日常的な患者ケアにおけるAI性能を評価する新たなベンチマーク

米マサチューセッツ総合病院（MGH）とブリガム・アンド・ウィメンズ病院からなる大規模医療システム「マス・ジェネラル・ブリガム」が、診療現場でのAI性能評価を目的とした新たなベンチマークを発表したというニュース。 - 従来のAI医療研究は画像診断や病理スキャンといった特定タスクに偏りがちだったが、本ベンチマークは「日常的な一次診療（プライマリ・ケア）」を対象としている点が特徴。 - 評価項目には、患者の症状から適切な検査を提案できるか、カルテ情報を基に正しい診断名を導けるか、治療計画の立案 — といった汎用的な臨床推論能力が含まれる。 - 背景として、ChatGPTに代表される大規模言語モデル（LLM）の医療応用が急速に進む一方、その性能を実際の診療現場の複雑さに照らして検証する統一基準が不足していたという課題がある。 - このベンチマークは、AIが医師の代替ではなく「臨床判断の補助ツール」としてどこまで信頼できるかを、現場レベルで評価する試みと位置づけられる。