目次
GPT-6 Astraが登場しました。OpenAIの発表を見ると、調査、プログラミング、パソコン操作、複数の工程にまたがる仕事などが強化されているようです。
すごいらしい、ということは分かった。
でも、医療に関わる人にとっては、もう少し具体的に知りたいところです。
- それで、現場では何に役立つの？
- 患者さんにとって、何が変わるの？
- 医療の勉強や、教材づくりにも使えるの？
そこで今回は、Astraさんに聞いてみる形で、医療での使い道を掘り下げてみました。
この記事の前提（先に読んでください）
2026年9月6日時点の公開情報に基づく記事です。会話部分は調査結果をもとにした構成案で、Astraの実際の発言の逐語引用ではありません。
公表された性能、別の医療AIの研究、今後の活用案を分けて紹介します。医療上の判断は、必ず医療者が確認してください。
まず、Astraは「医療に強くなった」の？
僕：医療でも、以前のAIより頼れるようになったの？
Astraさん：医療に関連する評価では改善が報告されています。ただし、評価の点数が上がったことと、患者さんを安全に診療できることは、同じではありません。
OpenAIが公表した「HealthBench Professional」の文章の長さを補正したスコアは、GPT-5.6 Solが60.5%、GPT-6 Astraが63.4%。この評価では、Astraが2.9ポイント上回っています。
診断の正解率ではありません。医療者がAIに相談する場面（診療の相談・文章や記録の作成・医学研究）を想定した評価です。出典はOpenAIの公表値。
表で見る
| モデル | スコア |
|---|---|
| GPT-5.6 Sol | 60.5% |
| GPT-6 Astra | 63.4% |
これは、医療者がAIに相談する場面を想定した評価です。診療に関する相談だけでなく、文章・記録の作成、医学研究も含まれています。
つまり、「診断の正解率が63.4%」という意味ではありません。
ここを飛ばして「ついに医師を超えた」と書くのは、ちょっと話が大きすぎる。
僕が注目したいのは、医学の質問への回答だけでなく、調べた情報を整理し、文書やソフトウェアまで形にする能力です。そこが伸びるなら、医療での使い道も広がるのではないか。以下は、その視点で考えた活用案です。
診察前に読むもの、診察後に書くものを減らせるかもしれない
僕：まず、現場で役立ちそうなのは？
Astraさん：患者さんの情報を整理したり、医療者が確認するための記録や説明文の下書きをつくったりする使い方です。
例えば、診察前にこんな整理をしてもらう。
前回の受診から変わったことを、元の記録と一緒に示して。確認が必要な点は、確認済みの事実と分けて
検査、服薬、他の診療科からの情報を、出典をたどれる形でまとめる。これは単なる未来の想像ではなく、OpenAIは2026年9月1日、医療機関向けのChatGPTで、電子カルテシステムのEpicから許可された患者情報を参照する連携を発表しています。
ただし、Astraを選べば日本の病院の電子カルテにそのまま接続できる、という話ではありません。モデルの能力とは別に、対応するシステムや利用権限、安全管理の整備が必要です。
診察後の記録づくりについては、別のAI製品で実際の研究もあります。
2025年公表の、14診療科・238人の外来医師が参加したランダム化比較試験です。診療記録AIのNablaを使った医師は、1件あたりの記録時間が4分30秒から3分49秒へ。通常業務の群も4分22秒から4分4秒へ短くなっていますが、Nabla群の短縮幅は通常業務より9.5%大きく、統計的に有意でした。同時に評価されたDAXでは、有意な短縮は認められていません。
- 導入前
- 導入後
Nabla群の短縮幅は通常業務の群より9.5%大きく、統計的に有意でした。同時に評価されたDAX群では有意な短縮は認められていません。記録に臨床上重要な誤りが「時々」生じたとも報告されています。
表で見る
| 群 | 導入前 | 導入後 |
|---|---|---|
| 通常業務 | 4分22秒 | 4分4秒 |
| Nablaを使用 | 4分30秒 | 3分49秒 |
これはAstraの実績ではありません。また、1つの医療機関で2か月間行われた研究なので、どこでも同じ効果が出るとは限りません。
さらに大事なのが、この研究では記録に臨床上重要な誤り（多くは情報の欠落や代名詞の誤り）が「時々」生じたと報告されていること。軽度の患者安全事象も1件報告されています。研究チーム自身が、受け身で受け入れるのではなく医師の能動的な確認が必要だと述べています。
それでも、「AIを入れれば全部解決」ではなく、適切な道具と運用を選べば書類仕事を減らせる可能性があるという話は、十分に現実的だと思います。
僕なら、単に下書きが速くできたかではなく、確認・修正を含めて本当に時間が減ったかを見たいです。
論文を「要約する」より、「比較できる形にする」
僕：医療の勉強や、論文を読むときは？
Astraさん：結論だけを短くするより、研究同士の違いを整理する使い方が考えられます。対象者、比較条件、結果、限界をそろえて見るための補助です。
例えば、こんな依頼です。
この5本の論文について、対象者、比較した治療、観察期間、主な結果、有害事象、研究の限界を比較してください。結論が食い違う部分も示してください。全文を確認できていない論文は、そのことを明記してください。
「この治療は効きますか？」と聞いて、一つの答えをもらう。
それよりも、「どんな条件で、どこまで分かっているのか」を整理してもらう方が、僕は使ってみたい。
