OpenEvidence（オープンエビデンス）とは？全米の医師4割が使う医療AIの使い方・日本語対応を解説

こんにちは、株式会社TIMEWELLの濱本です。

医療従事者向けの検索AIと一括りにされがちですが、OpenEvidenceの設計思想は「査読済みの医学文献を中心に参照し、必ず出典を付けて答えるAI」という一点にあります。汎用の対話AIとは別の方向に進化したこの設計は、医療の外、特に企業の社内ナレッジを扱うエンタープライズAIにも大きな示唆を与えます。

私自身、AIコンサルティングの現場で「ChatGPTに社内ドキュメントを読み込ませて使っていいか」「ハルシネーション、つまりAIがもっともらしい嘘を作る現象への対策をどう設計するか」という相談を毎週のように受けています。OpenEvidenceの仕組みを丁寧にほどいていくと、その問いに対する答えの一つが見えてきます。この記事は2026年前半に何度か更新してきましたが、その後も売上や評価額、提携が動き続けているため、今回あらためて確認できた事実を最新化しました。OpenEvidenceの普及状況、資金調達の全体像、日本の医師が日本語で使う具体的な手順、患者情報の扱いを含めた運用上の落とし穴、そこから抽出できる企業AI活用への示唆まで、順に整理していきます。なお、自社のAI導入で投資対効果の目安を先に押さえておきたい方は、AI導入ROIの無料試算で数分あれば概算を出せます。

OpenEvidenceとは何か、全米4割の医師が使う医療AI

OpenEvidenceは、法人としては2021年9月に設立された米国の医療向けAIスタートアップです¹。ここは資料によって表記が分かれる部分で、Wikipediaは2022年発足としており、公開情報の間でも設立年に食い違いがあります²。事業として本格展開が始まったのは2023年で、Mayo Clinic Platformのアクセラレータープログラム（Accelerate）を経て、臨床現場の知見を取り込みながら医療情報の構造化と検索を磨いてきた、というのが実態に近いようです¹。「2021年に会社を興し、2023年から本格展開」と押さえておくと、後述の急成長のタイムラインとも整合します。

創業者でCEOのDaniel Nadler氏は、経済データ分析のAI企業Kenshoを立ち上げ、後にS&Pグローバルへ約5億5,000万ドルで売却した連続起業家です¹。二社目になぜ医療を選んだのか。Contrary Researchの分析によると、Nadler氏は祖父を医療過誤で亡くしており、共同創業者でハーバード大学で機械学習を研究していたZachary Ziegler氏も、義兄が白血病の治療を経験していたという個人的な原体験が出発点だったとされています¹。特定の医療機関からスピンアウトした企業ではなく、二人が独立して立ち上げた会社という点も、フラットに医学界全体と提携していく後の戦略につながっているように見えます。

普及のスピードが何より特異です。データベース提供のSacraによると、2026年前半時点で全米の医師の約40%が毎日OpenEvidenceを使い、利用医療機関は1万を超え、毎月およそ6万5,000人の新規登録があるとされます³。登録している米国医師は2025年12月時点で約76万人という数字も報告されています²。便利な検索ツールというより、米国医療の入り口に新しい層が一枚足された、と捉えたほうが規模感がつかみやすいと思います。

事業指標の伸びも尋常ではありません。Sacraの2026年5月更新によれば、2025年通期の売上は約1億5,000万ドルで、前年2024年の790万ドルからおよそ18倍、率にして前年比プラス1,803%という数字が示されています。粗利率は約90%、1利用者あたりの平均収益（ARPU）は約124ドルと報告されています³。医師に一切課金せずにこの規模の収益を作っている点が、このビジネスの核心です。

指標	数値	補足
米国医師の毎日利用率	約40%	1万超の医療機関で利用3
登録米国医師数	約76万人	2025年12月時点2
月間新規登録	約6万5,000人	2026年前半3
月間臨床相談数	約2,000万件	2026年1月時点3
2025年通期売上	約1.5億ドル	前年比+1,803%、粗利率約90%、ARPU約124ドル3
直近の資金調達	2億5,000万ドル（シリーズD）	評価額120億ドル、2026年1月4

