Google、実外来でAMIEを検証 safety stopは0件

ベンチマークから実診療へ

Google ResearchとGoogle DeepMindは2026年3月11日、conversational diagnostic AIである AMIE のprospective real-world feasibility studyを公表した。研究はBeth Israel Deaconess Medical Centerとの協力で行われ、simulationで有望だった診断支援systemが、実際のambulatory primary careでも安全かつ有用に機能するかを確かめることが目的だった。

研究はpre-registered、IRB-approvedのsingle-center設計で進められた。100人の成人患者が受診前にAMIEとの対話を完了し、そのうち98人が実際に予定された診療を受けた。Googleによれば、4つの事前定義されたsafety criteriaに基づいて介入できるhuman AI supervisorを待機させていたが、study期間中にsafety stopは1件も発生しなかった。

結果が示すこと

Googleは、overall management planの質とdifferential diagnosisの質について、AMIEがprimary care physicianと概ね同等だったと報告している。一方でmanagement planのpracticalityとcost-effectivenessではphysicianが優れていた。これは、実診療では純粋な診断reasoningだけでなく、運用判断や資源配分も重要であることを示している。

AMIEのdifferential diagnosisは最終的なphysician diagnosisを90%の症例で含み、top-3 accuracyは75%だった。さらに患者のAI systemへの信頼は対話後に上昇し、follow-up時点でも高いままだったという。これはconversational diagnostic systemが、受診前の情報整理やdecision supportの段階で実用性を持つ可能性を示す。

• 試験規模: 100件の患者対話、98件の後続受診。
• 安全性: human AI supervisorによる介入は不要だった。
• 解釈: 一部の診断指標では同等でも、practicalityとcostでは医師が優位だった。

Google自身も過度な一般化は避けている。これはclinical efficacyを証明するcontrolled trialではなく、feasibility studyにすぎない。textベースでsingle-centerという制約もある。それでも、医療AI評価をsynthetic benchmarkからreal care settingへ移した点は大きい。medical AIにとって本当に難しいのは、現場で機能するかどうかだからだ。