OpenAIはすでに医療者向けサービスで、出典付きの医学情報検索や文献調査を提供しています。また、医療機関向けにはPubMedやClinicalTrials.govなどの公的情報源への接続も発表しています。これらはAstraというモデルそのものとは別の、情報にアクセスする仕組みです。
ここから考えられるのは、検索して終わりではなく、比較表、勉強会資料、確認用チェックリストまでつなげる使い方です。
ただし、AIのまとめだけで結論を決めない。採用する根拠や重要な数字は、元の論文に戻って確認する。その手順は残したいと思います。
患者さんへの説明を、その人が理解しやすい形にする
僕：患者さんにとっては、どんな役に立つの？
Astraさん：医療者が確認した説明を分かりやすく言い換えたり、受診時に聞きたいことを整理したりする補助が考えられます。
僕が想像するのは、「AIに診断してもらう」よりも、その前後です。
医療者が確認した説明文を、専門用語を減らした文章にする。家族に共有しやすい一枚の資料にする。受診前に、症状の経過や質問したいことを整理する。
「病院で聞いたけれど、家に帰ったらうまく説明できない」
そんなときに、確認済みの情報をたどり直せる道具があったら、助けになるのではないかと思います。
実際、個人向けのChatGPT Healthは、接続した健康情報をもとに、検査結果の変化や受診前の情報整理などを支援するサービスとして案内されています。ただし、公式には診断や治療を目的とするものではなく、医療を補助する位置づけです。2026年9月6日に確認した公式ヘルプでは、対象は米国の18歳以上の適格ユーザーとされています。日本でも同じ連携が使える前提にはできません。
また、これはChatGPT Healthというサービスの話であって、Astraだけの新機能ではありません。
僕が期待したいのは、AIが医師との会話をなくすことではなく、その会話を、より理解できるものにすることです。
個人的に一番面白いのは、「その場で教材をつくる」こと
僕：解剖学の図とか、動く教材をつくる方向はどう？
Astraさん：信頼できる資料や既存の3Dモデルを土台にして、学習用アプリや対話式の教材をつくる支援が考えられます。
ここは、個人的にかなり興味があります。
例えば、こんな教材を想像しました。
人体の3Dモデルを回して、気になった部分を押すと説明が出る。理解しにくいところは別の角度から見られる。同じ内容でも、医療系学生向けと患者さん向けで説明を切り替えられる。
あるいは、架空の患者さんとの問診練習。最初から正解を教えるのではなく、こちらが質問すると情報が少しずつ出てくる。最後に、聞き漏らしたことや、判断を急いだところを振り返る。
これは、Astraで教育効果が実証されたという話ではありません。Astraの公表されたプログラミング能力やツール利用能力から考えた、開発・活用のアイデアです。
ただ、方向性としては面白い。
「この内容を説明する文章を書いて」から、「この内容を理解するための体験をつくって」へ。
ちなみに、これは完全な絵空事でもありません。実際にAstraで作られたブラウザ上の3D人体図を、僕が日本語化して公開した話を先日書きました。土台になっているのは、日本の研究機関が公開している人体データです。
もちろん、僕なら「画面がきれいに動いたから完成」とはしません。人体の構造や名称、症例の設定、解説は専門家が確認する前提にします。見た目のリアルさを、医学的な正しさの代わりにはしない。
その上で、教える人の「ここが伝わりにくいんだよな」を教材に変えられるなら、かなり使い道がありそうです。
では、診断や治療の相談役にはなれるのか
僕：でも、やっぱり気になるのは診断。そこはどうなの？
Astraさん：医療者が考えを点検するために、別の可能性や不足している情報を挙げる使い方は考えられます。ただし、AIの回答だけで診断や治療を決めてよい、ということではありません。
例えば、「自分の考えに賛成して」ではなく、こんな使い方です。
この判断を支持する情報と、反対する情報を分けてください。ほかに検討すべき可能性と、まだ足りない情報を示してください。
実は、診断に関わるAI研究には、期待を感じる結果と、慎重に読むべき結果の両方があります。
| 研究 | 何を比べたか | 結果 |
|---|---|---|
| Science（2026年） | 臨床推論の課題・救急患者の評価で、大規模言語モデルと医師の回答を比較 | モデルが比較対象の医師の回答を上回る結果。著者らは実診療での前向き試験の必要性を強調 |
| JAMA Network Open（2024年） | 医師50人を、GPT-4を使える群と従来の情報源だけの群に分けて症例課題を比較 | 診断推論の成績は、有意には改善しなかった |
どちらもAstraの試験ではありません。
でも、この二つから考えさせられることがあります。
AI単体がよい回答を出すことと、人がAIを使ってよい診療をすることは、別々に確かめる必要がある。
今回確認した公表資料では、Astraを使うことで実患者の治療成績が改善したと直接示す臨床試験は確認できませんでした。医療向け評価の改善は期待材料ですが、それを治療効果の証明とは扱えません。
なお、Astraは画像入力に対応していますが、それだけでCTやMRIの診断を安全に任せられるとは判断できません。画像を扱えることと、特定の医療用途で性能が検証されていることは、区別したいところです。
もう少し先には、研究の進め方も変わるかもしれない
僕：新しい治療法や薬の研究にも関わる？
Astraさん：文献を整理し、仮説を検討し、解析のコードを書き、結果を比較する。そうした研究工程を支える方向が考えられます。
この分野も、ゼロからの空想ではありません。
