健康診断の結果票を、こっそりChatGPTに貼り付けて「これ大丈夫?」と聞いたことがある人は、たぶん少なくないはず。その回答が、目隠しした評価で医師の書いた回答より高く点をつけられた、と聞いたら、さすがに一度手が止まる。OpenAIが出した健康分野の発表は、要するにそういう中身だった。しかも恩恵を受けるのは有料プランの人だけじゃない。無料ユーザーまで含まれる。2026年6月18日の話だ。
- 無料ユーザーにまで、医師レベルの健康回答が降りてきた
- 「医師の回答より高く評価された」の中身を、冷静に見る
- HealthBench は、医師が作った採点表で測っている
- 検査結果の説明や受診準備で、普通に頼れる場面
- ヘルスケアで AI を組み込む事業者が気にすべき線引き
- どこまで信じて、どこで医者に行くか
無料ユーザーにまで、医師レベルの健康回答が降りてきた
今回いちばん大事なところは、ぶっちゃけ「無料で使える」の一点に集約される。
OpenAIによると、毎週2億3,000万人以上が健康やウェルネスの相談にChatGPTを使っている。検査結果の読み解き、受診の準備、保険の手続き、健康習慣づくり、次に何を聞けばいいかの整理。そういう日常の困りごとだ。これだけの人が、すでに健康のことをAIに聞いている。
そこに、GPT-5.5 Instantという新しいモデルが入った。Instantというのは、考え込まずにサッと返す速いほうのモデルのこと。じっくり推論するThinkingモデルとは別系統だ。これまでは「速いモデルは賢いモデルより一段落ちる」のが当たり前だったのに、健康分野のいちばん難しい評価で、GPT-5.5 Instantが最上位のThinkingモデルに肩を並べる水準まで来た、というのが今回の骨子になる。
で、そのInstantモデルは無料ユーザーにも（制限つきで）開放されている。お金を払っていない人のところにも、最先端に近い健康回答が届くようになった、ということだ。機能を1つ足したという話ではなくて、みんなが普段使っている土台そのものが底上げされた、と捉えるのが正しい。
「医師の回答より高く評価された」の中身を、冷静に見る
ここがいちばん刺さる見出しになりがちなので、中身をちゃんと見ておきたい。
OpenAIは、代表的な健康相談の会話に対して、医師にも回答を書いてもらった。時間は無制限、ネット検索もOK、ただしAIは使用禁止という条件で。そのうえで別の医師パネルが、医師の回答と各時代のInstantモデルの回答を、3,500件にわたって見比べた。評価軸は正確性、コミュニケーション、網羅性、指示への準拠、健康判断への有用性など。結果、GPT-5.5 Instantの回答が、以前のモデルよりも、そして医師が書いた回答よりも、各項目で高く評価された。危険な兆候の見落としや、受診を促し損ねるような問題のあるパターンも、医師の回答より少なかったという。
数字も派手だ。本番トラフィック（健康関連で週に数十億件）をプライバシー保護のモニターで追ったところ、事実関係の誤りが少なくとも1つ検出された回答の割合が、直近2か月で71%下がった。
ただ、ここで「AIが医者を超えた」と早合点するのは、たぶん間違い。この比較は文字のやりとりだけで完結している。医師は患者を目の前にしていないし、触診も、表情を読むことも、検査を追加でオーダーすることもできない。医師にとっていちばん不利な土俵で戦わせた結果が「文章としての回答の質」だ、と読むのが正確だと思う。実際の診察室で起きていることの大半は、文章になる前の観察と判断にある。そこはこの評価では測れていない。
ベンチマークの数字は強いけど、数字が言っているのは「文章で答える健康相談」という限られた範囲の話だ。ここを混同しないほうがいい。
HealthBench は、医師が作った採点表で測っている
そもそも、健康分野の「賢さ」をどうやって測っているのか。鍵になるのが、HealthBenchと、その上位版のHealthBench Professionalという評価のしくみだ。
