［開発者向け］Googleの研究で分かった、AIは皮膚の悩みの「理解」をどう助けるのか

2026-06-21

はじめに

　Google Researchは2026年6月12日、皮膚の症状についてAIがどのように人々の理解を助けるかを検証した研究成果を発表しました。本稿では、この発表内容をもとに、AIを使った皮膚症状の検索が利用者の理解や次の行動にどのような影響を与えるのか、2つの研究結果を中心に解説します。

参考記事

タイトル: Research into how AI can help users understand skin conditions
著者: Rory Sayres, Yun Liu
発行元: Google Research
発行日: 2026年6月12日
URL: https://research.google/blog/research-into-how-ai-can-help-users-understand-skin-conditions/

要点

Googleは、皮膚症状に関する2,345名規模の調査研究と、110名規模の実環境での研究という2つの研究結果を発表した
AIによる候補表示機能を使った参加者は、症状名を正しく推測できる割合が、検索のみのグループの約3倍に向上した
一方で「次に取るべき行動」(様子を見るか、受診するか等)の正答率は、AI使用群で統計的に有意な改善が見られなかった
実環境での研究では、症状名を当てられる割合が260%増加し、医師の92%がアプリを有用なツールと評価した
視覚的な画像とテキストを組み合わせたマルチモーダルなアプローチが、利用者にとって好まれる傾向が確認された

詳細解説

大規模調査:AIは症状名の理解をどう変えたか

　Googleによれば、米国の成人の半数以上がインターネットで健康情報を調べ、3人に1人がAIチャットボットを利用していますが、情報にアクセスできることと、それを正しく理解できることは別の課題だと述べています。たとえば「脚に赤い斑点ができた」と感じても、それを「palpable purpura(触知性紫斑)」のような医学用語で検索できる人は多くありません。

　この課題を検証するため、Googleは2,345名の参加者を対象に、匿名化された皮膚症状の症例(画像と問診情報付き)を見せ、3つのグループに分けて比較する調査を実施しました。1つ目は通常のWeb検索を使うグループ、2つ目はAIモデルの予測に基づき3〜7件の候補症状をカルーセル形式で表示するグループ、3つ目は皮膚科医チームによる「正解」の候補を表示する、いわばAIの理想形を模した比較対象グループです。

　Googleの発表では、AI使用群の症状名の正答率は23%で、検索のみのグループの8%と比べて約3倍に向上したとされています。理想形のグループでは36%に達しましたが、それでも完全な正答には届いていません。また、症状名を推測しようと試みる意欲そのものも、AI使用群(62%以上)の方が検索のみのグループ(41%)より高かったと報告されています。この結果は、画像付きの候補表示という形式が、利用者が「言葉にできなかったもの」に名前を与える助けになることを示していると考えられます。

「次に何をすべきか」という課題

　症状名を特定できることと、適切な対応を判断できることは、必ずしも同じではありません。Googleの研究では、この調査で使われたAIは診断を下すものではなく、画像から候補となる症状を示し、判断は利用者に委ねる設計だったと説明されています。提示される情報や治療法も、皮膚科医が一般的な症状名に基づいて作成したものであり、個々の症例の重症度に合わせたものではありませんでした。

　その結果、Googleによれば、理想形のグループでは次の行動の正答率がやや改善した(60%から63.5%)一方、AI使用群では統計的に有意な改善は見られなかったとされています。さらに、AI使用群は皮膚科医が想定するよりも緊急性の低い対応を提案する傾向が、検索のみのグループよりわずかに高かった(30%対27%)という結果も示されています。症状の名前が分かることと、適切な受診判断ができることは別の能力であり、両方を支援するための設計がまだ必要だと考えられます。

実環境でのコミュニティ調査

　大規模調査が一般的な傾向を捉えるのに対し、Googleはより深い理解を得るため、110名の参加者を対象とした実環境での研究も実施しました。これは、Google DeepMindが発表した医療AI「AIコクリニシャン」のように、臨床現場での実用性を確認する研究の流れに位置づけられるものだと考えられます。

　この研究は、スタンフォード大学のHEA3RTおよびSanta Clara Family Health Plan(SCFHP)と共同で行われ、参加者が実際に抱えている皮膚の悩みについてAIアプリを使い、その後医師の診察を受けるという形式で進められました。参加者が4つの言語を話すコミュニティだったため、アプリは各言語に翻訳され、通訳を担うスタッフも配置されたとのことです。

　Googleの発表によれば、このアプリを使うことで症状名を正しく推測できる割合は260%増加し(全体としての正答率自体は低かったとされています)、医師の86%がアプリの候補表示を自身の診断と一致していると感じ、92%の医師がアプリを有用なツールと評価したとのことです。参加者は、教科書的な画像と自分の症状を見比べる「パターンマッチング」を重視していたとも報告されており、様々な肌の色や重症度、部位の画像を揃えることの重要性が示唆されています。

マルチモーダルなアプローチへの示唆

　Googleはこれらの研究を踏まえ、画像とテキストを組み合わせたマルチモーダルなアプローチが、どちらか一方のみよりも利用者に好まれる傾向があると述べています。これは、Googleの医療AI「MedGemma」が画像とテキストの両方を扱えるモデルとして開発されている背景とも重なる部分があると考えられます。視覚的な手がかりから検索を始められることで、専門用語を知らない利用者でも情報にアクセスしやすくなる一方、適切な次の行動を案内するには、まだ人間中心の研究を重ねる必要があるとGoogleは結論づけています。

まとめ

　今回のGoogleの発表では、AIによる候補表示が症状名の理解を大きく助ける一方、適切な次の行動の判断にはまだ課題が残ることが示されました。健康情報の分野でAIを活用する際は、こうした研究の積み重ねが重要だと思います。AIヘルスケア機能については、OpenAIが発表した「ChatGPT ヘルスケア」の記事もあわせてご覧いただければと思います。