OpenAIは2026年9月、医療機関向けのChatGPT Healthcareで、Epicの電子カルテ（EHR）と接続する機能を発表しました。許可された患者情報を会話の文脈として利用し、診療前の情報整理、記録作成、退院後の説明などを支援する構想です。同時に、米国の公的医療データを横断検索するHealthcare Public Dataプラグインも示されました。
医療AIは、文章作成の効率だけで評価できません。患者情報の利用目的、アクセス権、回答の根拠、誤りの検出、記録の保存、最終判断者を一体で設計する必要があります。本稿ではOpenAIの公式発表を基に、電子カルテ連携と公的データ検索の範囲、評価結果の読み方、医療機関が導入前に確認すべき安全性を整理します。記載内容は2026年9月5日時点です。
ChatGPT Healthcareの電子カルテ連携とは
発表された連携は、ChatGPT HealthcareをEpicのEHRへ接続し、認証された医療従事者が担当患者の情報を参照しながら支援を受けるものです。患者の既往歴、検査、投薬など、権限のある情報が文脈に含まれることで、一般的な回答ではなく、診療状況に沿った情報整理を行いやすくなります。
重要なのは、一般利用者向けのChatGPTアカウントへ電子カルテを読み込ませる機能ではない点です。OpenAIは、対象を医療機関が管理するChatGPT Healthcare環境として説明しています。導入には組織契約、システム接続、権限設定、監査、運用規程が関係します。患者や職員が個人契約のチャットへ医療情報を貼り付ける運用とは区別しなければなりません。
EHR連携によって、情報探索の時間を短縮できる可能性はあります。例えば、長い診療記録から直近の変化を抽出し、服薬歴と検査結果を並べ、確認が必要な点を提示する使い方です。しかし、モデルが診断を確定したり、処方を自動決定したりする権限まで当然に含まれるわけではありません。どの処理を許可するかは、医療機関側の設計と責任です。
Healthcare Public Dataプラグインとは
Healthcare Public Dataは、医療従事者が公的な情報源を会話から検索できるようにするプラグインです。OpenAIの発表では、ClinicalTrials.gov、CMS Coverage、RxNorm、DailyMed、PubMedなど、九つの公式情報源を対象に挙げています。臨床試験、保険適用、医薬品名称、添付文書、論文といった異なる情報を、目的に応じて調べられる構成です。
この機能の価値は、検索結果を一つにまとめることだけではありません。どの情報源を参照したかを追い、根拠へ戻れることが重要です。医学情報は更新され、患者条件によって適用が変わります。要約文だけで判断せず、原資料の日付、対象集団、用量、禁忌、研究デザインを医療従事者が確認する必要があります。
対象情報源が米国中心である点にも注意が必要です。日本の薬事承認、保険適用、添付文書、診療ガイドラインと一致するとは限りません。日本の医療機関で利用する場合は、厚生労働省、PMDA、国内学会などの一次情報へ照合する運用が欠かせません。検索の便利さと、地域ごとの法制度・臨床判断を混同しないことが大切です。
OpenAIが公表した医師評価
OpenAIは、電子カルテを使う27の臨床ユースケースについて4,363件の医師評価を行い、回答の99.1%が安全と評価されたと発表しました。また、公的データ検索に関する別の評価では、対象とした五つの情報源すべてで93%以上が「良い」以上の正確性評価を得たとしています。
開発と評価には、60か国、49言語、26診療科にわたる数百人の医師が関わり、70万件を超える回答を確認したと説明されています。多様な専門家が参加した点は重要ですが、数値だけで全診療場面の安全性を保証するものではありません。
「99.1%が安全」と「99.1%が医学的に完全に正しい」は同じではありません。安全性の採点基準、症例の難しさ、回答に求めた範囲、医師間の一致度によって意味が変わります。また、残り0.9%が重大な誤りであれば、医療では無視できません。発表値は製品を検討する材料の一つとし、自院の診療科、言語、記録様式、患者層で別途評価する必要があります。
期待できる業務支援
診療前の情報整理
患者の長い記録から、直近の受診理由、治療変更、検査推移、未解決の確認事項を整理できれば、医療従事者が原記録を読む順序を付けやすくなります。ただし、要約から漏れた情報がないか確認できるよう、元記録への参照を残す必要があります。
診療記録の下書き
面談内容を定めた書式へ整理し、説明文や記録の下書きを作る用途では、事務負担を減らせる可能性があります。録音や音声認識を組み合わせる場合は、患者への説明、同意、録音データの保存・削除、第三者の会話混入まで考慮します。生成された記録は、担当者が診療事実と一致するか確認してから確定します。
患者向け説明の調整
専門用語を平易な表現へ置き換え、理解度や言語に合わせた説明案を作ることも想定できます。説明を分かりやすくする能力と、内容が医学的に正しいことは別です。投薬量、受診の緊急性、危険徴候などは、承認済みの情報と医療従事者の確認を経る必要があります。
公的資料の検索
臨床試験、薬剤、論文を横断して調査の入口を作る用途は有用です。検索漏れや古い資料の混入を前提に、引用元、公開日、更新日、研究の質を確認します。学術検索を一度行っただけで「該当研究が存在しない」と結論づけるべきではありません。
個人情報とHIPAA対応の考え方
OpenAIは、ChatGPT Healthcareがロールベースのアクセス制御、シングルサインオン、監査ログを備え、適用されるBusiness Associate Agreement（BAA）の下でHIPAA対象業務を支援できると説明しています。ただし、製品が対応機能を備えることと、医療機関の運用全体が法令に適合することは別です。
