Sakana Namazuを医師検索へ、96.4％は画像問題を除く

Sakana AIは2026年10月9日付の導入事例で、同社の日本語向け大規模言語モデル「Sakana Namazu」が、アイリスの医師向け文献検索ツール「Evidence Finder」に採用されたと発表した。医師の質問に関連する文献はアイリスの技術が選び、Namazuが文献を比較・統合して引用付きの回答を作る。10月9日は事例の公開日であり、個々の医師への提供開始日を示すものではない。

医師国家試験での正解率96.4％について、Sakana AIの製品ページの評価注記は、2026年2月の第120回試験を対象に、画像問題を除いてアイリスが評価した数字だと明記している。成績の主体はNamazu単体ではなく、Namazuを用いたEvidence Finderの評価用モデルだ。患者ごとの診断精度を表す数字として読むことはできない。

採用に先立ち、アイリスは2026年9月14日付の発表で、Evidence FinderにSakana AIのモデルを用いる合意を公表した。同じ発表では、評価用モデルが第120回医師国家試験で500点満点中482点、回答完遂率100％だったと説明している。9月の合意発表と10月の導入事例は、同じ取り組みの異なる段階を伝えている。

医師の問いから引用付き回答まで

Evidence Finderでは、医師が医学上の疑問を入力すると、PubMedなどのデータベースから関連文献を探す。文献の選定にはアイリスの検索アルゴリズムを使い、選ばれた文献を踏まえた説明の作成にNamazuを使う。どの論文を回答の材料にするかと、その材料をどう読み合わせて日本語で答えるかを、別の工程として組み合わせた構成だ。

1. 医師の質問を受け、アイリスの技術が関連文献を検索・選定する。
2. Namazuが選定済みの文献を比較・統合し、回答を生成する。
3. 回答に引用元を示し、医師が元の文献へ進めるようにする。
4. Verify機能が、挙げられた引用文献の実在を自動で確認する。

この役割分担では、Namazuが医学文献の検索全体を単独で担うわけではない。検索で選ばれた資料を基に回答を組み立てる部分が、今回の採用事例で示された主な仕事となる。回答から引用元へ進めることは、説明を受け取った医師が論文の対象や結論を確かめるための導線になる。

引用付き回答の有用性は、文章が自然かどうかだけでは決まらない。質問に合う文献が選ばれていなければ、滑らかな要約でも医師の疑問には答えきれない。検索と生成を分けて捉えると、文献の選定が適切か、選ばれた文献を回答が正しく扱っているかという、異なる確認点が見えてくる。

Verifyが確認する範囲

Verify機能の対象は、回答に記された引用文献が実在するかどうかだ。生成AIが存在しない論文をもっともらしく挙げる場合、医師はそもそも元の研究へたどり着けない。実在確認は、その手前に置かれた確認工程として意味を持つ。

一方、実在する論文を引用していても、回答の医学的な説明まで正しいとは限らない。研究で調べた患者群、比較した治療、測定した結果が医師の問いと合っているかは、書誌情報の存在とは別に判断する必要がある。論文の結論より強い表現で回答がまとめられていないかも、元の記述に戻って確かめる点だ。

つまり、Verifyが医師に渡すのは、回答の根拠を追い始めるための手掛かりである。引用の実在確認と、引用先が目の前の主張を支えているかの確認を混ぜると、機能の役割を過大に捉えてしまう。Evidence Finderの設計上、回答と一次文献を行き来できることが、この二つを分けて考える土台になる。

国家試験の成績と画像問題の条件

公表された正解率は、画像問題を除いた企業側の評価結果である。アイリスの発表はさらに、製品版のEvidence Finderは画像問題に対応せず、テキストによる質問に答える仕様だと説明している。評価では、製品に用いるAIモデルに課している画像拒否などの制約を外し、モデルの性能を調べた。評価時の設定と、医師が使う製品の仕様は同一条件ではない。

ここには区別すべき二つの条件がある。画像問題を得点計算の対象から除いたことと、評価用モデルでは画像拒否などの制約を外したことだ。後者から、画像問題を含む試験全体で同じ正解率を得たとは言えない。逆に、製品がテキスト質問に限ることだけを理由に、基盤モデル自体の画像処理能力まで否定することもできない。

試験問題への回答は、医学知識や設問の読み取りを測る一つの方法になる。ただ、国家試験では問いと選択肢があらかじめ用意されている。Evidence Finderが実際に担う文献検索では、どの研究を選ぶか、複数の研究をどう説明に結び付けるかという工程も加わる。試験の得点だけで、検索結果の適合性や引用付き回答の質を一括して評価することは難しい。

文献検索と医療判断の距離

今回の採用で支援するのは、医師が疑問に関連する文献を見つけ、引用元を示した説明を受け取るまでの工程だ。アイリスはEvidence Finderを一般的な医学情報を提供するサービスと位置付け、特定の患者の診断・治療・予防を目的とする医療機器とはしていない。検索結果を個々の患者にどう当てはめるかは、患者の状態や経過を踏まえた医師の判断に属する。

この境界は、試験の成績を実務上の価値と結び付ける際にも重要になる。正しい選択肢を選べることと、医師が今必要とする一次文献へ到達できることは、関連しながらも同じ成果ではない。Evidence Finderについて今後知りたいのは、引用文献が実在する割合だけでなく、選定された文献と生成された説明が臨床上の問いにどれほど合っているかという実利用時の情報だ。

関連記事：

• 電子取引は印刷保存で終わらない、検索要件を満たす最小構成
• 東証のアジア支援は23社へ、日本進出からIPOまでつなぐ
• AcrobatのAIが長文PDFを図と音声へ、確認元は引用でたどれる