収益モデルの発想は検索エンジンに似ています。OpenEvidenceは医療従事者には無料で提供され、製薬企業の広告や研究パートナーシップから収益を得る構造です。製薬業界のヘルスケアマーケティング支出は年間およそ300億ドルとされ、医師という到達しにくい層へ直接届く広告枠は極めて価値が高い¹。医師に課金しないからこそ短期間で全米に広がり、その利用者ベースが広告主にとっての価値になる、という循環です。ただしOpenEvidenceは臨床コンテンツと広告を明確に分離し、広告は推奨ではないと明記しているとされます¹。この線引きを維持できるかどうかが、医療インフラとしての信頼を左右すると私は見ています。

2026年前半の最新アップデートと資金調達の全体像

この記事を最初に公開したあとの半年で、OpenEvidenceをめぐる状況は大きく動きました。古い数字のまま放置すると実態を見誤るので、確認できた範囲で更新しておきます。

資金調達は駆け足でラウンドを重ねています。断片的に語られることが多いので、ここで全体像を一枚にまとめておきます。

ラウンド	調達額	評価額	時期	主なリード投資家
シリーズA	7,500万ドル	10億ドル	2025年2月	Sequoia Capital2
シリーズB	2億1,000万ドル	35億ドル	2025年7月	GV・Kleiner Perkins・Coatue 等5
シリーズC	2億ドル	約60億ドル	2025年10月	非公表3
シリーズD	2億5,000万ドル	120億ドル	2026年1月	Thrive Capital・DST Global4

わずか1年でユニコーン（評価額10億ドル）から評価額120億ドルへ、実に12倍です。2026年1月21日のシリーズDでは累計調達額が約7億ドルに達し、年間収益は1億ドルを超えたと報じられました⁴。出資者にはNvidia、Google Ventures、Sequoia、Blackstone、Bond、Craft Ventures、そしてMayo Clinicといった名前が並びます⁴。半年前まで参照していた「2億ドル調達・評価額60億ドル」という数字は、実際にはその前の2025年10月のシリーズCのもので、すでに一段階古くなっていました。

普及の指標も伸びています。月間相談数は2025年12月の約1,800万件から2026年1月には約2,000万件規模へ拡大しました。1年前の同月がおよそ300万件だったことを踏まえると、1年で6倍を超えた計算になります。2026年3月10日には24時間で100万件の相談を処理したとも報告されており、もはや実験段階のツールではありません⁴³。

機能面で見逃せないのが、エージェント型AIへの拡張です。OpenEvidenceは2025年7月のシリーズB発表に合わせて「DeepConsult」を投入しました⁵。これは一回の指示で複数の論文を並行して読み込み、博士課程レベルの調査レポートを自動で組み立てる機能で、公式ガイドによれば通常の検索の100倍を超える計算資源を一度の実行に割り当てるとされています⁶。質問に一問一答で答える会話的な検索から、調べものそのものを任せるエージェントへと役割が広がった、と理解すると分かりやすいでしょう。

現場への組み込みも進みました。2026年3月末、ニューヨークのMount Sinai Health Systemは、OpenEvidenceを電子カルテ（Epic）の中に統合し、傘下の7病院で医師だけでなく看護師や薬剤師にも展開すると発表しました。これはOpenEvidenceにとって初のエンタープライズ規模の導入と報じられており、参考にとどまる教育ツールから、診療の流れの中で使われる業務インフラへと一歩進んだことを示します⁷。同様のカルテ統合は、報道ベースでSutter Healthが2026年2月、Cedars-Sinaiが全システムで2026年5月に進めたとされます³。文献検索の枠を超えて、医療現場の標準装備になりつつあります。

なぜ出典付きで答えられるのか、その仕組み

汎用の対話AI（ChatGPT、Claude、Geminiなど）はインターネット上のテキスト全般で訓練されています。雑誌も小説もSNSの投稿も区別なく取り込んでいる、いわば何でも屋です。これに対してOpenEvidenceは、参照する情報を査読済みの医学文献やガイドラインに厳しく絞り込むことで差別化しています。料理にたとえるなら、市場のあらゆる食材を使う総合店ではなく、産地と鮮度を確認した素材しか仕入れない専門店、という設計です。

索引している査読済み論文は、報道によれば約3,500万件に達するとされます¹。この巨大なコーパスの土台になっているのが、医学界の正典との公式提携です。2025年2月にはNEJM（New England Journal of Medicine）と、2025年6月にはJAMA Networkと提携し、後者では11の専門誌がライセンス対象に含まれると報じられました²¹。さらにAMA（米国医師会）、NCCN（がんの診療指針を出す組織）、AAFP（米国家庭医学会）、ACEP（米国救急医学会）、JAMA OncologyやJAMA Neurologyといった学会・専門誌との連携も進んでいます¹。参照しているのはこれらの論文本文に加え、専門学会の最新ガイドライン、FDAの添付文書やCDC（米疾病対策センター）の感染症ガイダンス、薬剤の相互作用や用量・禁忌のデータベースなどです。

