臨床AIにおける比較対象：時代遅れのフレームワークへの批判

本稿は、Brodeurらが2026年にScienceに発表した研究を批判する。この研究はOpenAIのo1モデルが医師の診断を上回ったと主張するが、著者は2026年にはほとんどの医師がAIを使用しており、比較が無意味であると指摘する。埋もれた発見として、GPT-4を使った医師の成績は使わない医師とほとんど変わらず、AI単独の方が優れる場合もあることが浮き彫りになった。著者は臨床ビネットのベンチマークの限界を指摘し、実際のワークフローでの人間とAIの協働と新たな失敗モードの研究を求める。