AIが自信満々に誤診｜医療AIの危険な盲点

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
  • 医療AIが「間違った診断」を自信満々に出す危険性が、新しい試験「RadLE 2.0」で判明しました
  • 専門医の正答率83%に対し、トップAIは30%前後。それでもAIは自信を下げませんでした
  • 「自信のある誤診」は「わかりません」より危険。人間のチェックをすり抜けるからです
  • RadLE 2.0は正答率だけでなく「AIが自分の限界を知っているか」まで測る新しい指標です
  • 日本では画像診断AIは「医師の補助」が前提。この考え方が今あらためて重要になっています

もしあなたのレントゲン写真を、自信たっぷりのAIが「異常なし」と診断したら、信じますか？ そのAIが、実は間違っていたとしたら――。2026年7月、そんな不安を裏づける研究結果が公開されました。医療AIの「自信満々な誤診」を測る新しい試験「RadLE 2.0」です。この記事では、何が問題なのか、数字はどれくらいなのか、そして日本の私たちにどう関係するのかを、やさしく解説します。

そもそも何が起きたの？「RadLE 2.0」とは

話題の中心は「RadLE 2.0（ラドル・ツー）」という試験です。

これは、AIが放射線画像（レントゲンやCTなどの体の内部写真）をどれだけ正しく読めるかを測るテストです。

作ったのは、インドのアショカ大学にある研究チーム「CRASH Lab（医療の自律AIを研究するラボ）」です。

この試験の新しさは、「正解したかどうか」だけを見ない点にあります。

AIが「自分の答えにどれくらい自信を持っているか」まで採点します。

そして最大の発見はこうです。AIは画像を読み間違えても、まるで正解のように堂々と答えを言い切ってしまうのです。

迷ったそぶりや「自信がない」というサインを、まったく出しませんでした。

「自信満々の誤診」はなぜ怖いのか

「間違えることより、自信満々なことが問題」と聞くと、不思議に思うかもしれません。

でも、ここに医療AIの一番こわい落とし穴があります。

考えてみてください。AIが「たぶん異常なしですが、自信はありません」と言えば、医師は「念のため、もう一度確認しよう」と思います。

ところがAIが「異常なし」と言い切ってしまうと、二度目のチェックが働きにくくなります。

研究チームは「迷いのある誤答はセカンドオピニオンを呼ぶが、自信のある誤答はそれを呼ばない」と指摘しています。

つまり、自信満々の誤診は、人間の見直しという最後の安全網（セーフティネット）をすり抜けてしまうのです。

これは、ただの正答率の低さよりもずっと危ない、と専門家は警告しています。

AIはどれくらい間違える？数字で見る実力

では、AIは実際どのくらいの実力なのでしょうか。前身の試験「RadLE v1」の結果を見てみます。

この試験は、経験豊富な医師でも悩むような、難しい50症例で作られています。

結果はこうでした。

  • 専門医（ベテラン放射線科医）:正答率 約83%
  • 研修中の若手医師:約45%
  • GPT-5:約30%
  • Gemini 2.5 Pro:約29%
  • OpenAI o3:約23%
  • Claude Opus 4.1:約1%