技術的には、この情報源に対して大規模言語モデルをチューニングしたうえで、質問のたびに関連文献を取り出して回答を組み立てる、検索拡張生成（RAG。外部の文書を都度引いて答えを作る方式）を採っています。回答には引用が並び、医師はその場で原文に飛んで一次情報を確認できます。米国の医師国家試験USMLEでは、2023年に約90%だったスコアが2025年には100%、つまり満点に相当する水準へ到達したと報告されており、文献を扱う精度の高さがうかがえます²¹。

押さえておきたいのは、ハルシネーションが起こりにくいのではなく、起きても医師が即座に検証できる設計だ、という点です。幻覚を完全に防ぐAIは現時点では存在しません。OpenEvidenceは出典を必ず返すことで、医師が根拠を吟味する作業を使い方そのものに組み込ませる構造を選んでいます。

項目	OpenEvidence	ChatGPT/Claude（汎用）
参照する情報	査読済み医学文献が中心（約3,500万件）	一般的なウェブテキスト全般
出典	引用付きで必ず提示	任意で、誤りも混じる
最新ガイドライン反映	公式パートナー経由で素早い	学習データの区切りに依存
主たるユーザー	医療従事者（認証あり）	一般ユーザー
料金	医師は無料	有料プランあり
規制との整合性	教育ツールとして運用	医療目的での使用は推奨外

汎用LLMの医療タスク性能も2026年に入って着実に上がっている、というのが現場での実感です。それでも、ガイドラインのどの版を参照しているかの管理、出典の引用責任、医療従事者という閉じた利用者ベース、この3点でOpenEvidenceの位置取りは独自性を保っています。

日本の医師が日本語で使う手順と、他の医療AIとの違い

「日本から使えるのか」という問いは、私のところにもよく届きます。結論を先に言うと、複数の利用報告を見るかぎり2026年前半時点では使えます。openevidence.com に直接アクセスし、医師であることを示す書類をアップロードして審査を受ける、というのが基本の流れです。ただしこの点は日本語のブログ等での利用報告がもとで、OpenEvidence側の公式アナウンスは現時点で未確認なので、最新の登録条件は自分で確認してほしいところです⁸。

登録の手順は次のように報告されています。まずウェブ版（openevidence.com）を開いてメールアドレスでアカウントを作り、医師免許証の画像をアップロードして認証を受けます。日本の医師免許証でも受け付けられた事例が複数報告されています⁸。診療科や所属医療機関を登録し、承認されると本格的な利用が始まる、という順番です。承認を待つ前に感触を試せるゲストモードも用意されているとされ、iOS・Android向けのアプリも提供されています。外来の合間にスマートフォンで参照する、という使い方が広がっているのはこのためです。

利用対象は医療従事者に限定されている、という線引きは押さえておきたいところです。一般の人が自分の症状を入力して自己診断に使うことは想定されていません。この点はUpToDateのような臨床意思決定支援サービスと同じで、あくまで専門家が判断の材料として使う道具、という位置付けです。

日本語での入力にも2026年に入って対応したと報告されています。質問を日本語で書くと、英語の論文を読み解いたうえで日本語で答えが返ってくる、という挙動です。引用論文のリンクは英語のままなので深掘りには英語を読む力が要りますが、要約の段階での言語の壁は大きく下がっています。GIGAZINEが2026年6月1日に行った検証では、慢性的な疲労感と関節の痛みといった主訴を入力すると、疑うべき疾患の候補とそれぞれの根拠論文、推奨される検査が出典付きで返ってきたと報告されています⁹。主訴を投げると鑑別疾患の候補と根拠と次の検査までが一続きで返る、というのが典型的な回答の形です。医師が情報を整理する前提なら、日本語環境でも十分に機能する水準に達したと見ています。

