究です。AMIEは前回(6/18朝版)でも慢性疾患の長期管理を扱った研究を紹介しましたが、今回は初回受診時の治療計画を評価した別の研究で、後述する追加実験に重要な論点があります。初回受診時の治療計画の適切さを評価したところ、AMIEは95%、比較対象の医師グループは72%でした。ガイドラインへの遵守度や計画精度でも医師を上回りました。
ただし両研究とも、実際の診察室ではなくシミュレーション環境での評価です。研究者たちは論文内で「実世界への応用にはまだ準備が整っていない」と明示しています。
AI業界の文脈では
「AIがついに医師と同等の水準に達した」という見方が広がりがちです。ただしその見方は、暗黙のうちに「その高い性能は"医療に特化した作り込み"の成果であり、その作り込みの価値はこの先も続く」という前提に立っています。
AMIEの研究チームは補足実験として、性能を生んでいるのが「医療用の工夫（複数の処理を組み合わせた設計や、ガイドライン参照の仕組み）」なのか「土台のモデルそのもの」なのかを切り分けました。古い「Gemini 1.5 Flash（ジェミニ 1.5 フラッシュ）」では、工夫を加えることで性能が大きく上がりました。ところが同じ工夫を新しい「Gemini 2.5 Flash（ジェミニ 2.5 フラッシュ）」に載せると、工夫による上乗せがほぼ消えました。ここで消えたのは「医師に対する優位」ではなく、「工夫が素の土台モデルに対して持っていた上乗せ効果」です。強い土台モデルは、工夫がやっていたこと——筋道立てて考える、ガイドラインを参照する、誤りを抑える——を単体でこなせたからです。
これが意味するのは、AMIEの性能向上は「当時のベースモデルの弱い部分を補うための工夫」から生まれており、ベースモデル自体が強くなれば、その工夫は不要になるということです。実際、Gemini 2.5 Proやo3、GPT-5といった新しい汎用モデルは、特別な医療用の工夫なしでも、薬剤の知識テスト（RxQA）でフルのAMIEとほぼ同等のスコアを出しています。つまり、特化型システムの強みは、汎用モデルの進歩に追いつかれていきます。
私の見立て
情報の流れという面から見ると、「AIが医師を上回った」というヘッドラインは広く伝わります。一方、「その高性能は古いモデルの弱点を補う工夫から来ており、新しいモデルでは工夫がほぼ効かなくなる」という発見は補足実験として小さく書かれており、多くの報道では触れられません。この情報の偏りが、医療AIへの過大評価と過小評価が同時に起きる原因になっています。
経済・導入という面でも影響があります。医療AIシステムを評価・導入するには、研究結果の確認→独自検証→規制審査→現場実装という流れが必要で、早くても数年かかります。その間にベースモデルは何世代も更新されます。「Nature論文で実証された」という評価が、展開が完了した時点では別のモデルの話になっているという状況は、研究の価値と実用化の速度がかみ合っていないことを示しています。
ただし、MIRAの診断精度の優位がベースモデル依存かどうかは今回の情報からは確認できません。MIRAの設計には、モデルの弱点を補う部分だけでなく、病院の臨床システムとAIをつなぐ部分も含まれており、後者は土台モデルが強くなっても古びにくいと考えられます。また、AMIEの補足実験は「最新モデルに同じ工夫を移した場合」の結果であり、最新モデルに合わせて工夫を作り直せば、再び上乗せを得られる可能性もあります。
結局のところ、今回の2本が突きつけているのは「医師とAIのどちらが上か」ではありません。「医療に特化して作り込む努力が、日進月歩の汎用モデルにどこまで持ちこたえられるか」という問いです。医療AIの本当の論点は、勝ち負けより"作り込みの賞味期限"のほうに移りつつあります。
→ 何が変わるか: 医療AIの競争の焦点が、「医師に勝てるか」から「汎用モデルの進歩に乗り続けられるか」へ移ります。今回のAMIEのように、古いモデルの弱点を工夫で補って医師を上回っても、その差は土台モデルが新しくなれば消えます。長く価値が残るのは工夫そのものではなく、MIRAのように病院の臨床システムとAIをつなぐ部分や、土台モデルを差し替えやすい設計のほうです。
→ 何をすべきか: 医療AIツールを導入する医療機関・企業は、「医師を上回った」という数字に飛びつく前に、その性能が古いモデル向けの作り込みに頼っていないかを見てください。確認すべきは、どのベースモデルで動くか、最新モデルへ乗り換えられるか、そして臨床システムとの連携のように"モデルが新しくなっても古びない価値"があるかです。