OpenAIはAstraとは別に、生命科学研究向けのGPT-Rosalindを展開し、文献・生物学的データの分析や、専門ツールと組み合わせた研究支援を発表しています。これをAstraの成果として紹介するのは違いますが、AIが研究の作業工程に入っていく方向は見えてきます。
僕が想像するのは、「AIに聞いたら新薬が完成する」という話ではなく、研究者が次の検証に進むまでの準備を助ける存在です。
分かっていることを整理する。食い違っている結果を見つける。別の説明を考える。検証のための分析を組み立てる。
そこで生まれた時間を、研究者が実験や考察に使えるなら、長い目では医療への影響も大きくなるのではないかと思います。
まず試すなら、患者情報を使わない仕事から
僕：じゃあ、今から使ってみるなら、何がよさそう？
Astraさん：公開資料を使った学習や、架空症例による教材づくりなど、実患者の情報を入れずに試せる仕事から考えるのがよいでしょう。
僕なら、まずこんな依頼を試します。
この公開資料だけを根拠に、患者さん向けの説明文の下書きを作ってください。専門用語は言い換え、資料にない内容は補わないでください。重要な説明には出典の位置を付け、最後に医療者が確認すべき点をまとめてください。
これなら、何を根拠に書いたのか、どこを人が確認すべきなのかが見えやすい。
実際の患者情報を使う段階では、別の準備が必要です。個人の判断で入力するのではなく、所属先の承認、利用目的、契約、保存やアクセスの管理などを確認する。国内の確認先には、厚生労働省の「医療情報システムの安全管理に関するガイドライン 第7.0版（令和8年6月）」などがあります。
「AIの学習に使われない」と「この患者情報を送信してよい」は、分けて考えたいところです。
そして、患者さんが使う場合も、AIの回答を理由に必要な受診を遅らせたり、自己判断で薬を変更したりするための道具にはしない。医療につながるための補助として使う、という位置づけが大切です。
医療を「AIに任せる」より、医療でできることを増やしたい
今回調べながら考えたのは、Astraの登場を「医師がいらなくなるかどうか」だけで見ると、見落とすものが多そうだということです。
- 患者さんの経過を把握しやすくする
- 医療者の説明を、理解しやすい形にする
- 論文を、比較して考えられる材料にする
- 教える人の経験を、触って学べる教材にする
僕は、こういう使い方に魅力を感じます。
特に面白いのは、知識のある人が「こういうものがあれば伝わるのに」と思っていたものを、自分で形にできるかもしれないこと。
AIが何でも知っているかどうかだけではなく、人が持っている知識や経験を、必要な相手に届けるところまで手伝えるか。医療におけるAstraの可能性は、そこにもあると思います。
もちろん、期待は期待として、効果は実際に確かめる。
その姿勢を持ちながらなら、AIの進化には、ちゃんとワクワクしていいのではないでしょうか。
参考資料・出典
参照日はすべて2026年9月6日です。製品の提供地域・機能・利用条件は変更される可能性があります。
- OpenAI「GPT-6 Astra: A new generation of intelligence」
- OpenAI「Making ChatGPT better for clinicians」（HealthBench Professionalの評価対象と医療者向けサービスの説明）
- OpenAI「Healthcare organizations can now connect EHR and additional industry data to ChatGPT」（2026年9月1日）
- Lukac PJ et al.「Ambient AI Scribes in Clinical Practice: A Randomized Trial」NEJM AI. 2025. DOI: 10.1056/AIoa2501000
- UCLA Health「UCLA study finds AI scribes may reduce documentation time and improve physician well-being」（研究実施機関による解説、2025年11月26日）
- OpenAI Help Center「Health in ChatGPT」（対象地域、用途、医療の代替ではないこと）
- OpenAI API documentation「GPT-6 Astra Model」（モデルの用途、対応入力、利用できるツール）
- Brodeur PG et al.「Performance of a large language model on the reasoning tasks of a physician」Science. 2026;392:524–527. DOI: 10.1126/science.adz4433
- Goh E et al.「Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial」JAMA Network Open. 2024;7(10):e2440969. DOI: 10.1001/jamanetworkopen.2024.40969
- OpenAI「Introducing new capabilities to GPT-Rosalind」（2026年6月3日。Astraとは別モデルの研究支援事例）
- 厚生労働省「医療情報システムの安全管理に関するガイドライン 第7.0版（令和8年6月）」
この記事は特定の治療・診断についての助言ではありません。医療上の判断は、必ず医療者にご相談ください。
