AI問診が医師に勝つ73%｜1.4万人検証

公開日:

SHARE

伊東雄歩
監修者 伊東 雄歩

株式会社ウォーカー CEO。東北大学卒。MENSA会員、JDLA認定講師、健全AI教育協会理事。生成AI×教育・学習科学を専門とし、2億円超のシステム開発プロジェクトを統括。

taolis.net X note Voicy YouTube
  • Googleが症状相談AI「SymptomAI」の大規模検証結果を2026年7月22日に公開しました
  • 参加者は1万3917人。実際の体調不良を自分の言葉で相談した、この分野で最大規模の実地検証です
  • AIが挙げた病名リストの正解率は73%。同じ会話記録を読んだ医師の60%を上回りました
  • 勝敗を分けたのは「AIのほうから質問し返す」設計。ユーザー任せの相談より明確に高精度でした
  • ただしSymptomAIは研究用の試作で、製品ではありません。日本での立ち位置と3つの限界も整理します

体調が悪いとき、病院に行く前にスマホで検索したことはありませんか。出てくるのは断片的な情報ばかりで、かえって不安が増えた経験を持つ人も多いはずです。

そこへGoogleが「1万3917人で試したら、AIの見立てが医師を上回った」という研究を出してきました。何がどこまで証明されたのか、順番にほどいていきます。

SymptomAIとは何か

Fitbitアプリの中で1年近く動いていた

SymptomAIは、Googleの研究部門が作った「症状を聞き取ってくれるAI」です。2026年7月22日に、Google Researchの公式ブログで検証結果が公開されました。

実験の舞台は、健康管理アプリのFitbitでした。2025年6月から2026年4月まで、アプリの中に組み込む形で動いていたのです。

中身はGemini 2.0 Flash。Googleが開発した、応答の速さを重視したLLM（人間のように文章を読み書きできるAI）です。

参加したのは、実際に体調を崩している人たち。研究用に作られた模擬患者ではなく、生活の中で「なんだか喉が痛い」と感じている人が、その場で相談しています。

最大の特徴は「AIのほうから聞き返す」こと

普通のチャットAIに体調を相談すると、こちらが書いた文章だけを材料に答えが返ってきます。書き忘れた症状は、当然ながら考慮されません。

SymptomAIは違いました。AIの側から追加の質問を投げかけ、情報を引き出してから見立てを述べる設計になっています。

「いつから痛みますか」「熱は測りましたか」「同じ症状の人が周りにいますか」。診察室で医師が聞くような順序で、会話が進んでいきます。

最後にAIは、考えられる病名を複数挙げたリスト（鑑別診断リスト）と、次にとるべき行動を提示します。「様子を見る」なのか「早めに受診する」なのかまで含めた提案です。

1万3917人の検証で起きたこと

正解率73%対60%の中身

この研究で最も注目されている数字が、AIの正解率73%に対して、医師が60%という結果です。

ここでいう「正解」の定義は明確です。参加者はAIとの相談から2週間後に、実際に病院で医師から告げられた病名を報告しました。その病名が、リストの5つの候補の中に入っていれば正解とカウントされます。

1万3917人のうち、この「答え合わせ」ができたのは1228人でした。さらにそのうち517人分の会話記録を、3人の専門医が誰の回答かわからない状態で読み込んで採点しています。採点にかけた時間は延べ250時間を超えました。

統計的に見ると、AIが正解を含む確率は医師の2.56倍（p<0.001）。偶然では説明のつかない差だと論文は結論づけています。

質の評価でも似た傾向が出ました。専門医が「最も質の高いリスト」として選んだ割合は、AI側が53.3%。半分を超えています。

ただし医師側は手足を縛られていた

この数字だけを見て「AIが医者を超えた」と受け取るのは早すぎます。比較の条件が、医師にとってかなり不利だったからです。

比較対象になった医師は、AIが作った会話記録を読むことしかできませんでした。患者に自分で追加質問することも、体に触れて診察することも、血液検査を出すことも、過去のカルテを見ることもできません。

