名前を伏せてAIに相談すれば、誰の話かはわからない？研究では、名前を消しても年齢や病名などの組み合わせで絞り込まれ、医療相談を想定した模擬実験では8割が5人未満まで絞られた

Weatherheadら（2026） / Frontiers in Digital Health [1]

医師が、名前や番号を消したうえで、患者のことをAIに何回かに分けて相談する場面を想定した実験です。年齢や性別、病名、薬などを1つずつ足していくと、最後には79.9%の模擬患者が、当てはまる人が5人未満のところまで絞り込まれました。

そこまでに必要だった情報は、中央値で7つでした。めずらしい情報を先に出す場合は、中央値で4つでした。著者は、1回ごとの相談で名前を消すだけでは、会話全体での特定の危険は防げないと述べています。

対象: 米国マサチューセッツ州を模した合成の患者データ13万3,262人分から選んだ5,000人（絞り込みは13万3,262人全体の中で計算） ／ 限界: 実在の人のデータではなく、コンピューターで作った患者データでの計算です。実際の病院のデータで確かめることが今後の課題とされています。

Rocherら（2019） / Nature Communications [2]

名前を消して一部だけ公開されたデータでも、ある人が正しく特定される確率を見積もる方法を作った研究です。米国では、15項目の属性（年齢・性別・住む地域など）がそろえば、99.98%の人が正しく特定されると推計しました。

郵便番号・生年月日・性別の3つだけでも、知られた例で当てはめると、その人がただ1人に絞り込まれる確率は58%でした。属性が少し増えるだけで、特定はすぐにほぼ確実になると著者は書いています。

対象: 米国などの人口・調査・健康のデータ（210の集団） ／ 限界: 統計の模型による推計で、実際にAIへの相談から特定された例を調べたものではありません。

Naら（2018） / JAMA Network Open [3]

名前などを消した、腰につける活動量計のデータを使った研究です。年齢・性別・学歴・収入など6つの属性と、20分ごとの活動量を組み合わせると、機械学習で大人の94.9%、子どもの87.4%を、同じ人の別の日のデータと照合できました。

ただし、属性を年齢と性別だけにすると、大人で照合できたのは32.0%に下がりました。属性だけでも大人の81.2%を照合でき、活動量は手がかりを上乗せする役割でした。

対象: 米国の全国調査の1万4,451人（2003〜2006年のデータ） ／ 限界: 照合する側が、同じ人の別の日のデータをすでに持っている前提の実験です。

de Montjoyeら（2013） / Scientific Reports [4]

欧州の小さな国の約150万人について、15か月分の携帯電話の位置の記録を調べた研究です。1時間単位・基地局単位の大まかな位置でも、ある人がいた時刻と場所を4つ知っていれば、95%の人が1人に絞り込めました。2つでも半数を超えました。

対象: 携帯電話会社の匿名化された記録 ／ 限界: AIへの相談ではなく、位置の記録そのものの研究です。場所や時刻を粗くしても、絞り込める割合はゆっくりとしか下がりませんでした。