イメージとしては、医師が作った採点表（ルーブリック）に近い。現実的な健康相談の会話を用意して、「この聞かれ方なら、こう答えるのが理想」「ここで受診を促せていないと減点」といった基準を医師が定義する。その物差しで、正確さ、安全性、伝わりやすさ、文脈の理解、網羅性、そして受診をちゃんと促せているかを採点していく。
この採点表を支えているのが、医師のネットワークだ。60か国、49言語、26の診療科にまたがる260人以上の医師が協力している。これまでにレビューしたモデル回答の例は70万件以上。数分に1回、世界のどこかで医師が新しい回答に目を通している計算になる。AIに健康を語らせるうえで、ここまで生身の医師を巻き込んだ評価基盤を地道に作ってきたのは、派手さはないけど後で効いてくる部分だと思う。
検査結果の説明や受診準備で、普通に頼れる場面
実用の話をしよう。普段ChatGPTを触っている側として、どこで使うと素直に便利か。
現場感覚で言うと、効くのは「診断」より「受診準備」のほうだ。たとえば血液検査でγ-GTPだけ高い、みたいなときに、その数値が何を意味するのか、医師に何を聞けばいいのかを整理してくれる。専門用語だらけの結果票を、普通の言葉に翻訳してくれる。今回のアップデートで、こういう「複雑な情報をわかりやすくする」「次に何をすべきか案内する」あたりがはっきり強くなった、とされている。
地味にありがたいのが、緊急性を見分ける動きが良くなった点。胸が締めつけられて左腕がしびれる、みたいな相談に対して、のんびり解説する代わりに「すぐ受診を」と促す方向に振れる。AIの健康回答でいちばん怖いのは、危ない兆候を見逃して安心させてしまうことなので、ここが改善したのは大きい。
エンジニア目線で1つ付け加えると、この賢さは特定の有料機能の中ではなく、土台のモデル側に入っている。だからAPI経由で健康系のサービスを組んでいる人は、自分で凝った作り込みをしなくても、使うモデルの世代を上げるだけで回答の質が底上げされる可能性がある。
ヘルスケアで AI を組み込む事業者が気にすべき線引き
ここからは作る側、サービスに載せる側の話。今回の発表は、消費者向けだけの動きじゃない。
OpenAIは、健康情報の理解を助けるツールだけでなく、医療従事者向けのChatGPTやOpenAI for Healthcareといった、文書作成・研究・診療相談を支える臨床医向けのツールにも広げている。今年の頭にChatGPT Healthが出て、医療データを連携できる専用スペースが話題になったのを覚えている人もいるはず。あの流れの延長線上に、今回の「土台のモデル自体を医療に強くする」という一手がある。
事業者目線で言えば、性能が上がったことより、線引きの確認のほうが先だ。日本だと、AIが病名を断定するような出し方は医師法の領域に触れかねないし、診断や治療を目的にしたソフトは薬機法でいう医療機器（SaMD）に該当しうる。「健康情報を分かりやすく説明する」のと「診断する」の間には、はっきりした線がある。海外のベンチマークが何点だろうと、国内で出すなら、この線をどちらに置くかを最初に決める話になる。あと、ユーザーの健康データをどこに置いて誰が見られるのか、という設計も避けて通れない。
どこまで信じて、どこで医者に行くか
正直なところ、今回のアップデートで「ChatGPTに健康を聞く」ことのハードルは、かなり下がったと思う。検査結果の意味を知りたい、受診前に質問を整理したい、症状の緊急度の当たりをつけたい。このあたりは、もう普通に頼っていい水準まで来ている。
とはいえ、誤りがゼロになったわけじゃない。71%減ったというのは、裏を返せばまだ残っているということ。文字で完結する相談に強くなっただけで、実際に体を診てもらう工程は代わりがきかない。痛みが強い、長引く、急に悪化した。こういうサインがあるなら、ChatGPTで納得して終わらせず、ちゃんと受診する。その判断だけは自分の手元に残しておきたい。
半年後には、「まずChatGPTに聞いて、整理してから病院に行く」という動線が、かなり当たり前になっている気がする。だからこそ、聞き方の引き出しは増やしておいて損はない。次に検査結果を受け取ったら、数値の意味だけじゃなく「医師に何を確認すべきか」までセットで聞いてみる。それだけで、受診そのものの質が一段変わるはずだ。
