「生成AIは便利そうだけど、医療では誤情報が怖い」——そう思っている医師は多いと思います。

私自身、ClaudeやChatGPT等の汎用AIで医療情報を調べた際、根拠がはっきりしない提案をされて困った経験があります。臨床判断に使うには信頼性が不安でした。

しかし、医療用に設計された専門AIなら話は別です。今回は日経メディカル連載「医師のための"安全に攻める"生成AI実践ノウハウ」（岡本賢先生、2026年5月12日）を参考に、OpenEvidenceという臨床AIツールを紹介します。

参考記事：岡本賢「“生成AIアレルギー"の医師こそ、触れるべきツールはこれ！」日経メディカル 2026年5月
https://medical.nikkeibp.co.jp/leaf/mem/pub/series/okamoto/202605/593110.html（※会員限定）

1. OpenEvidenceとは

項目 内容
正式名 OpenEvidence
公式サイト https://www.openevidence.com/
創業 2023年、米国（Mayo Clinicスタートアップ支援プログラム発）
提携 NEJM（New England Journal of Medicine）・JAMAの公式AIパートナー
利用料 医師は完全無料（医師認証必須）
対応言語 日本語対応
利用実績 米国医師の約40%が日常使用、全米1万以上の医療施設で導入

→ 単なる便利ツールではなく、米国臨床現場のスタンダードになりつつあるサービスです。

2. 「生成AIあるある」を回避する4つの仕組み

汎用AIで起きがちな「存在しない論文を提示」「根拠が薄い断定」を、OpenEvidenceは設計レベルで回避しています。

① 学習データは査読済み医学論文のみ

  • 一般ウェブサイトの情報を学習させていない
  • → 怪しい健康情報・自由診療系のブログ等が混入しない

② 領域ごとに専門化された複数モデルで構成

  • 単一の巨大LLMにすべてを任せない
  • 領域横断の知識混入を防ぎ、専門領域特化の回答を導く

③ 根拠が薄い問いには答えない設計

  • 「現時点では確定的な推奨を行うための十分なエビデンスはありません」
  • 「報告された研究は限定的で、明確な結論には至っていません」
  • → 汎用AIによくあるユーザー迎合的な不正確な回答を避ける

④ すべての回答に元論文へのリンク

  • ワンクリックで原文を検証可能
  • 医師として一次資料に直接当たれる

3. 性能データ——汎用AIとの比較

同社（OpenEvidence社）が公表しているデータでは：

  • 米国医師国家試験（USMLE）で初の90%超を達成、その後100%にも到達
  • ChatGPTと比べて誤答が77%少ない
  • GPT-4と比べても誤答が24%少ない

つまり、医療特化型のOpenEvidenceは、汎用AIに対して明確な性能優位を示しています（※すべて同社発表の数値、第三者検証は限定的）。

4. 「成書」から「一次資料リアルタイム」への転換

著者（岡本先生）の指摘で印象的だった一節：

成書もガイドラインも、突き詰めれば論文の束を誰かが編み直したもの。
OpenEvidenceはそうした資料の一次情報に医師を直接つなぐ。

これは医学情報の構造的変化を示しています。

従来 OpenEvidence時代
成書・ガイドライン（二次資料）を待つ 一次論文にリアルタイムアクセス
「ハリソン内科学」「UpToDate」を引く AIに問い、引用元を確かめる
二次資料完成まで時間差 公開された論文を即座に統合

→ 「ハリソン内科学」「UpToDate」と並ぶ位置、あるいは一歩先に位置する臨床資料という評価。

筆者の実感

画像診断・病理診断などの視覚領域でのAI進歩は実臨床に応用されつつあります。
**「調べる時間の劇的短縮」**を私自身も感じており、判断の責任は医師に残るが、その判断に至る情報収集が圧倒的に速く・確かになっています。

