AIを活用した医療記事241本を専門医が検証、4割に医学的な指摘

AI時代の医療情報の信頼性を、現役医師ネットワークで担保する[画像1: https://prcdn.freetls.fastly.net/release_image/145023/15/145023-15-9ef670b86a7cbf9efe18f8f5af209f24-1502x960.jpg?width=536&amp;quality=85%2C75&amp;format=jpeg&amp;auto=webp&amp;fit=bounds&amp;bg-color=fff ]株式会社Medrock（本社：東京都、代表：中村・万代）は、現役医師500名の監修ネットワークを活用し、AI・LLM開発企業向けに「医療エキスパートネットワーク」の提供を本格開始しました。当社が専門医監修の実案件で蓄積したデータでは、医療ライターが生成AIを活用して作成した医療記事241本のうち約4割（98本）に医師の医学的な指摘が入り、指摘のあった記事では1本あたり平均6.8件の修正が必要でした。生成AIが医療情報を大量に生み出す時代に、専門医による検証の必要性を示す結果です。[画像2: https://prcdn.freetls.fastly.net/release_image/145023/15/145023-15-2d27f0b1a48646a08882054174f16bdc-1550x1014.jpg?width=536&amp;quality=85%2C75&amp;format=jpeg&amp;auto=webp&amp;fit=bounds&amp;bg-color=fff ]※2026年6月の当社実案件データ（医療記事241本）より■ 背景：AIが書く医療情報は、誰が正しさを保証するのか生成AIの普及で、医療・健康分野の文章は爆発的に増えています。一方で、その内容が医学的に正確かを検証する仕組みは追いついていません。医療情報は、わずかな誤りが読者の健康判断に直結する領域です。当社は医師監修の実務のなかで、この「見えない誤り」を定量的に把握してきました。専門的な医療テーマの記事を現役医師が監修したところ、次のことが分かりました（当社実案件データ・241記事）。[画像3: https://prcdn.freetls.fastly.net/release_image/145023/15/145023-15-364622c06f3a1edacc117c6d08675467-1491x1055.png?width=536&amp;quality=85%2C75&amp;format=jpeg&amp;auto=webp&amp;fit=bounds&amp;bg-color=fff ]- 約4割の記事（98/241本）に、医師の医学的な指摘が入った- 指摘のあった記事は、1本あたり平均6.8件の修正- 指摘664件のうち243件（37%）が医学的な実質を持つ修正（事実誤り78件・臨床的に重要な情報の欠落69件・エビデンス不足の断定49件など）- うち12件は、患者の受診・服薬・治療選択の判断を誤らせうる重大な誤りでした（例：救急対応の指示の誤り、保険適応外の治療を選択肢として提示、受診すべき診療科の誤り）- 分野による差が大きく、精神科では1記事あたり平均11.6件の指摘具体的には、「病気の原因を断定しているが、実際には特定されていない」「臨床では頻度の高い原因が抜けている」「日本の保険制度上の条件が誤っている」といった、専門家でなければ気づけない指摘が中心でした。この241本は、ライターが生成AIを活用して作成した記事です。AIは学習データに含まれる誤りや古い情報をそのまま再生産します。制作の効率が上がるほど、公開前に誤りを見つけられる専門医の検証の価値は上がります。AIは学習データに含まれる誤りや古い情報をそのまま再生産するためです。■ 医療エキスパートネットワークの提供内容当社は、AI・LLM開発企業が抱える「医療分野の専門家の確保と品質管理」という課題に対し、以下を提供します。[画像4: https://prcdn.freetls.fastly.net/release_image/145023/15/145023-15-08066dafb88c050264ec5b600e502770-1448x1086.png?width=536&amp;quality=85%2C75&amp;format=jpeg&amp;auto=webp&amp;fit=bounds&amp;bg-color=fff ]- AI学習データの作成・検証：診療科別の専門医による、医学的に正確な学習用データの作成- モデル出力の医学的評価：AIが生成した医療回答を専門医が採点・検証（誤りの類型化を含む）- 専門医パネルの運用：資格・実績を検証した診療科別の医師パネルを、品質管理・守秘体制込みで提供料金は案件規模に応じた個別見積もりです。■ 対象- 医療特化型LLM・医療AIプロダクトを開発する企業- 汎用LLMの医療分野の性能・安全性を高めたいAIラボ- 医療分野の学習データ・評価データの作成を担うデータ/アノテーション企業■ なぜMedrockにできるのか[画像5: https://prcdn.freetls.fastly.net/release_image/145023/15/145023-15-e6f27c6208c2be8bfa13cb4f4c19dc47-1491x1055.png?width=536&amp;quality=85%2C75&amp;format=jpeg&amp;auto=webp&amp;fit=bounds&amp;bg-color=fff ]- 現役医師500名の監修ネットワーク：診療科を横断し、専門医を案件に応じてアサイン- 代表自身が医師：医学的な品質責任を代表が担保- 医師の実績を数値化するスコアリング技術：専門家の資格・監修実績を客観指標で評価し、案件との適合を判定- 実運用で蓄積した監修品質データ：本リリースの数値のように、監修の効果を定量的に示せる■ 今後の展望当社は、日本語医療分野における専門知の供給基盤として、AI開発企業向けの学習データ・評価事業を拡大します。あわせて、専門医による医療コンテンツ・広告表現の検証（薬機法・医療広告ガイドライン対応）も提供し、AI時代の医療情報の信頼性を支えるインフラを目指します。■ サービスサイトhttps://medrock.co.jp/dr-checks/■ 【データ概要】対象：2026年6月に、当社の専門医が医学的な検証・監修を行ったAI生成の医療記事241本監修：当社ネットワークの現役専門医集計：医学的観点での指摘の有無・修正箇所数■ 会社概要[表: https://prtimes.jp/data/corp/145023/table/15_1_432d96db671ba23418b957f20ee9386f.jpg?v=202607191015 ]企業プレスリリース詳細へ : https://prtimes.jp/main/html/rd/p/000000015.000145023.htmlPR TIMESトップへ : https://prtimes.jp

AIを活用した医療記事241本を専門医が検証、4割に医学的な指摘

トピックス

リリースニュースランキング

このカテゴリーについて