大阪公立大学大学院医学研究科の植田大樹教授らの研究グループは、医療現場でのAIモデルによる薬剤推奨が、特定製品に集中していることを明らかにした。

生成AIの一種である大規模言語モデル（LLM）5種類（GPT-5.4、Claude Sonnet4.6、Gemini3.1Flash、Llama4、MedGemma）による約88万件の薬剤推奨を分析したところ、疾患と有効成分の組み合わせごとに複数の製品があるにもかかわらず、第1候補として推奨される製品は著しく偏っており、平均97.5％のケースで特定の1製品に集中していた。

さらに、先発医薬品と後発医薬品では、先発医薬品が優先される傾向があり、LLMの推奨に従った場合には薬剤費が著しく増加する可能性があることが分かった。

生成AIの医療利用が広がるなか、薬剤推奨の偏りや医療費への影響について社会に注意を促し、理解を深めることが求められる。

今後、この研究を発展させ、AIの医療現場での振る舞いを多角的に定量化し、医療現場での公平な導入につなげたい考え。

この研究成果は、10月26日に国際学術誌「Nature Health」にオンライン掲載された。

LLMは医療従事者の業務支援や、一般市民が健康情報を調べる場面での活用が進んでいる。医療現場で薬を選ぶ際の支援についても期待されているが、AIによる製品の推奨に偏りがあると、患者に示される選択肢や費用に影響する可能性がある。

また、同じ有効成分を含む薬でも、先発医薬品や後発医薬品など複数の製品が存在する場合もある。

これまでの医療AI研究では、主に人種や性別による回答の偏りについて調べられてきたが、特定の製品名に推奨が集中するのか、実際の処方や費用とどのような違いが生じるかについては、十分に検証されていなかった。