Google「AMIE」対「MIRA」：2026年6月の医学AI研究が本当に示したもの

2026年6月の新たなNature論文では、AMIEは「縦断的（longitudinal）な疾病管理」へと進化を遂げました。Googleの大規模言語モデル「Gemini」の長いコンテキスト処理能力を活用し、共感的な対話エージェントと、何百ページもの権威ある臨床ガイドラインを横断参照する「深層推論マネジメントエージェント」という二つのアーキテクチャを採用。循環器、呼吸器、神経、産婦人科・泌尿器、消化器の各領域にわたる100の3回診療シナリオを用いた評価では、AMIEの検査・治療推奨はより一貫して精確で、特に2回目以降の診療でその差が顕著でした（2回目診療の検査計画の完全一致率：AMIE 99% vs 医師84%、3回目：AMIE 100% vs 88%）。

MIRAは、全く異なるアプローチを取ります。対話に特化するAMIEとは異なり、MIRAは電子カルテそのものの中で動作します。ドレスデン工科大学のElse Kröner Fresenius Center for Digital Healthに所属するJakob Nikolas Kather率いる研究チームが開発。実患者の症例を用いた模擬病院情報システム内で、MIRAは自律的に医療情報を評価し、検査をオーダーし、診断・治療の判断を準備しました。

後ろ向きシミュレーションでは、MIRAの総合診断精度は87.8%で、対照群の専門医（78.1%）を上回りました。特に膵炎（MIRA 95.2% vs 医師78.6%）や虫垂炎（MIRA 100% vs 医師88%）で顕著な差が見られました。また、MIRAは血液検査を多くオーダーする傾向がありましたが（51% vs 医師28%）、画像検査のオーダー数は大幅に少なく抑えられていました。MIRAは85,000以上の臨床アクションにアクセス可能で、AIを欺くための880の敵対的プロンプトに対しても、データ漏洩はゼロでした。

重要な限界

これらの成果を示す数字の一方で、両システムが直面する厳しい現実があります。それは、「実際の患者」を対象とした「実際の臨床現場」ではまだ一度も検証されていないという点です。このシミュレーションと現実のギャップこそが、医療AIエージェントに関する独立した専門家レビューの主要な論点です。

PMCに掲載された包括的スコーピングレビューは、この課題を「実世界環境における強固な臨床検証の欠如」と明確に指摘しています。評価は理想化された合成データセットに依存する傾向があり、実際の患者記録に特徴的なデータの疎らさや欠損値への対応が不十分です。同レビューは、これらのシステムの実際の臨床的有効性は、前向き研究によってほとんど確認されていないと結論付けています。

その他の主要な限界として、以下が挙げられます。

• テキストベースの制約：AMIEもMIRAも、基本的にはテキストと構造化データを通じて動作します。腹部の触診、心音の聴取、患者の歩行状態の観察といった身体診察は一切できません。これは軽微な問題ではなく、多くの診断において身体診察は今なお基本です。
• 継続学習の不在：2026年のAIインデックスレポートの医学分野の分析でも、異なる患者の診療記録をまたいだ継続学習や長期記憶を実証したシステムは存在しないと確認されています。
• 模擬アクター vs 実患者：AMIEの多診療疾病管理試験は、プロの模擬患者を用いたバーチャルOSCE形式で実施されました。MIRAの評価も、実患者との対話ではなく、AIエージェントが患者の行動をシミュレートする形で行われました。
• 安全性の脆弱性：同じAIインデックス分析は、ハルシネーション、不透明な意思決定、エージェント間の連携ミス、電子カルテの情報漏洩リスクなどを、医療AIエージェントが抱える未解決の安全リスクとして挙げています。

専門家の警告

2つのNature研究にコメントした科学者たちは、その意義を認めつつも、臨床利用にはなお距離があることを強調しています。英国サイエンス・メディア・センターが収集した専門家の反応では、この研究を「質的飛躍」と評価しつつも、結果はあくまで管理された環境下のものであると指摘しています。