立ち位置を理解するには、隣接プロダクトとの違いも押さえておきたいところです。医療AIと呼ばれる領域は2026年時点で急速に広がっており、医学データベース型のUpToDateやDynaMed、論文の要約に強いConsensusやPerplexity、医師コミュニティ発のDoximity GPT、臨床推論に振ったGlass Healthなどが並びます。加えて、AnthropicのClaude for HealthcareやOpenAIのヘルスケア向け製品が医師向けAIとして直接ぶつかってくる構図も生まれています⁴。このなかでOpenEvidenceの輪郭を際立たせているのは、医師認証と出典の必須提示、そして学会・出版社との公式提携という組み合わせです。汎用LLMは、あらゆる質問に答えられる代わりに医療領域では責任を持ちきれない設計で、利用規約上も医療目的の使用には注意喚起が入ります。OpenEvidenceは逆に、医療しか答えない代わりに医師認証と出典の必須提示で線を引きました。歴史の長いUpToDateは、Wolters Kluwerが提供する臨床意思決定支援サービスで、専門医のチームが手作業で査読しながら記事を執筆・更新します。信頼性は高い反面、結論にたどり着くまでの手数が多く、自然な会話での検索には向きません。

比較軸	OpenEvidence	UpToDate
形式	エージェント型（会話的）	データベース型（記事閲覧）
情報源	査読済み論文とガイドライン	専門医による執筆記事
更新の仕方	連続的に反映	記事単位で随時更新
料金（医師）	無料	有料サブスク
検索体験	質問するとすぐ回答と出典	キーワードから記事を読む
強み	即応性と網羅性	専門家編集の信頼性

実際には、外来の三分間で結論まで持っていきたい局面がOpenEvidence、腰を据えて領域全体を読み込みたい局面がUpToDate、という棲み分けで併用されています。OpenEvidenceが既存ツールを駆逐したわけではありません。医師が出典を確認しながら使うこの形は、企業が社内文書をAIに扱わせるときの理想形でもあります。私たちのエンタープライズAI ZEROCK を設計するときも、ここを出発点にしました。

日本で使うときに気をつけたい安全性の論点

ここまで読むと「日本でも使えるなら使ったほうがよい」と感じるかもしれません。実際に外来で活用している日本の医師は増えていますが、安全に使うための注意点は無視できないと考えています。

最初に整理しておきたいのが、患者情報の扱いです。OpenEvidenceは2025年4月に米国のHIPAA（医療保険の相互運用性と説明責任に関する法律）準拠を取得したと報じられています¹。米国の患者情報保護法制の枠内で運用されている、という意味では前進です。ただしこれは米国の制度であって、日本の医師が患者の情報を入力してよいかどうかは別問題です。日本では個人情報保護法と各医療機関の情報管理規程、そして医師の守秘義務が優先します。海外事業者のサーバーに患者を識別できる情報を送る行為は、施設の規程で禁止されていることが多く、そもそも臨床の疑問を解くのに個人が特定できる情報は必要ありません。特定の患者を識別できる情報は入力しない、という運用にとどめるのが安全だと考えています。米国のHIPAA準拠と、日本での運用留意点は、分けて理解しておくのが賢明です。

次に大きいのが、米国の最新治療と日本の保険制度のあいだにあるずれです。OpenEvidenceは米国の最新エビデンスを反映しているため、米国では標準治療として推奨されている薬剤や治療法が、日本では未承認だったり保険適用外だったりすることが珍しくありません。肥満症治療薬や一部のがん免疫療法、希少疾患の遺伝子治療などは、米国で承認されてから日本で保険収載されるまでに数年単位のずれが生じます。OpenEvidenceの回答をそのまま最新の標準治療として患者に提示してしまうと、保険診療では使えない、自由診療になる、そもそも国内で入手できない、といった事態が起きます。提示されたエビデンスを批判的に評価し、日本のガイドラインと保険ルールに照らして読み替える運用が前提になります。

国内学会のガイドラインとの差異も意識したい点です。日本のがん診療、循環器、糖尿病などの各ガイドラインは、独自のエビデンス評価とコンセンサスの過程を経て作られています。同じ臨床試験を評価しても、推奨の強さが欧米の学会と異なるケースは少なくありません。OpenEvidenceは米国学会のガイドラインを優先的に参照しているため、回答が国内の推奨と食い違うことがあります。このとき大事なのは、どちらが正しいかではなく、どちらの推奨にどんな根拠と背景があるかを医師が解釈することです。教育用途や参考情報という位置付けで使う限り問題ありませんが、ガイドラインを覚える代わりに使うのは危険だと考えています。

