医療特化AIツールが3大汎用生成AIモデルに惨敗？〜どう評価しどう使い分けるか〜

　「餅は餅屋」という言葉がある通り，医療のことは医療専用に調整されたAIに任せた方がいいだろうと思われてきた．今や医師から絶大な人気を誇り，米国の医師の40%が使用しているとされるOpenEvidence，そして医師からバイブル的に利用されてきたUpToDateに搭載されたUpToDate Expert AIは医療特化AIツールの代表格である．

　では，この2つの医療特化AIツールは，ビッグテックの3大AIであるGPT，Gemini，Claudeと比べて優秀なのか？医療特化ツールは，しばしば「エビデンスに基づく」「臨床グレード」「安全設計」を掲げるが，その実際の出力品質はあまり検証されていない．この疑問について検討した研究結果がpublishされ，結果は医療特化AIツールが惨敗する結果に終わった．

　もっとも，「じゃあ医療特化AIツールは使わない方がいいのか」という単純な話ではない．「どういう仕組みで動いている医療特化AIツールが」「どのような評価で」「なぜ負けたのか」を理解して医療特化AIツールと汎用生成AIモデルを使い分けるべきだろう．

　また，これは単なるツールの比較の話だけではなく，専門化vsスケールという，AI開発における根本的な問いへの一つの回答であり，我々の臨床現場でのAI活用戦略を再考させる重大な結果でもある．今回はこの論文について解説する．