日本で扱う場合は、個人情報保護法、医療情報システムの安全管理に関する国内ガイドライン、委託先管理、越境移転などを自院の条件に照らして確認します。契約上の保存場所、再委託先、障害時の連絡、ログ提供、契約終了時の削除も重要です。米国のHIPAAに対応するという説明だけで、日本の要件を満たしたとは判断できません。
権限は職種名だけで大まかに与えず、担当患者、診療科、目的、期間へ細分化します。患者情報の一括取得や他院への送信など、通常業務から外れる操作を検知する仕組みも必要です。監査ログは保存するだけでなく、誰がどの頻度で確認し、異常時にどう停止するかまで定めます。
ハルシネーションと見落としへの対策
LLMは自然な文章で誤った内容を生成することがあります。さらに、誤った追加だけでなく、重要事項の省略も起こり得ます。医療では、アレルギー、禁忌、腎機能、妊娠、薬剤相互作用など、一つの見落としが重大な結果につながります。
対策は「AIの回答を必ず確認する」という注意書きだけでは不十分です。高リスク項目を構造化データとして別に照合し、出典のない数値を表示しない、薬剤名や単位を機械的に検査する、元記録へワンクリックで戻れるようにするなど、確認しやすい画面設計が必要です。モデルへ診療情報を要約させる場合も、アレルギーや緊急所見を独立した固定欄として扱う方法が考えられます。
また、自信のある文体を正確性の指標にしてはいけません。「分からない」「情報が不足している」と適切に止まれるか、矛盾する記録を人へ示せるかを評価します。正解率だけでなく、危険な断定率、根拠表示率、重要情報の再現率を測るべきです。
医療機関が導入前に行う評価
最初に、導入目的を一つに絞ります。「医療の質を上げる」のような広い目標ではなく、「退院説明の下書き時間を短縮し、薬剤情報の誤記を増やさない」など、効果と安全性を測れる形にします。対象外の用途も同時に決めます。
次に、実データを匿名化した評価セットまたは適切に管理された検証データを用意します。通常症例だけでなく、複数疾患、表記揺れ、記録の矛盾、外国語、緊急所見、空欄を含めます。診療科ごとの医師、看護師、薬剤師、医療情報部門、法務・個人情報担当が異なる観点で評価します。
評価指標には、事実誤り、重要事項の欠落、不適切な推奨、根拠リンクの正しさ、修正時間を含めます。業務時間が短くなっても確認負担や事故リスクが増えるなら、導入効果はありません。誤りが起きたときに、モデル、データ、設定、利用者操作のどこまで追跡できるかも試します。
限定運用を始めた後は、モデル更新、情報源の更新、EHR画面の変更を変更管理の対象にします。更新後に同じ評価セットを再実行し、以前と同じ安全基準を満たすことを確認します。患者へAI利用をどう説明するか、問い合わせや訂正要求へ誰が対応するかも運用手順に含めます。
導入時の確認チェックリスト
契約面では、対象データ、処理目的、保存期間、保管地域、再委託、学習利用の有無、障害通知、削除証明を確認します。技術面では、SSO、多要素認証、最小権限、端末制御、監査ログ、暗号化、データ損失防止を確認します。臨床面では、対象業務、最終判断者、根拠確認、禁止用途、停止条件、品質指標を決めます。
さらに、患者安全上の問題が疑われたときの報告経路を一本化します。誤回答を個人の操作ミスとして終わらせず、同種の回答が他の患者にも出ていないかを調べ、必要に応じて機能を停止します。現場が問題を報告しやすい仕組みを作ることが、長期的な安全性につながります。
誤解しやすい点
電子カルテへ接続できることは、AIが担当医になることを意味しません。公的データへ接続できることも、すべての医学情報が最新で完全になることを意味しません。評価で高い安全性が示されても、自院の環境、言語、症例で同じ結果になる保証はありません。
また、導入を「医師対AI」の比較だけで考えると、実務上の改善点を見失います。目標は医療従事者を置き換えることではなく、情報を探す時間を減らし、確認すべき点を見つけやすくし、患者との対話へ使える時間を増やすことです。最終判断と説明責任を人に残したうえで、どの工程を支援させるかを設計します。
まとめ
ChatGPT Healthcareの電子カルテ連携と公的データ検索は、診療情報の整理や根拠探索を支援する可能性があります。一方、一般向けChatGPTへの単純な情報貼り付けとは異なり、組織契約、権限、監査、法令、臨床評価を伴う医療システムとして扱う必要があります。
導入判断では、OpenAIの公表評価を出発点にしつつ、自院の症例と業務で安全性を再検証します。出典へ戻れる設計、重要項目の機械的照合、医療従事者の最終確認、異常時の停止と報告を組み合わせることが欠かせません。Accomplirでは、医療を含む高機密業務について、ユースケース整理、データ保護、評価設計、監査可能なAI基盤の構築を支援しています。
よくある質問
個人のChatGPTへ電子カルテを接続できますか
今回発表された機能は、医療機関が管理するChatGPT Healthcare向けです。個人アカウントへ患者情報を入力する運用とは異なります。所属組織の規程と契約を必ず確認してください。
医師評価で99.1%安全なら診断を任せられますか
任せられるという意味ではありません。特定の27ユースケースに対するOpenAIの評価結果であり、医学的な完全正答率や全症例の保証ではありません。最終判断は資格を持つ医療従事者が行います。
Healthcare Public Dataは日本の薬事情報にも対応しますか
発表で挙げられた情報源は米国中心です。日本で利用する場合は、PMDA、厚生労働省、国内ガイドラインなどへ照合する必要があります。
医療機関が最初に試すならどの用途が適切ですか
診療前の情報整理や患者説明の下書きなど、医療従事者が元記録と照合でき、誤りを公開・確定前に修正できる用途が候補です。診断や処方の完全自動化から始めるべきではありません。