Google、健康分野のAIモデルの正確性・安全性・有用性を評価する枠組みを公開

Elizabeth McGlynn博士、Dana Gelb Safran博士と共同執筆した白書で、選択式ベンチマーク、自動評価器、専門家レビューを組み合わせる。自社モデルの新たなスコアは示していない。
なぜ重要か
健康に関する質問はチャットボットの主要な用途の一つだが、回答の安全性を確かめる共通の方法はない。Googleの論文は評価を基盤モデルから導入後の監視までの製品段階と、正確性・安全性・有用性の3領域に対応づける。成績表ではなく手法であり、他社モデルとの比較はできない。著者が目標とする医療機関、調達担当者、規制当局による採用が進むかが焦点となる。
要点
- 3領域:正確性・安全性・有用性
- 手法:選択式ベンチマーク、自動評価器、専門家レビュー
- Elizabeth McGlynn氏、Dana Gelb Safran氏と共同
- 論文は2026年11月3日にarXivへ投稿