規制上の位置付けも整理しておきます。日本ではAIを医療機器として使う場合、薬機法上のSaMD（Software as a Medical Device、医療機器としてのソフトウェア）規制が適用され、PMDA（医薬品医療機器総合機構）の承認を取得した製品とそうでない製品の境界が厳格に管理されています¹⁰。OpenEvidenceは現時点で日本のSaMD承認を取得しているわけではなく、あくまで医療従事者向けの教育情報ツールと位置付けるのが妥当です。米国では、心電図の画像から6種類の構造的心疾患を検出するAI「EchoNext」をPathway Labsが開発し、FDA（食品医薬品局）のクリアランスを取得したうえでOpenEvidenceに統合する動きも報じられています¹¹。AI診断補助そのものが承認を取りはじめている流れと、文献を参照する教育ツールを混同しないことが、日本で安全に使ううえでの分かれ目になります。参考になる国内の指針としては、厚生労働省が2024年9月に公表した医療デジタルデータのAI利活用ガイドライン¹²や、HAIP/CIPがまとめた医療・ヘルスケア分野における生成AI利用ガイドライン第2版¹³があります。最終的な診療判断は医師の責任で行う、という原則はOpenEvidenceの規約にも繰り返し明記されており、補助ツールとしての使い方を逸脱しない院内ルールの整備が欠かせません。

企業のナレッジ管理AIに応用できる「文献AI」の発想

最後に、これを企業のAI活用にどう翻訳できるかというビジネス側の論点に踏み込みます。OpenEvidenceが医療現場に浸透した理由を分解すると、四つの原則に集約できます。

1. 参照範囲を汎用ウェブから査読済み医学文献に絞り込んだこと
2. 回答に出典を必ず付け、ユーザーが原典を検証できるようにしたこと
3. 医師であることを認証したうえでしか深い機能を使わせず、リスクを制御したこと
4. NEJMやJAMAといった業界の正典と公式に提携し、正しさの根拠を社会的に担保したこと

この四つは、医療以外の専門領域でもそのまま再現できると考えています。法律事務所が判例と条文に特化したAI、製造業が技術文献と特許に特化したAI、金融機関が規制文書に特化したAIといった具合に、専門領域のコーパスに特化したAIへの需要が立ち上がっています。私が現場で繰り返し受ける相談も、突き詰めると三つです。ひとつ目は、ChatGPTやClaudeに社内文書を貼り付けると、契約上は学習対象外でも漏洩ゼロを保証しきれず、秘密保持契約や情報管理規程と折り合わないこと。二つ目は、汎用LLMが自社の社内文書を踏まえた回答をしてくれず、毎回プロンプトに貼り付ける力技では再現性も規模も出ないこと。三つ目は、回答に出典が付かないため、役員会の意思決定や法務判断に使う段になって検証手段がなく、ほぼ確実にブロッカーになることです。こうした論点の整理から導入計画づくりまでを伴走するAIコンサルティングとして、私たちはWARPを提供しています。生成AIの状況は月単位で変わるため、内容を月次で更新しながら進めるスタイルです。

OpenEvidenceは医療領域で、この三つを専門領域への特化と出典付きと認証で解いています。同じ思想を企業の機密文書管理に持ち込んだのが、私たちTIMEWELLが提供するエンタープライズAIエージェントのZEROCKです。ZEROCKは顧客企業の社内文書だけを参照対象とするテナント分離設計を採り、全回答に元ファイルと該当箇所へのリンクを自動で付与します。SSO（一度のログインで複数システムを使える仕組み）や権限管理、監査ログによる役職別のアクセス制御も備え、日本国内のAWSサーバーで運用し、入力データはLLMの学習対象外として契約と技術の両面で保護しています。医療・金融・公共のように国内にデータを置くことが必須の業界でも、調達要件をクリアできる構成です。GraphRAGという関係性をたどる検索方式を使っているため、単語の一致だけでなく「あの契約の更新条件」「あの規程の改訂履歴」といった文書間のつながりを踏まえた問いにも答えられます。監査ログや権限管理をどう設計するかという統制の論点は、別稿の企業のAI監査統制（ISO42001/SOC2）で詳しく整理したので、あわせて読んでもらえると全体像がつかみやすいはずです。

OpenEvidenceが米国医療の入り口に新しい層を作ったように、企業の業務にも自社ナレッジに特化したAIエージェントという層が標準で実装されていく、と私は見ています。汎用LLMを禁止するか許可するかの二択ではなく、専門領域AIを別レイヤーで整える、という発想です。自社の文献AIをどう設計すればよいか迷っている方は、個別相談で具体的な活用イメージを一緒に整理できます。

