6月19日、Matthias Bastianが「ChatGPT's new health upgrade beats doctor-written answers, OpenAI says」と題した記事を公開した。The Decoderによるこの記事では、OpenAIが医療向けにアップグレードしたGPT-5.5 Instantについて、OpenAI自身のベンチマーク評価において精度・明瞭さ・完全性などの指標で医師の回答を上回ったという発表内容を詳しく伝えている。
OpenAI自社ベンチマークでGPT-5.5 Instantが医師の回答を超えたと発表
OpenAIは、GPT-5.5 Instantモデルの医療対応能力を強化した。今回の評価では、精度・明瞭さ・完全性・指示への追従性・安全性という5つの評価カテゴリすべてにおいて、GPT-5.5 InstantがGPT-4oおよび医師の記述回答を上回ったとOpenAIは述べている。指示への追従性では最大**89.9%**のスコアを記録している。
OpenAI自身のベンチマークで、GPT-5.5 InstantはGPT-4oと医師の回答の両方を5カテゴリ全てで上回った。指示への追従性は最大89.9%。画像: OpenAI
比較対象として使われたのは、HealthBenchおよびHealthBench Professionalだ。HealthBenchはOpenAIが開発した医療特化型の評価ベンチマークで、5,000件以上の医療質問に対するモデル回答を、精度・明瞭さ・完全性・安全性・指示への追従性といった多軸で評価する設計となっている。HealthBench Professionalは医療従事者向けのより高難度な設問群を含む上位版だ。なお、これらのベンチマークはOpenAI自身が設計・管理しており、第三者機関による独立した評価ではない点は留意が必要である。
GPT-5.5 Instantは、より高コストな「Thinkingモデル」群（応答前に内部で推論ステップを踏む、いわゆる推論強化型モデル。o1やo3シリーズが代表例）と同等のパフォーマンスを、はるかに低いコストで達成しているという。
過去2ヶ月で誤情報率が71%減
OpenAIによれば、過去2ヶ月間で誤った健康情報を含む回答の割合が71%減少した。この改善の背景には、60カ国・260名以上の医師によるレビューネットワークがある。医師たちは70万件以上のモデル回答を審査しており、その知見がトレーニングや評価に活用されている。
週2億3000万人が医療用途で利用
OpenAIによると、週あたり2億3000万人がChatGPTを医療関連の目的で利用している。主な用途として挙げられているのは、検査結果の理解、医師との診察前の準備、保険に関する疑問の解消などだ。
GPT-5.5 Instantは無料ユーザーにも提供されている（利用回数に上限あり）。また、医療従事者向けには「ChatGPT for Clinicians」および「OpenAI for Healthcare」という専用ツールも用意されている。
「自社ベンチマーク」という留保と医療AI規制の背景
今回の評価はOpenAI自身が実施したものであり、第三者による独立した検証ではない点には注意が必要だ。医師との比較評価においても、どのような医師が、どのような条件で回答を作成したかの詳細は記事内では明かされていない。
医療AIの精度評価は、臨床現場での実運用とは乖離が生じやすい領域でもある。HealthBenchのような標準化されたベンチマークが存在することは前進だが、実際の患者ケアへの応用においては慎重な検証が求められる。
規制面でも、医療AIをめぐる議論は世界的に活発化している。米国ではFDA（食品医薬品局）がAIを活用した医療機器の監督指針を継続的に更新しており、EUでもAI法（EU AI Act）において医療用途のAIは高リスクカテゴリに分類されている。OpenAIのような企業が自社ベンチマークで性能をアピールする一方で、規制当局が求める独立評価・臨床試験との整合性をどう担保するかは、業界全体の課題として残っている。
競合他社の動向としては、GoogleがMedPaLM 2などの医療特化モデルを開発してきた経緯があり、医療AI領域はLLMプロバイダー間の競争が激化している分野でもある。こうした文脈においても、今回のOpenAIの発表は業界内の主導権争いという側面を持っている点は押さえておきたい。
※編集部の考察：自社ベンチマークによる「医師超え」の主張は、マーケティング的な意図も含む可能性がある。独立機関による再現性確認や、臨床環境での実証研究が公開されるかどうかが、今後の信頼性評価の鍵となるだろう。
詳細はChatGPT's new health upgrade beats doctor-written answers, OpenAI saysを参照していただきたい。
