医療・公衆衛生分野での生成AI活用が拡大する中、主要大規模言語モデルに内包される健康関連のスティグマが実務環境で顕在化する可能性を示す研究がNature Health（2026年）に発表された。本調査は、AIが理論上は公平に見えても実際の臨床シナリオではバイアスを呈する評価ギャップを解明することを目的とした。 研究チームはChatGPT、Grok、Claudeを含む6つの主要モデルに対し2段階の評価を実施した。第一段階ではHIV、B型肝炎、精神疾患に対するスティグマを測定する標準化調査票をモデルに実施し、すべてのAIが人間の実証データと比較して著しく低いスティグマスコアを示した。表面上の公平性が確認された一方で、第二段階の文脈判断タスクでは、健康状態のみを変えた51の日常的なストーリーの続きを生成させた際、明らかな偏りが浮上した。精神疾患やHIV・B型肝炎の患者は健常者と比較して危険視され、距離を置くべき存在として描写される傾向が強く見られた。一方、腰痛や高血圧などは無能さや同情の対象とみなされた。また中国語プロンプトは英語よりスティグマ一致回答を多く生成し、ステップバイステップの推論指示を与えることでバイアスが大幅に抑制されることも実証された。 本研究が示す核心的な示唆は、医療AIの公平性評価において静的な質問票テストに依存することが危険であるという点だ。実際の診療支援においてAIがバイアスを含んだ判断を下せば、患者の受診抑制や医療格差の拡大を招く恐れがある。チームはこれらの問題を軽減するための9つの対策を提案している。具体的には疾患名による人格定義を避ける個別化や、状況に無関係な健康情報を除外する関連性フィルタリングの導入、および医療機関向けプロンプトツールの提供を提唱している。さらに根本的な解決策として、AI開発企業に対し商品化前に文脈依存タスクを用いたバイアス監査を義務付けることを求めている。 生成AIが診断補助や治療方針の決定に深く関与する今後、モデルの出力特性を多角的に検証し、医療現場に安全に統合するための評価基準の再定義が急務となっている。