医療AIの「精度95%」をどう読むか｜数字に騙されない見方【2026年版】

そもそも「精度」という言葉が曖昧です

最初に、いちばん大事な話をします。日本語の「精度」は、機械学習の世界では複数の指標を指しうる言葉です。

• 正解率（Accuracy）——全体のうち、何割を正しく判定できたか
• 適合率（Precision）——「陽性」と判定したもののうち、何割が本当に陽性だったか

英語では Accuracy と Precision という別の言葉ですが、日本語ではどちらも文脈によって「精度」と呼ばれてしまいます。つまり「精度95%」という表現は、それだけでは何の数字か決まりません。

そして医療の現場では、さらに別の言葉が使われます。実は、医療でおなじみの用語と機械学習の用語は、多くが同じものを指しています。ここを対応させておくと、両方の資料が一気に読みやすくなります。

罠① 「正解率95%」は、何もしなくても作れる

まず、いちばん有名な落とし穴からいきます。

ある病気の有病率が1%だとします。1万人を検査すると、病気の人は100人、健康な人は9,900人です。ここで、こんな「AI」を考えてみてください。

このAIの正解率はいくつでしょうか。健康な9,900人は全員正解ですから、9,900 ÷ 10,000 = 99% です。

何も判定していないプログラムが、正解率99%を達成してしまいました。もちろん、病気の人は100人全員を見逃しています（感度0%）。医療的にはまったく使い物になりません。

これが「不均衡データ」における正解率の罠です。珍しい病気ほど、正解率という数字は簡単に高く見えます。もし有病率が0.1%なら、同じ手抜きAIの正解率は99.9%になります。

教訓：正解率だけが書かれた性能報告は、ほぼ情報がありません。必ず「見逃しはどれくらいか（感度）」とセットで確認してください。

罠② 感度95%・特異度95%でも、陽性の8割は外れる

「では、感度と特異度をきちんと出せばいいのですね」——そのとおりです。ただし、ここにもう一段深い罠があります。

先ほどと同じ有病率1%の状況で、今度は感度95%・特異度95%という、かなり優秀なAIを考えます。1万人に使うと、こうなります。

さて、このAIに「陽性です」と言われた人は590人。そのうち、本当に病気なのは95人です。

陽性的中率 ＝ 95 ÷ 590 ＝ 約16%
つまり、「陽性」と言われた人の約84%は、実際には病気ではありません。

感度も特異度も95%という優秀なAIなのに、陽性判定の精度は16%。これは計算間違いではなく、健康な人の母数が圧倒的に多いために起きる、避けようのない現象です。健康な9,900人の5%だけでも495人——病気の人の総数100人を、はるかに超えてしまうのです。

同じAIでも、使う場所で数字が変わる

ここまでの話には、重要な続きがあります。まったく同じ性能のAI（感度95%・特異度95%）でも、どこで使うかによって陽性的中率が激変するのです。

同じAIで、1.9%から95.0%まで変わります。ここから、とても実務的な結論が出ます。

論文や発表の数字が、自分の現場にそのまま当てはまるとは限りません。専門施設の「疑わしい人が集まる環境」で測った数字を、一般の健診にそのまま持ち込むと、偽陽性が想定よりずっと多く出ます。性能を見るときは「どんな集団で測ったか」を必ずセットで確認してください。

罠③ 感度と特異度は、同時には上げられない

「では、感度も特異度ももっと上げればいい」と思いたくなります。ですが、1つのモデルの中では、この2つはシーソーの関係にあります。

AIは多くの場合、「病気らしさ」を0〜1のスコアで出しています。そのうえで「何点以上を陽性とするか」という閾値（しきいち）を決めます。この閾値を動かすと——

見逃しを減らそうとすれば偽陽性が増え、偽陽性を減らそうとすれば見逃しが増えます。どちらが正解ということはありません。目的によって選ぶものです。

• 見逃しが致命的な場面（重い病気の一次スクリーニングなど）→ 感度を優先する
• 過剰な精密検査の負担を避けたい場面→ 特異度を優先する

ですから、「感度98%！」という数字を見たら、その裏で特異度がいくつになっているかを必ず確認してください。片方だけを大きく見せるのは、閾値をずらせば誰にでもできてしまいます。