まとめ

OpenEvidenceは、汎用LLMとは別の進化系として、医療領域に専門領域コーパスへの特化と出典付き回答と医師認証を組み合わせたAIを社会実装しました。2021年設立から2023年の本格展開を経て、2026年前半には評価額120億ドルへの到達、2025年通期売上約1.5億ドル（前年比プラス1,803%）、Mount SinaiでのEHR統合、DeepConsultによるエージェント化と、わずかな期間で立ち位置が大きく前進しています。日本の医師にも開かれつつありますが、患者情報の扱いとHIPAAの位置付け、米国の最新治療と日本の保険収載のずれ、国内学会ガイドラインとの差異、SaMD規制との関係といった安全性の論点を踏まえる必要があります。

ここから抽出できる教訓は医療に限りません。専門領域コーパスへの特化、出典付き回答、ユーザー認証によるリスク制御、業界正典との提携という四原則は、企業の機密文書AIにそのまま転用できます。汎用LLMの議論で疲弊している企業のAI担当者は、一度OpenEvidenceの仕組みを観察して、自社のドメインに翻訳してみる価値があります。私たちTIMEWELLはZEROCKという形でこの思想を製品化しているので、入り口としてお声がけいただければと思います。

関連記事

• ZEROCK：企業の機密文書ナレッジ管理AIエージェント
• エンタープライズAIエージェント徹底比較：選定軸と国内主要製品
• エンタープライズAI用語集：押さえておきたい主要概念

参考

Footnotes

1. OpenEvidence Business Breakdown & Founding Story（法人設立2021年9月・創業の経緯・HIPAA準拠・3,500万論文・広告モデル・競合） — Contrary Research — 参照2026-07 — https://research.contrary.com/company/openevidence ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹

2. OpenEvidence（創業年・登録医師数・資金調達履歴・USMLE・提携・DeepConsult） — Wikipedia — 参照2026-07 — https://en.wikipedia.org/wiki/OpenEvidence ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

3. OpenEvidence revenue, valuation & growth metrics — Sacra — 2026-05-10更新 — https://sacra.com/c/openevidence/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹

4. OpenEvidence hits $12B valuation with new round led by Thrive, DST — TechCrunch — 2026-01-21 — https://techcrunch.com/2026/01/21/openevidence-hits-12b-valuation-with-new-round-led-by-thrive-dst/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

5. OpenEvidence announces $210 million round at $3.5 billion valuation（シリーズB・DeepConsult発表） — PR Newswire — 2025-07 — https://www.prnewswire.com/news-releases/openevidence-the-fastest-growing-application-for-physicians-in-history-announces-210-million-round-at-3-5-billion-valuation-302505806.html ↩ ↩²

6. DeepConsult user guide（エージェント型・計算コスト） — OpenEvidence — 参照2026-07 — https://www.openevidence.com/user-guide/deep-consult ↩

7. Mount Sinai inks 1st enterprise deal with OpenEvidence for Epic EHR integration — HIT Consultant — 2026-04-01 — https://hitconsultant.net/2026/04/01/mount-sinai-openevidence-ai-epic-integration-nurses-pharmacists/ ↩

8. OpenEvidenceとは？全米4割の医師が使う医療AI（日本からの利用報告） — decades.co.jp — 2026-02 — https://decades.co.jp/openevidence-clinical-guide-202602/ ↩ ↩²

9. OpenEvidenceに長年の症状について相談してみた — GIGAZINE — 2026-06-01 — https://gigazine.net/news/20260601-openevidence-medical-ai-review/ ↩

10. 医療機器プログラム — PMDA（医薬品医療機器総合機構） — 参照2026-07 — https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/0000179749_00004.html ↩

11. Pathway Labs' EchoNext AI tool for heart disease detection clears FDA — STAT News — 2026-06-23 — https://www.statnews.com/2026/06/23/pathway-labs-echonext-ai-tool-heart-disease-detection/ ↩

12. 医療デジタルデータのAI研究開発等への利活用に係るガイドライン — 厚生労働省 — 2024-09 — https://www.mhlw.go.jp/content/001310044.pdf ↩

13. 医療・ヘルスケア分野における生成AI利用ガイドライン 第2版 — HAIP/CIP — 2024-10 — https://haip-cip.org/assets/documents/nr_20241002_02.pdf ↩