健康診断や血液検査の結果、AIに読み解いてもらっても大丈夫？研究では、AIが示す基準値は聞くたびにぶれ、結果用紙の基準範囲を渡して用語の説明役にとどめるのが確かだった

Meyerら（2025）[1]

対話AIに、47の検査項目の基準値（正常とされる範囲の下限と上限）を同じ条件で何度も聞くと、答えは聞くたびにぶれていました。ぶれの大きさを表す変動係数（平均に対するばらつきの割合）は、中央値で下限26.5%、上限15.8%でした。

新しいモデルほどぶれは小さくなりましたが、著者らは、施設ごとの差が大きい検査項目を中心に、診断に使えないぶれが残ると結論づけています。そして、患者が自分の検査結果の解釈に対話AIを使うのは控えるよう勧め、基準範囲が示されていない質問ではAIが基準範囲を尋ねる仕組みが必要だと述べています。

対象: 1社の3つのモデルに、30歳・身長170cm・体重70kgの架空の男女の条件で計72万6,000回質問（ドイツの研究チーム） ／ 限界: 答えが正しいかではなく、答えのぶれを調べた研究です。

Heら（2024）[2]

ネットの質問サイトに寄せられた検査結果の質問53件にAIが答え、医師ら5人が7問分を採点しました。最も評価の高かったAIでは、正確さの評価35件のうち91%が「とても高い」「高い」でした。

一方で、その人の病歴に照らした解釈がない、誤った記述がある、根拠が示されないといった問題も見つかりました。HbA1c（過去1〜2か月の血糖の平均を表す値）が正常で血糖値だけが高い例を「糖尿病」と判断したり、ひどく低い鉄の値を単に「異常」と扱ったりした例が報告されています。著者らは、AIは用語や検査の目的の説明、医療者に聞く質問づくりに使えるが、診断や治療の助言に使うべきではないとしています。

対象: 米国の質問サイトの53問。医師らの採点は7問だけ ／ 限界: 主な比較はAI自身に採点させた方法で、AIに有利になりうると考えられます。

Cadamuroら（2023）[3]

欧州の臨床検査の学会の作業部会が、基準範囲と単位つきの架空の検査報告10件を対話AIに読ませました。AIはすべての項目を認識し、基準範囲から外れた値も指摘しましたが、解釈は表面的で誤りが多く、全体としてまとまった判断になっていませんでした。

基準からどのくらい外れているかを考えることはまれで、意味のある次の検査も提案できていませんでした。著者らは、個別の項目の説明はできても、全体像の判断はできないとまとめています。

対象: 架空の検査報告10件 ／ 限界: 2023年当時のAIで調べた研究で、今のAIでは結果が違う可能性があります。

Steitzら（2023）[4]

ネットの患者向けページで検査結果を見た患者と家族への調査では、95.7%が「すぐに見られるほうがよい」と答えました。ただし「心配が増えた」と答えた人は、異常のある結果では16.5%、正常な結果では5.0%でした。

対象: 米国の4つの大学病院の患者と家族8,139人（2022年5月の調査、回答者の年齢の中央値64歳） ／ 限界: AIの説明を読んだ人の調査ではありません。結果を一人で読むときの心配の目安として紹介しています。