ベテラン医師の83%に対し、トップAIでも30%前後。差はまだ大きいのが現実です。

ただし、AIの進歩はとても速いです。

2025年11月には「Gemini 3.0 Pro」が正答率51%を記録しました。

これは、汎用AI（いろいろな作業をこなす一般向けAI）が初めて若手医師（45%）を上回った瞬間でした。

それでも専門医の83%にはまだ届いていません。実力は伸びていますが、任せきりにはできない段階です。

AIはどんな間違い方をするのか

RadLEの研究では、AIの間違い方も細かく分類されました。大きく3つのタイプがあります。

1. 見つけ方の間違い（知覚のミス）

異常があるのに見逃したり、逆に何もないのに「異常だ」と思い込んだりします。

異常の場所を取り違えることもあります。

2. 読み取り方の間違い（解釈のミス）

見えているものの意味を取り違えるパターンです。

とくに、早い段階で「これだ」と決めつけて、他の可能性を考えなくなる「早すぎる思い込み」が目立ちました。

3. 伝え方の間違い（説明のミス）

途中の分析と、最後の結論がかみ合わないケースです。

さらにAIは、人間と同じような思考のクセ（バイアス）も見せました。

最初の印象に引きずられたり、質問の言い回しに答えが左右されたりしたのです。

従来のAI評価と何が違う？RadLE 2.0の5つの物差し

これまでのAI試験は、たいてい「正解率」だけを競っていました。

でも、それだけでは「自信満々の誤診」の危険を見抜けません。

そこでRadLE 2.0は、AIを5つの物差しで採点します。

  • 正確性: どれだけ正しく診断できたか
  • 信頼性: 自信の度合いが、実際の正しさと合っているか
  • 安全性: 「自信たっぷりの誤診」ほど重く減点する
  • 引き継ぎ力: 難しい時に「人間に任せます」と判断できるか
  • 総合力（自信で重みづけした点数）: これらをまとめた一番大事な指標

とくに新しいのが「引き継ぎ力」という考え方です。

AIに任せる前に問うべきは、「AIが、いつ手を止めて人間に渡すべきかを知っているか」だと研究チームは言います。

面白いのは、この採点をすると各社のAIがバラバラの成績になる点です。

OpenAI、Google、Anthropic、Meta、xAI、アリババなど、各AIは得意な物差しが違いました。

「正確だけど自信過剰なAI」もあれば、「慎重で引き際が上手なAI」もある、というわけです。

日本の医療現場ではどうなる？

「これは海外の話でしょう？」と思うかもしれません。でも、日本にも深く関わります。

日本では、画像診断AIは「薬機法（医薬品や医療機器のルールを定めた法律）」で厳しく管理されています。

そして大前提として、AIは「医師の補助」という位置づけです。最終判断は、必ず人間の医師が行います。

たとえば、脳のMRIを解析するエルピクセル社の「EIRL（エイル）」は、日本で初めて深層学習で薬事承認を受けた製品です。

富士フイルムも、内視鏡の病変を見つけるAIや、画像の所見を下書きするAIを実用化しています。

これらはあくまで、医師の目を助ける「アシスタント」です。

今回のRadLE 2.0が示した「AIは人間に引き継ぐべき」という結論は、この日本の慎重なやり方が正しかったことを裏づけています。

なお、2026年度の診療報酬改定でも「AIやIoTの活用推進」が方針に盛り込まれました。

AIは今後さらに医療に入ってきます。だからこそ、「AIの自信を信じすぎない」姿勢が大切になります。

よくある質問（FAQ）

Q1. もう病院のAI診断は信用できないのですか？

いいえ、そうではありません。日本の医療AIは「医師の補助」として使われ、最終判断は人間の医師が行います。今回の研究は「AIに全部任せるのはまだ早い」という話であり、補助ツールとしての価値は別です。

Q2. なぜAIは自信満々に間違えるのですか？

今のAIは「もっともらしい答え」を作るのが得意ですが、「自分が間違っているかも」と気づく力はまだ弱いためです。人間のように「自信がない」と正直に言うのが苦手なのです。

Q3. AIが専門医を超える日は来ますか？

可能性はあります。わずか2か月でAIが若手医師を追い抜いた例もあり、進歩は非常に速いです。ただし専門医の83%にはまだ差があり、当面は「人間とAIの協力」が現実的です。

Q4. RadLE 2.0のような試験があると、何が良いのですか？

「正解率」だけでなく「AIが自分の限界を知っているか」まで測れます。これにより、安全に使えるAIかどうかを見分けやすくなり、無責任な導入を防ぐことにつながります。

まとめ

今回のポイントを振り返ります。

  • 新試験「RadLE 2.0」で、医療AIが誤診を「自信満々」に出す危険が判明した
  • 専門医の正答率83%に対し、トップAIは30%前後。差はまだ大きい
  • 「自信のある誤診」は人間のチェックをすり抜けるため、とくに危険
  • RadLE 2.0は「AIが人間に引き継ぐべき時を知っているか」まで測る
  • 日本ではAIは「医師の補助」が前提で、この慎重さが今あらためて重要

AIの診断結果を見たときは、「AIの自信」ではなく「人間の医師の確認」を信じる――この意識を持つことが、これからの安全なAI活用の第一歩になります。

参考文献

前の記事

録画するだけでAIが仕事代行｜Claude新機能

次の記事

AIに社員証を配る新チャット｜ドーシーのBuzz