AUCという数字の意味と限界

論文や資料では、AUC（またはAUROC）という指標もよく登場します。「AUC 0.95」のような形です。

これは、先ほどの閾値を0から1まで全部動かしたときの成績を、1つの数字にまとめたものです。0.5だと「でたらめと同じ」、1.0だと「完璧」を意味します。閾値の選び方に左右されないため、モデル同士を比べるときに便利です。

ただし、AUCにも読み方の注意があります。

• 実際に使う閾値での成績は分からない——AUCは全閾値の平均的な良さなので、「実運用で使う1点」の性能は別途確認が必要です
• 不均衡データでは高く出やすい——珍しい病気ほど、AUCは良く見えることがあります
• 陽性的中率は分からない——AUCが高くても、有病率が低ければ偽陽性は多く出ます

AUCは「モデルの素質」を測る数字で、「現場での使い勝手」を測る数字ではない——このくらいの理解がちょうどよいと思います。

罠④ その95%は「どのデータ」で測ったか

最後に、数字そのものより大切かもしれない話をします。

AIの性能は、評価に使ったデータによって変わります。特に医療では、次のような理由で「別の施設に持っていくと成績が落ちる」ことが知られています。

• 撮影機器・設定の違い——メーカーや条件が変われば、画像の質感も変わります
• 患者層の違い——年齢構成や重症度が違えば、有病率も変わります（罠②の話に直結します）
• 運用の違い——どのタイミングで撮るか、誰が使うかで入力が変わります

そこで確認したいのが、「学習に使ったデータとは別の施設・別の期間のデータで検証しているか」という点です。同じ施設のデータを分割しただけの検証は、良く見えがちです。複数施設での検証結果があるかどうかは、その報告を信頼してよいかの大きな手がかりになります。

数字を見たときの5つの確認事項

ここまでの内容を、実際に使えるチェックリストにまとめます。ニュース・営業資料・論文、どれにも使えます。

1. その「精度」は何の数字か？——正解率か、適合率（陽性的中率）か、感度か。書かれていなければ、まずそこを確認します
2. 感度と特異度が両方書かれているか？——片方だけなら、もう片方は悪い可能性があります
3. 対象集団の有病率はどれくらいか？——これが分からないと、陽性的中率は計算できません
4. 自分の現場と条件が近いか？——専門施設の数字は、健診にはそのまま当てはまりません
5. 別のデータで検証しているか？——複数施設・別期間での検証があるほど信頼できます

まとめ

要点を振り返ります。

• 日本語の「精度」は正解率とも適合率とも取れる曖昧な言葉。まず何の数字かを確認する
• 有病率1%なら、「全員陰性」と答えるだけで正解率99%。正解率だけの報告はほぼ情報がない
• 感度95%・特異度95%でも、有病率1%なら陽性的中率は約16%。陽性の多くは偽陽性になる
• 同じAIでも、有病率が変われば陽性的中率は1.9%〜95%まで変動する。使う場所が重要
• 感度と特異度は閾値によるトレードオフ。片方だけの数字は意味が薄い
• AUCはモデルの素質、現場の使い勝手とは別。外部データでの検証があるかも確認する

医療AIの数字は、難しい数学ではなく「どこを分母にしたか」を追うだけで、ほとんどが読み解けます。分母が変われば、同じ性能でも数字は大きく変わる——この一点さえ押さえておけば、見出しの数字に振り回されることはなくなります。

医療現場でのAIとの付き合い方についてはなぜ患者情報を生成AIに入力してはいけないのか、評価指標を試験対策として体系的に学びたい方は機械学習の基礎（評価指標）もあわせてどうぞ。