つまりこれは「診察した医師」との勝負ではなく、「AIが集めた情報だけを渡された医師」との勝負です。会話の内容を自分で設計したAIのほうが有利な土俵とも言えます。研究チーム自身も、この点を限界として認めています。

勝敗を分けたのは「質問する力」だった

5つの型を同時に走らせて比べた

今回の研究がおもしろいのは、AIを1種類だけ試したわけではない点です。参加者はランダムに5つのグループに振り分けられ、それぞれ異なる性格のAIと会話しました。

大きく分けると、ユーザーが話したいことを話すだけの「おまかせ型」と、AIが決められた項目を必ず聞き出す「面接型」です。

結果は明確でした。症状を掘り下げる面接をきちんと行うタイプが、おまかせ型を大きく上回ったのです（p<0.001）。ある報道では、その差は27%と紹介されています。

ここが実は、この研究のいちばん実用的な発見かもしれません。多くの人が普段ChatGPTなどに健康相談をするとき、使っているのは「おまかせ型」のほうだからです。

症状を3行書いて答えをもらう。その使い方は、AIの能力を半分も引き出せていない可能性があります。

50万日分のウェアラブルデータとの照合

もう一つ、Googleらしい分析がありました。参加者はFitbitユーザーなので、相談する前の最大30日分の心拍数や睡眠のデータが残っています。

研究チームはAIが付けた病名をラベルとして使い、のべ50万日分の生体データを約400の病気と突き合わせました。

すると、急性の感染症で体のデータが明らかに変化していたことがわかります。インフルエンザでは、その関連の強さを示す数値が7倍を超えました。

腕時計が異変に気づき、AIが症状を聞き取り、受診の判断を助ける。そんな流れが技術的には見えてきた、というのが今回の到達点です。

他の症状チェッカーと何が違うのか

「症状を入れると病名が出る」サービス自体は、すでに世の中にたくさんあります。SymptomAIの立ち位置を、代表的なものと並べて整理します。

サービス入力の形特徴日本での利用
SymptomAIAIが聞き返す対話研究用の試作。実地で1.4万人を検証不可（研究のみ）
ユビー選択肢に答える形式月間1300万人規模。近くの医療機関も案内可（無料）
ChatGPT自由な文章週2.3億人が健康相談に利用可
従来型チェッカーチェックボックス決められた分岐をたどるだけ可

日本で最も使われているのは、Ubie社の症状検索エンジン「ユビー」でしょう。2025年時点で月間1300万人が利用しており、いくつかの質問に答えると関連する病名と近隣の医療機関を示してくれます。

ただし質問は用意された選択肢から選ぶ形式が中心です。SymptomAIは、そこを自由な会話に置き換えようとしている点が新しいところです。

一方のChatGPTは、すでに週に2億3000万人が健康や体調について質問していると報告されています。OpenAIは2026年6月18日に医療分野の応答品質を改善し、60カ国260人以上の医師による検証で、事実誤認を含む回答が2カ月で71%減ったと発表しました。

数の面では、生活者のAI健康相談はもう日常になっています。SymptomAIが問いかけているのは「その相談のやり方は最適か」という一段深い論点です。

日本の私たちにどう関係するか

器はもう日本に届いている

SymptomAI自体は研究用で、日本はもちろん米国でも一般提供されていません。ですが、それを載せる土台はすでに日本上陸を済ませています。

Googleは2026年5月19日、FitbitアプリをGoogle Healthアプリへ刷新し、Geminiを使ったAI健康コーチの提供を日本を含む地域で開始しました。

同時に発表されたのが、約5gの小型デバイス「Google Fitbit Air」です。価格は1万6800円で、24時間の心拍や血中酸素、心拍変動を測り続けます。有料プランのGoogle Health Premiumは月1500円、年1万3000円です。

今回の研究で使われたウェアラブルデータと症状相談の組み合わせは、この日本版の延長線上にあります。実装されるかどうかは未定ですが、部品はそろっている状態です。

日本では「診断」は医師のものという壁

ただし日本で同じものをそのまま出すには、法律の壁があります。

厚生労働省とPMDA（医薬品医療機器総合機構）の整理では、AIを使った医療機器プログラムが医師の代わりに診断を下すことは認められていません。診断の責任は医師が持つ、という原則が置かれています。

