公開日: ／最終更新:
OpenAIが2026年4月22日に「ChatGPT for Clinicians」を出しました。
米国の認証済み医療従事者が無料で使えるワークスペースです。
公開されたベンチマークで、この専用版は59.0点。
医師が時間無制限・Web利用可で書いた回答は43.7点でした。
ただ、この15点差をそのまま「AIが医師を超えた」と読むのは誤りです。
24ページの公式資料には、そう読めない設計上の条件が書いてあります。
この記事は汎用のAIを月額課金している他職種のビジネスパーソン向け（AIニュースを追っていれば前提知識なしで読めます）。
この記事は製品発表とベンチマーク資料の解説で、医療上の助言ではありません。
症状や治療の判断は必ず医療機関にご相談ください。
ChatGPT for Cliniciansとは何か
米国の認証済み医療従事者が無料で使えるChatGPTのワークスペースです。
対象は医師（MD/DO）、ナースプラクティショナー、フィジシャンアシスタント、薬剤師の4職種。
登録にはChatGPTアカウントと有効なNPI、そして第三者の認証事業者を通した免許確認が要ります。
用途として公式が挙げているのは4つ。
根拠の確認、診断・治療の検討、書類の下書き、患者向け説明資料の作成です。
使えるモデルも動いています。
公式ヘルプの現在の記述は「GPT-5.6—医療において最も高性能なモデル」。
発表当時に評価されたGPT-5.4から更新されています。
ここは押さえておいてください。
後で出てくるベンチマークの数字は、GPT-5.4時点のものです。
HIPAAの扱いも整理しておきます。
個人利用向けですが、必要ならBAA（守秘契約）を結んで対応できる形。
多くの臨床業務では患者の個人医療情報そのものを扱わない、というのが公式の説明です。
59.0点対43.7点。この数字は何を測ったのか
数字の出どころはHealthBench Professionalという評価資料です。
OpenAIが公開している24ページのPDFに、設計から結果まで書いてあります。
まず総合スコア。
| 評価対象 | 総合スコア |
|---|---|
| ChatGPT for Clinicians（GPT-5.4） | 59.0 |
| GPT-5.4（無印） | 48.1 |
| GPT-5.4＋Web検索 | 45.8 |
| 医師が書いた回答（時間無制限・Web利用可） | 43.7 |
公式資料の記述では、専用版は他の評価対象すべてを上回っています。
測っているのは試験問題ではありません。ここが以前のベンチマークとの違いです。
評価対象は、医師が実際にChatGPTに投げた会話。
それを「診療相談」「書類作成」「医学リサーチ」の3用途に分けています。
採点は選択肢の正解不正解ではなく、ルーブリック方式です。
各問題ごとに医師が「この要素があれば加点、これがあれば減点」という基準を書く。
それを3人以上の医師が3段階の工程で調整しています。
試験の点数ではなく、現場の書き物を採点した。ここは素直に評価できる設計です。
この15点差を鵜呑みにできない3つの理由
ここが記事の本体です。公式資料を読むと、数字の後ろに条件が3つ書いてあります。
理由1: 難問だけを意図的に濃縮している
最終的な525問は、15,079問の候補から選ばれています。
選び方が普通ではありません。
難易度を判定したうえで、難しい問題の比重を約3.5倍に引き上げています。
日常利用に近い「善意の質問」に限れば、難問の濃度は約8倍。
公式資料の言葉では、現行のモデルには「まだ伸びしろがある」状態を意図して作ったテストです。
つまり、これは平均的な臨床業務の分布ではない。難しいところを集めた特別編です。
理由2: 約3分の1が「AIを引っかけにいった」問題
525問のうち約3分の1は、医師が意図的にAIの弱点を突きにいったケースです。
公式資料の表現では敵対的テスト。
医師側は「AIが失敗する問題」を探して作っています。
ここでAIが勝ったなら価値はありますが、日常業務の平均点とは意味が違う。
理由3: 日常寄りの問題だけ抜き出すと、差が消える
これが一番大事な条件です。
公式資料は、問題を難易度で切り分けた分析も載せています。
日常利用に近い易しめのスライスでは、専用版と医師のスコアは統計的に同等でした。
他社モデルとの比較でも同じです。
難易度が中〜高のスライスでは、医師を大きく上回っています。
一方で統計的な補正をかけると、GPT-5系の各バージョンやClaude Opus 4.7とは区別がつかなくなる。
差が出るのは、難しい問題に絞ったときだけ。
もう1つ、採点者の話もあります。
ルーブリックの採点をしているのはGPT-5.4です。
AIの回答をAIが採点している構造。
公式資料も、この点を設計上の選択として明記しています。
効果が大きかったのは、診断より書類作業だった
用途別に見ると、伸びた場所は偏っていました。
| 用途 | ChatGPT for Clinicians | 比較対象 |
|---|---|---|
| 書類作成 | 64.1 | 無印GPT-5.4は34.6／Web検索付きは19.7 |
| 医学リサーチ | 67.0 | 無印GPT-5.4は58.1 |
| 診療相談 | 51.0 | 医師は42.7 |
書類作成での差が突出しています。
64.1対34.6。
同じベースモデルなのに、専用の作業環境を与えるだけで倍近い。
逆に診療相談は51.0対42.7で、差は小さい。
この偏りが、この発表の実像だと私は読んでいます。
診断を置き換える話ではなく、書類仕事を引き取る話です。
発売前の検証結果も公式が出しています。
医師のアドバイザーが日常業務で6,924件の会話をテストし、99.6%を「安全かつ正確」と評価しました。
他職種のビジネスパーソンが持ち帰るべき3点
医療業界の外にいる読者が、この発表から取れるものを整理します。
