AI模擬患者で医療面接を鍛える

患者説明の次は、問診力そのものを鍛える。

はじめに：練習機会のボトルネック

医療面接は回数で伸びる。だが研修医にとって、練習の場は驚くほど少ない。OSCE [2] 以降は実患者で場数を踏むしかなく、振り返りも自分の記憶頼みになる。上級医に患者役を頼むのはハードルが高い。

生成AIがこのボトルネックを解消する [1]。症例設定を渡して患者役を演じさせれば、時間も相手の都合も気にせず問診を繰り返せる。振り返りまでそのままAIに任せられる。このレッスンでは、AI模擬患者の設定方法と運用上の注意点を扱う。

AI模擬患者の作り方

ChatGPTでもClaudeでも、症例設定を渡して患者役を演じさせるだけで成立する。精度を決めるのは、最初のプロンプトで渡す枠組みの密度だ。

あなたは54歳の男性です。3日前から右下腹部に痛みがあります。
私は外来の医師で、これからあなたに問診をします。
以下のルールで答えてください。

【ルール】
- 私が聞いたことにだけ答える（聞いていない情報は出さない）
- 一般人らしい言葉で話す（医学用語は使わない）
- 痛みや症状を聞かれたら、遠慮せず素直に表現する
- 私が「終わり」と言うまで患者役を続ける

【裏設定（あなたしか知らない情報）】
- 実は虫垂炎初期
- 2日前から微熱（37.6℃）
- 食欲低下、嘔気あり、嘔吐なし
- 既往：高血圧、内服中
- アルコール毎日2合

裏設定がミソだ。この情報を問診で引き出せるかどうかを試すゲームになる。聞き忘れた既往歴、拾えなかった併存症、触れなかった生活歴。終了後にすべて可視化される。

練習の3つのモード

目的別に3つのモードで使い分けられる。

失敗しても誰も傷つかない。だから何度でも試せる。

振り返りもAIにさせる

問診が終わったら、同じチャットの中で振り返りを頼む。

今の問診を振り返ってください。
- 私がうまく聞けた項目
- 私が聞き漏らした項目
- もっと早く絞り込めた質問
- 患者として不快だった聞き方があれば
を箇条書きで挙げてください。

AIは患者目線と医師目線の両方からフィードバックを返す。「OSCE評価表の形式で」と追加すれば、構造化されたチェックリストにもなる。一人で練習しているのに、自分では気づけなかった盲点が浮き上がってくる。

限界と注意点

当然、限界もある。

非言語情報が再現できない。顔色、表情、姿勢、声の震え。実際の問診では情報の半分以上が非言語チャネルから入る。テキストベースのAIにこれは無理だ。ただし評価の自動化には進展がある。2026年のJMIR Medical Education誌の研究では、AI模擬患者システムにおけるAI評価が人間評価と同等の精度を示し、評価にかかる時間を半分以下に短縮したと報告されている [3]。

稀少疾患のパターンに偏りがある。AIは平均的な症状の組み合わせを返しがちで、教科書から外れた非典型例は苦手だ。「非典型に演じて」と指示すればある程度対応するが、限界はある。

本物の患者の代わりにはならない。AI模擬患者は事前練習と振り返り教材であり、実患者での経験を補完する道具だ。そう割り切って使う。なお、2025年にCommunications Medicine誌に発表された論文では、LLMベースのエージェントが医学教育における模擬患者の在り方を根本から変える可能性が論じられている [4]。この分野は今まさに急速に発展している。

まとめ

AI模擬患者は、いつでも開ける問診ジムだ。基本反復、難症例、鑑別検証の3モードを回し、振り返りまでAIに任せれば、独学でも面接力は確実に伸びる。次回は自己学習の基盤となる、AIによるまとめノート作成に進む。

参考文献

1. Holderried F, Stegemann-Philipps C, Herschbach L, et al. A Generative Pretrained Transformer (GPT)-Powered Chatbot as a Simulated Patient to Practice History Taking: Prospective, Mixed Methods Study. JMIR Med Educ. 2024;10:e53961.
2. Harden RM, Stevenson M, Downie WW, Wilson GM. Assessment of Clinical Competence Using Objective Structured Examination. Br Med J. 1975;1(5955):447-451.
3. AI-based assessment in simulated patient encounters. JMIR Med Educ. 2026;1:e81673. AI評価が人間評価と同等の精度を示し、評価時間を半分以下に短縮。
4. LLM-based agents for transforming simulated patients in medical education. Communications Medicine. 2025. LLMエージェントが医学教育の模擬患者を変革する可能性を報告。