痛風管理におけるChatGPT-4oとGeminiの評価：EULARガイドラインに基づく比較分析

なぜスマートなチャットボットと痛む関節が重要なのか

足の親指に痛みを引き起こすことが多い関節炎の一種、痛風は世界的に増加しています。診断と治療については既に明確で科学的根拠に基づくガイドラインが存在しますが、多くの患者が理想的なケアを受けられていません。同時に、ChatGPT-4oやGeminiのような高度な人工知能チャットボットが臨床現場に登場し始めており、重要な疑問が生じます：これらのツールは実際に安全でガイドラインに沿った痛風の助言を提供できるのか、それとも医師や患者を誤導する可能性があるのか？

チャットボットがルールをどれだけ守るかを検証する

研究者らは、主要な言語モデルであるChatGPT-4oとGemini 2.0 Flashを、欧州リウマチ学会（EULAR）の公式ガイドラインに照らして評価することにしました。2人の専門家がガイドラインの25の主要勧告を、臨床現場の問題に即した医師向けの質問に変換しました：痛風の診断方法、尿酸低下薬を開始すべき時期、発作の管理、血液検査で目指す目標値、生活習慣や他の薬剤の調整方法などです。両チャットボットには、前の回答が新しい回答に影響しないよう、別々のクリーンなセッションで同じ質問を投げかけました。

回答の採点方法

各回答は、どのモデルが作成したかを知らない2人の経験豊富な痛風臨床医によって評価されました。評価項目は3つです。まず信頼性：回答がバランスよく客観的で信頼に足るか、重要な事実を欠いているか、利益を過大に述べていないか。次に質：専門家が意思決定する際に役立つ、明確で組織立った有用な内容かどうか。第三にガイドライン適合性：EULARの推奨と一致しているか、一部一致だが不十分か、それとも明確に矛盾しているか。加えて、標準的な可読性テストを用いて、テキストを理解するのに必要とされる教育水準を推定し、読みやすさも評価しました。

ChatGPTとGemini：どちらが優れていたか

両チャットボットとも概ね妥当で明確な回答を出し、いずれもしばしば医療専門家に相談するよう促す注意を記していました。しかし重要な差が明らかになりました。ChatGPT-4oは回答の76%で痛風ガイドラインに完全に一致し、さらに20%では概ね正しいが不完全な回答を示し、明確な医療誤りを含む回答は1件だけでした。Geminiは48%で完全に一致し、32%は部分的に正しいが不完全でした。より懸念されるのは、12%の回答が正しい点と誤った情報を混在させ、8%はガイドラインと明確に矛盾していた点です。例えば、EULARが限られた難治患者に限定して用いる強力な抗炎症薬群（IL-1阻害薬）を広く推奨するよう示唆したり、専門家がより慎重を要するとしている急性発作中の尿酸低下薬の定期的開始を勧めたりするなどの例がありました。

読みやすいが、容易に読めるわけではない

文体に関しては、両システムは驚くほど似ていました。複数の読解尺度で、どちらのテキストも快適に理解するには少なくとも大学レベルの教育が必要と判定されました。これは専門医には許容され得ますが、ほとんどの患者にとっては複雑すぎます。両モデルとも、特に求められない限り出典や参照リンクを提示しなかったため、情報の由来を検証することが困難でした。評価者間の一致度は良好〜非常に良好と判定され、採点は一貫しており、チャットボット間の差異は意見の相違ではなく実際の違いであることを示唆しています。

痛風患者にとっての意味

総じて、この研究は高度なチャットボットが痛風を管理する医師の有用な補助になり得ることを示唆していますが、単独で信頼できる段階には至っていないと結論付けています。ChatGPT-4oはGeminiより信頼性が高く、回答はより完全で専門家のガイドラインに忠実でしたが、それでも稀な誤りは薬剤や安全性に関わる場面では問題になり得ます。両ツールとも大多数の患者には難解なレベルで話し、出典の透明性を欠いていました。現時点では、著者らはAIを有望な支援ツールとして位置づけつつも、その助言は最新のガイドラインや専門家の判断と照らして検証されるべきであり、特に投薬量や開始時期などの小さな差が痛み、長期的な障害、生活の質に大きく影響する痛風のような状態では注意が必要だと主張しています。

引用: Meral, H.B., Kolak, E. Evaluation of ChatGPT-4o and Gemini for gout management: a comparative analysis based on EULAR guidelines. Sci Rep 16, 4831 (2026). https://doi.org/10.1038/s41598-026-35166-5

キーワード: 痛風, 臨床ガイドライン, 人工知能, 大規模言語モデル, リウマチ学