医療AIエージェントに関する広範な研究では、以下のような持続的な懸念点が指摘されています。

解釈可能性と信頼：AIエージェントが診断や治療の推奨を生成する際、その根拠となる推論プロセスが不透明であることが多く、医師が結論に至る経路を追跡することを困難にしています。これは信頼を損ない、導入の妨げとなります。

責任の所在の不明確さ：誤った結果が生じた場合、その法的・倫理的責任がAI開発者、導入医療機関、監督する医師のいずれにあるのかが不明確です。FDAやEU AI Actを含む現行の規制枠組みは、自律型医療AIエージェントに特有のガバナンス要件をまだ想定していません。

一般化可能性：一つの医療機関や特定のデータセット（MIMIC-IVなど）で訓練・評価されたシステムは、異なる人口集団や医療体制では信頼性が低下する可能性があります。

過信リスク：研究者自身も、AMIEのガードレール付きバージョン（g-AMIE）を開発しており、これは患者から情報を収集する一方で、個別化された医学的アドバイスは行わないよう設計されています。これは、無制限な自律運用が時期尚早であり、危険を伴う可能性があるという明確な認識を示しています。

実臨床への道のり

AMIEもMIRAも、日常的な臨床応用にはまだほど遠い状態です。AMIEは、ベス・イスラエル・ディーコネス医療センターと提携した前向き単群フィージビリティスタディを実施し、外来診療の前に患者情報を収集する方法を探索した段階です。また、別の救急医療を想定した100人の患者を対象としたフィージビリティスタディでは、AMIEの鑑別診断に最終診断が含まれているケースが90%（トップ3精度75%）という成績を収めましたが、管理計画の実用性や費用対効果では依然としてプライマリケア医がAMIEを上回りました。

これらは有望な初期シグナルではありますが、患者アウトカムの改善を実証するためのランダム化比較試験ではありません。医療AIエージェント分野全体として、実用化には以下の課題が立ちはだかっています。

• 規制の道筋：診断や管理を支援する臨床AIシステムには、安全性と有効性のエビデンスが必要です。しかし、主要な規制当局はいまだに、臨床現場で継続的に学習する自律エージェントのための明確な枠組みを確立していません。
• EHR統合：LLMを既存の電子カルテシステムに統合することは、実務上およびガバナンス上の課題を引き起こし、AI生成コンテンツと人間作成コンテンツが混在することで、臨床責任の所在が不明瞭になるリスクがあります。
• 身体診察のギャップ：テキストベースの対話AIや構造化データエージェントは、臨床の中核をなす実際の身体評価を再現できません。
• 健康格差：いずれのシステムも、多様な実世界の集団で検証されておらず、公平な性能を主張できる状態にはありません。

まとめ：何を理解すべきか

2026年6月に発表された一連の研究は、確かに医療AIの分野における本物の進歩を示しています。AMIEは単発の診断対話から、ガイドラインに基づいた多診療縦断的疾病管理へと進化しました。MIRAは、厳密に管理された後ろ向きシミュレーションにおいて、電子カルテを自律的に操作し、検査や治療を医師と同等以上にオーダーできることを実証しました。

しかし、これらのデモンストレーションと実際の医療現場との間には、依然として広い溝があります。医療AIエージェントに関するスコーピングレビューが結論付けているように、ほとんどの評価は、実際の臨床環境のノイズ、曖昧さ、リソース制約、説明責任の要求を反映していないデータセットと設定に依存しています。

次の重要なマイルストーンは、実患者を対象とした前向き研究、明確な規制枠組みの策定、多様な集団における安全性の実証、そしてこれらのシステムがテストシナリオで医師のパフォーマンスに匹敵するだけでなく、実際に患者のアウトカムを改善するというエビデンスの蓄積です。それまでは、AMIEとMIRAは、医師の代替品ではなく、さらなる検証を経て初めて現場に導入される可能性のある、印象的な研究プロトタイプであり続けるでしょう。