生成AI・LLMの光と影【2026年版】
教育・下書き・情報抽出には光。
自律診断と文献引用には影。専門家の監督下でのみ補助になります。
大規模言語モデル（LLM）は、膨大な文章から「次に来そうな語」を確率で選ぶことで、自然な文を生成します。ChatGPTもこの仕組みです。
LLMは事実を引くデータベースではありません。「もっともらしさ」を生成する道具——この前提が、光と影の両方を説明します。
ChatGPTがてんかんの一般質問に正確かつ包括的に回答（再現性82.3%）
Wu 2024 Epilepsy Behav（ILAEなどの378問・専門医評価）
韓国てんかん学会の患者ガイドに基づく57問で、GPT-4は40問で「十分な教育的価値」、完全な誤答はゼロでした。
患者さんへの説明の下書きや、よくある質問への一次対応には実用域。医療者の説明負担を軽くする余地があります。
LLMはてんかん専門医の模擬試験で、合格相当の成績を示しました（JAMA Neurology）。知識の想起は得意分野です。
試験に受かること＝臨床で診断できること、ではありません。知識と、目の前の患者への判断は別物です。
診療documentから抗発作薬を抽出（てんかん型0.80・発作型0.76）
Fang 2025 Epilepsia（King's College・280レター・Llama）
ノイズの多いカルテから治療効果や症状を統合する模擬研究では、AIの解析が人間の解析と3%未満の差でした。
「診断する」のではなく、非構造化テキストから情報を抽出・整理する——ここはLLMの明確な光です。
| 患者の語りから鑑別 | 正答率（balanced） |
|---|---|
| GPT-4（ゼロショット） | 57% |
| GPT-4（1例提示） | 64%（頭打ち） |
| 経験ある神経内科医 | 71% |
てんかん発作 vs 心因性発作の鑑別。専門医が全員正答した易しい例ではGPT-4も81%（Ford 2025）
同じ研究でも、予後に関する質問で包括的だった回答は46.8%にとどまりました。
「医療ガイダンスとしての直接利用は推奨しない。現時点の主用途は患者教育」。誤答を鵜呑みにすると危険な助言になりえます。
最新・高度なモデルなら、必ず性能も上がる
小児診断では、高度な言語モデルが単純な古典モデルを上回らなかった（課題次第）
ChatGPT生成の参考文献で真正だったのは2割（実在62%・捏造31%）
Suppadungsuk 2023 J Clin Med（腎臓病領域・610文献を検証）
| 検証 | 引用・文献の問題 |
|---|---|
| 皮膚病理 | 引用の27%が作話、有用なのは24.5% |
| GPT-5レビュー | 正確な引用は約3分の1のみ |
| 事実そのもの | 本文の事実精度は比較的高い |
「文章は正しそうでも、出典は捏造」——これがLLM最大の落とし穴（McCrary 2024・Ok 2026）
LLMは存在する文献を検索しているのではなく、「それらしい著者・誌名・年」を確率で生成しています。だから実在しない引用が、堂々と出てきます。
引用は必ず一次資料（PubMed等）で実在確認。出典を生成させて鵜呑みにしない。これが必須の運用です。
汎用ChatGPT単独ではなく、専門家の知識基盤（オントロジー）とEEGを組み合わせたカスタムGPTでは、発作の局在推定が93.8%まで向上しました。
LLMは専門家の監督下で使う「下書き・たたき台」。単独の判断者ではなく、人が検証する前提の補助ツールです。
患者教育、診療documentからの情報抽出、説明文のたたき台づくりは実用域。
生の診断は専門医に劣り、参考文献はしばしば捏造。鵜呑みは危険。
人が必ず検証する前提で。専門知識で補強したカスタム運用が現実的。
✚ 医知創造ラボ
本動画は教育目的の解説です。診療判断は最新の規制・GLをご確認ください。
次回：「てんかん外科×AIと、薬剤反応予測」