1. 職業特化版で伸びるのは、判断ではなく書き物のほう。
書類作成の64.1対34.6という差がそれを示しています。
あなたの職業でも、最初に置き換わるのは定型の文書作業です。
2. ベンチマークの数字は、設計条件とセットで読む。
難問を3.5倍に濃縮し、3分の1を引っかけ問題にすれば、差は大きく出ます。
「◯◯を上回った」という見出しを見たら、何をどう測ったのかを確認する。
3. 提供元の免責文は必ず読む。OpenAIはヘルプにこう書いています。
ChatGPTは、あなたの専門的判断を置き換えるものではなく、支援するためのものです。
臨床上の判断の責任はすべて使用者にあり、情報は必要に応じて各自で検証してください（出典: OpenAI Help Center「ChatGPT for Clinicians」）
作った側が「判断の責任はあなたにある」と書いている。
これは医療に限らず、どの職業特化AIでも同じ構図になります。
日本の医療従事者は使えるのか
現時点では使えません。無料対象は米国の認証済み医療従事者です。
認証にNPIという米国の番号を使うため、日本の医師は登録の入口で止まります。
公式資料には、施設が導入する際の注意も書かれています。
統合された作業の流れや施設ごとの制約は、この評価に反映されていない。
だから導入する側が自前で事前評価を行うべき、という趣旨です。
日本で展開する場合は、これに加えて薬剤名・文書様式・電子カルテとの差が乗ります。
数字がそのまま持ち込める話ではありません。
FAQ
ChatGPT for Cliniciansは日本の医師も使えますか？
使えません。
無料対象は米国の認証済み医療従事者（医師・ナースプラクティショナー・フィジシャンアシスタント・薬剤師）で、登録には米国のNPIと第三者事業者による免許確認が必要です。
「AIが医師を上回った」と考えていいのですか？
そのまま読むのは誤りです。
総合スコアは59.0対43.7ですが、このテストは難問の比重を約3.5倍に濃縮し、約3分の1を医師による意図的な引っかけ問題にしています。
日常利用に近い易しめのスライスでは、医師と統計的に同等でした。
他社のAIと比べてどうですか？
公式資料では総合スコアで他の評価対象すべてを上回っています。
ただし難易度で切り分けた分析では、統計的な補正をかけるとGPT-5系の各バージョンやClaude Opus 4.7と区別がつかなくなるスライスもあります。
どの用途で効果が大きかったのですか？
書類作成です。
64.1点で、同じベースモデルの無印GPT-5.4（34.6点）やWeb検索付き（19.7点）を大きく上回りました。
診療相談は51.0点対医師42.7点で、差は小さめです。
HIPAA対応は標準で付いてきますか？
個人利用向けの設計ですが、必要な場合はBAA（守秘契約）を結んで対応できます。
多くの臨床業務では患者の個人医療情報そのものを扱わない、というのが公式の説明です。
ベンチマークのスコアはどのモデルのものですか？
GPT-5.4時点のものです。
公式ヘルプの現在の記述では、ワークスペースで使えるのはGPT-5.6となっており、評価当時からモデルは更新されています。
このページに出てきた言葉
- HealthBench Professional
- OpenAIが公開した医療AIの評価資料。医師が実際に投げた会話525問で採点する
- ルーブリック
- 採点基準を項目ごとに文章で定義した評価表
- 敵対的テスト
- わざと引っかけや危険な指示を投げて安全性を試す手法（red teaming）
- 統計的に同等
- 数字に差があるように見えても、偶然のばらつきの範囲を超えていない状態
- NPI
- 米国の医療従事者識別番号（National Provider Identifier）
- HIPAA
- 米国の医療情報プライバシー保護法
- BAA
- HIPAAの対象になる医療情報をやり取りする相手と結ぶ守秘契約
- ナースプラクティショナー
- 米国の上級看護資格。一定の診断・処方ができる
- フィジシャンアシスタント
- 医師の監督下で診察・処方・手技を担当する米国の医療職
- 電子カルテ
- 患者の診療記録を病院がデジタルで管理するシステム（EHR）
この記事の免責事項
この記事は製品発表と公開ベンチマーク資料の解説です。
医療上の助言、診断、治療の提案ではありません。
私は医師・薬剤師などの医療有資格者ではありません。
記事中のスコアは製品の評価指標であって、個別の症状・検査・治療の判断材料になるものではありません。
症状や治療について不安がある場合は、生成AIの回答ではなく医療機関を受診してください。
ChatGPTを含む生成AIを診断や治療の判断に使わないでください。
OpenAI自身も「専門的判断を置き換えるものではない」と明記しています。
製品の仕様・提供条件・モデルは2026年8月5日時点の公式ページにもとづきます。
変更されることがあるので、利用前に公式で最新の内容を確認してください。
参考リンク
- Making ChatGPT better for clinicians（OpenAI公式）
- HealthBench Professional（OpenAI公開PDF・全24ページ）
- ChatGPT for Clinicians（OpenAI Help Center）
- ChatGPT for Clinicians 申込ページ（公式）
- ChatGPT for Healthcare（OpenAI Help Center・法人向け）
- Introducing OpenAI for Healthcare（OpenAI公式）
- HIPAA Eligible Products and Functionality（OpenAI Help Center）
※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。