5. 知っておくべき5つの限界

ただし、OpenEvidenceは万能ではありません。岡本先生も明確に指摘されている5つの限界を整理します。

限界①：症例数の少ないニッチ領域では汎用LLMに分がある

比較 OpenEvidence ChatGPT-4o
三尖弁手術 臨床質問15問の完全正答率 26.7% 66.7%

Circulation 2025年11月 抄録より（小規模研究なので結論は限定的）

→ 一次医療・疫学情報には強いが、文献蓄積が薄いニッチ領域では汎用LLMとの併用を検討。

限界②：収益モデル（製薬広告）の利益相反

  • 医師は無料利用可、裏で製薬広告が表示される文脈連動型
  • 同社は「広告と回答内容の完全分離」を明言
  • → ただし利益相反の構造自体は残ることを意識して使う

限界③：日本のHIPAA非適用問題

  • 2025年4月にHIPAA準拠達成、SOC 2 Type II取得
  • しかし日本の医療機関は米国法律の直接保護対象外
  • 入力内容が米国サーバーに送信される
  • → 患者個人情報は絶対に入力しない（他の生成AIと同様）

限界④：英語圏中心の学習ソース

  • 学習ソースは英語圏の査読論文が中心
  • 和文誌の論文・日本語ガイドラインはカバーされていない

限界⑤：投与量・保険適用には不向き

  • 上記④の理由で、日本の保険適用や用量基準は信頼できない
  • これらは添付文書・厚労省告示・日本のガイドラインを必ず確認

6. 査読論文を引用するという意味

OpenEvidenceの最大の評価ポイントは**「査読付き論文のみを情報源とする」**という設計思想です。

医師なら誰でも知っていることですが、念のため整理：

情報源 信頼性 留意点
査読付き論文 高 研究デザイン・症例数・利益相反等を必ず確認
学会ガイドライン 高 数年単位で更新。最新版か要確認
成書（教科書） 中〜高 出版から時間が経つと情報が古くなる
一般ウェブサイト 低〜中 個人ブログ・健康情報サイトは要注意

自由診療領域への警鐘

査読論文ベースであることの重要性が特に大きいのが自由診療領域です。「論文がある」と言っても、研究デザインや利益相反が無視され、知識の少ない一般の方が誤った情報に騙されるケースが後を絶ちません。

医師として、患者さんから「ネットでこんな治療を見たのですが」と相談されたら、OpenEvidenceで一次情報を確認しつつ、論文の質を評価する習慣を持ちたいところです。

7. まず試してみる手順

  1. https://www.openevidence.com/ にアクセス
  2. 医師認証（米国NPI番号 or 日本の医師免許情報での認証手続き）
  3. 認証完了後、完全無料で利用開始
  4. 日本語で質問可能（英語論文を日本語で要約してくれる）

最初に試す質問例

  • 自分の専門領域のホットトピック
  • 最近迷った臨床判断のセカンドオピニオン的に
  • ガイドラインに載っていない症例の対応

→ 「自分が回答を評価できる領域」から試すと、AIの精度感が分かります。

まとめ

  • OpenEvidenceは医師向け臨床AIツール。医師は完全無料、日本語対応
  • NEJM・JAMAの公式AIパートナー、米国医師の約40%が日常使用
  • 査読済み医学論文のみを学習し、全回答に一次論文リンク
  • USMLE 100%達成、汎用AIに対する明確な性能優位
  • 「成書を開く」から「一次資料にリアルタイムで手が届く」時代へ
  • 限界：ニッチ領域の弱さ・製薬広告の利益相反・日本のHIPAA非適用・英語圏中心・保険適用や投与量には不向き
  • 患者個人情報は絶対に入力しない
  • 自由診療領域での誤情報から患者さんを守る武器にもなる

医師としての判断責任はあくまで自分にあります。AIに丸投げはできません。
しかし「調べる時間の劇的短縮」と「一次情報へのアクセスの容易化」は、現代の医療に欠かせないリソースになりつつあります。

「生成AIアレルギー」がある方こそ、OpenEvidenceは最初の一本として最適です。

関連記事

このカテゴリは新設のため、まだ関連記事は他にありません。今後、医療AI・テクノロジー関連の記事を追加していく予定です。

参考情報源

筆者：田舎の県庁所在地に住む医師。外科学会専門医・乳癌学会認定医。現在は乳がんの検診・診断と緩和ケアを専門に担当。医師になって20年。