人工知能：患者管理のための医療用AIモデル
Nature
診断から治療方針の決定にいたるまで、患者管理の複数の段階を支援できる2つの独立したAI（Artificial intelligence；人工知能）モデルを報告する論文が、今週のNature に掲載される。MIRA（Medical Intelligence for Reasoning and Action）およびGoogleのAMIE（Articulate Medical Intelligence Explorer）と名づけられたこれらのシステムは、医師と同等、あるいはそれを上回る性能を発揮し、対話型AIツールが疾患管理を支援する可能性を示している。
大規模言語モデル（LLM：Large language models）は、臨床応用において有望な進展を示しているが、多くの場合、限定的に定義されたタスクに特化している。一方、患者の臨床管理には、病歴の精査、適切な検査の実施、正確な診断、治療法の立案（薬物療法および外科的治療の両方）、そして複数回の受診にわたる経過観察など、多面的な対応が求められる。もしAIエージェントがこうした一連のタスクを実行し、効果的な管理判断を下せるようになれば、医師の日常業務を支援するとともに、世界の一部の地域における医師不足の緩和に貢献する可能性がある。Nature に掲載される2つの論文は、自律型医療AIエージェントの能力における進展を報告している。
Jakob Katherら（ハイデルベルク大学病院〔ドイツ〕）は、独立した電子カルテシステム内の患者データにアクセス可能なAIモデル「MIRA」についてオープンアクセスで報告している。このモデルは、救急部門における500件以上の臨床症例から得られた実世界データを用いて評価された。MIRAは、臨床記録から抽出された既往歴と一致する応答を行う患者AIエージェントとのチャットをつうじて情報を収集する。MIRAは、8万5000以上の選択肢から診断検査を指示し、結果を解釈し、薬剤の処方、処置のスケジュール設定、および入院の手配を含む治療計画を策定できる。その診断精度は、平均87.8%を達成し、これは専門分野の異なる6人の医師パネルによる78.1%を上回る。著者らは、精度をさらに向上させ、実世界での研究において汎化能力を確立するためには、今後の研究が必要であると結論づけている。
Mike Schaekermannら（Google Research〔米国〕）、臨床管理と対話に最適化されたLLMベースのシステム「AMIE」について報告している。このモデルは、複数の受診記録にわたって継続的な推論を行い、疾患の進行や治療への反応を把握することができる。AMIEは、Geminiを用いて患者から得られた情報を分析し、その出力を関連性が高く最新の臨床実践ガイドラインや薬剤フォーミュラリー（承認済みで臨床的に推奨される薬剤の一覧）と整合させる。仮想臨床試験において、AMIEは、英国NICE（National Institute for Health and Care Excellence；国立医療技術評価機構）のガイダンスおよびBMJ Best Practiceガイドラインを反映するように設計された、5つの医療専門分野にわたる100の複数回受診ケースシナリオにおいて、21名のかかりつけ医と比較された。AMIEは、管理推論能力において実在の医師と同等の性能を示したほか、治療や検査の正確性、臨床ガイドラインとの整合性、およびそれらのガイドラインにもとづいた管理計画の策定においては、医師を上回る結果となった。新たに導入された薬剤処方推論のベンチマーク（RxQA）において、AMIEは難症例において医師を上回る成績を示した。著者らは、AMIEが臨床ケアに活用できる状態になるにはさらなる研究が必要であると指摘しつつも、本研究が疾患管理において医師を支援する対話型AIツールの活用に向けた一歩であると結論づけている。
- Article
- Open access
- Published: 17 June 2026
Ferber, D., Hilgers, L., Höper, C. et al. Towards autonomous medical artificial intelligence agents. Nature (2026). https://doi.org/10.1038/s41586-026-10675-5
- Article
- Published: 17 June 2026
Liévin, V., Palepu, A., Weng, WH. et al. Towards Conversational AI for Disease Management. Nature (2026). https://doi.org/10.1038/s41586-026-10764-5
Two independent AI models that can assist with multiple stages of patient management, from diagnosis to treatment decisions, are presented in Nature this week. The systems — MIRA (Medical Intelligence for Reasoning and Action) and Google's AMIE (Articulate Medical Intelligence Explorer) — perform at least as well as physicians, demonstrating the potential for conversational AI tools to help with disease management.
Large language models (LLMs) have shown promising developments for clinical applications, but they tend to specialize in narrowly defined tasks. The clinical management of patients requires a multifaceted approach, delving into patient histories, carrying out appropriate investigations, making accurate diagnoses, planning treatment options (both pharmaceutical and surgical), and monitoring outcomes over multiple visits. If AI agents could carry out such tasks, achieving effective management reasoning, they may be able to assist physicians in routine tasks and possibly address physician shortages in some regions of the world. Two papers in Nature report advances in the capabilities of autonomous medical AI agents.
Jakob Kather and colleagues describe MIRA, an AI model that has access to patient data in an isolated electronic health record system. The model is evaluated using real-world data from more than 500 emergency department clinical cases. MIRA gathers information via chat with a patient AI agent whose responses match documented histories taken from clinical notes. MIRA can choose from over 85,000 options to order diagnostic tests, interpret the results, and make treatment plans including prescribing medication, scheduling procedures and arranging admissions. It achieved an average diagnostic accuracy of 87.8%, compared to 78.1% from a panel of six physicians across specialities. Future work is needed to further improve accuracy and establish generalization in real-world studies, the authors conclude.
Mike Schaekermann and colleagues describe AMIE, an LLM-based system optimized for clinical management and conversations. The model can perform continuous reasoning over multiple patient visits to map the progression of disease and responses to treatment. AMIE uses Gemini to analyse the information retrieved from the patient and align its output with relevant and up-to-date clinical practice guidelines and drug formularies (lists of approved, clinically preferred medications). In a virtual clinical examination study, AMIE was compared to 21 primary care physicians across 100 multi-visit case scenarios and five medical specialities, designed to reflect UK NICE guidance and BMJ Best Practice guidelines. AMIE performed as well as real physicians in management reasoning capabilities, and better than physicians in preciseness of treatments and investigations and in its alignment with clinical guidelines and grounding of management plans in those guidelines. On a newly introduced benchmark for medication reasoning (RxQA), AMIE outperformed physicians on difficult cases. The authors note that more work is needed before AMIE is ready for clinical care but conclude that this work represents a step towards the use of conversational AI tools to assist physicians in disease management.
- Article
- Open access
- Published: 17 June 2026
Ferber, D., Hilgers, L., Höper, C. et al. Towards autonomous medical artificial intelligence agents. Nature (2026). https://doi.org/10.1038/s41586-026-10675-5
- Article
- Published: 17 June 2026
Liévin, V., Palepu, A., Weng, WH. et al. Towards Conversational AI for Disease Management. Nature (2026). https://doi.org/10.1038/s41586-026-10764-5
doi: 10.1038/s41586-026-10675-5
「Nature 関連誌注目のハイライト」は、ネイチャー広報部門が報道関係者向けに作成したリリースを翻訳したものです。より正確かつ詳細な情報が必要な場合には、必ず原著論文をご覧ください。