病気の早期発見や、追加検査をすすめる目的のプログラムは「診断用の医療機器」として扱われます。医師法第17条の観点でも、検査結果をもとに病名の可能性を示す行為は、反復継続すれば医業にあたると整理されてきました。

だから日本のサービスは「診断」ではなく「情報提供」「受診の目安」という言い方を慎重に使っています。SymptomAIのように病名リストを出す機能を日本で商用展開するなら、この線引きを越えない設計が必須になります。

使う前に知っておきたい3つの限界

数字のインパクトが大きい研究ほど、何が確かめられていないかを押さえておく価値があります。

1つめは、正解そのものが自己申告だという点です。参加者が「医師にこう言われた」と報告した病名が基準になっており、検査で確定した診断ではありません。全員が実際に受診したわけでもないと研究チームは認めています。

2つめは、緊急事態への対応が検証されていない点です。今回測ったのは、あとから会話記録を読んで病名リストを採点した結果だけ。命に関わる兆候を見逃さないか、救急受診をきちんとすすめられるかは、この研究の対象外でした。

3つめは、流暢さが正しさに見えてしまう危うさです。会話が自然であるほど、人は相手を信頼します。研究段階のAIに「大丈夫そうです」と言われて受診を先延ばしにする人が出ないか、その影響はまだ測定されていません。

実際、この研究を分析した専門メディアは「Googleは評価の壁を1つ越えたが、臨床導入の壁は越えていない」と評しています。本当の試験は、患者の健康がどうなったかを追跡してからだ、という指摘です。

よくある質問（FAQ）

Q1. SymptomAIは今すぐ使えますか？

使えません。研究のために作られた試作で、製品として提供されていないためです。研究中に出された病名も、すべて分析目的だけに使われたと明記されています。

Q2. 「AIが医師より正確」と考えていいのでしょうか？

そのまま受け取るのは危険です。比較相手の医師は、診察も検査もできず、AIが作った会話記録を読むだけという条件でした。診察室にいる医師と勝負したわけではありません。

Q3. 体調が悪いとき、AIをどう使えば役に立ちますか？

今回の研究が示したのは、AIに質問させたほうが精度が上がるという点です。症状を数行書いて答えをもらうのではなく、「追加で聞きたいことを質問してください」と最初に頼むだけでも情報の抜けが減ります。ただし最終的な判断は必ず医療機関で確認してください。

Q4. Fitbitのような機器がないと意味がありませんか？

症状の聞き取り自体は会話だけで成立します。ウェアラブルのデータは、相談前の体の変化を裏づける補足材料として使われました。あれば精度向上の余地が広がる、という位置づけです。

Q5. 日本で同じサービスが出る可能性はありますか？

Google Healthアプリは2026年5月から日本でも提供されており、土台はあります。ただし病名を示す機能は日本の医療機器規制や医師法の整理に関わるため、そのままの形での提供は簡単ではありません。

まとめ

  • Googleが2026年7月22日、症状相談AI「SymptomAI」の検証結果を公開しました
  • 1万3917人が参加した、この分野で最大規模の実地検証です
  • AIの病名リストの正解率は73%で、同じ記録を読んだ医師の60%を上回りました（オッズ比2.56）
  • ただし医師側は診察も検査もできない条件で、公平な勝負とは言い切れません
  • 最大の学びは「AIに質問させたほうが精度が上がる」こと。おまかせ相談より明確に優れていました
  • 日本ではGoogle Healthアプリが2026年5月から提供済み。ただし診断は医師のものという規制の壁があります

次に体調を崩したときは、AIに症状を並べて終わりにせず、「足りない情報を質問してください」と一言添えてみてください。そのうえで、判断は医療機関に委ねるのが今のところ最も安全な使い方です。

参考文献

前の記事

ChatGPTがEU最強規制へ｜違反で売上6%

次の記事

GPT-5.6が自分を改良｜API最大80%値下げ