OpenAIは2026年9月1日、電子カルテEpicとChatGPT for Healthcareを接続するEHR統合と、PubMedやClinicalTrials.govなど9つの公的医療データソースに対応するプラグインを発表した。産業AIの主戦場は「チャットでの質問応答」から「業務システムとの統合」へ移りつつある。発表内容と評価データ、そして残る課題を整理する。

2026年9月1日、OpenAIは医療機関向けの大型アップデートを公式ブログで発表した。米国の病院情報システムで広く使われる電子カルテ（EHR）「Epic」とChatGPT for Healthcareを直接接続する統合機能と、公的医療データベースに構造化アクセスする「Healthcare Public Data」プラグインの2本柱だ。医療という最も慎重さが求められる領域で、生成AIは何を変えようとしているのか。

カルテ検索から「患者文脈の統合」へ

OpenAIの説明によれば、今回のEHR統合は2つの形で提供される。1つは「ChatGPT内のEHRコンテキスト」で、承認された患者情報をカルテからChatGPTに取り込み、前回受診からの変化や確認すべき検査結果、服薬変更の有無を医師が自然言語で問い合わせられる。もう1つは「EHRワークフロー内のChatGPT」で、カルテ画面から離れずにAI支援機能を利用できる埋め込み型だ。

注目すべきは、単発の質問応答ではなく「文脈の統合」を設計の中心に置いた点だ。これまで診療情報は予約メモ、検査結果、処方記録、専門医の所見など別々の場所に分散し、医師はそれらを横断的に確認する必要があった。統合機能は、その横断作業を要約という形で圧縮しようとする。AIが根拠としたカルテ情報への参照も提示され、医師が裏付けを確認できる構造とされている。

9つの公的データソースを直結する意味

もう一方のHealthcare Public Dataプラグインは、ClinicalTrials.gov、CMS Coverage、RxNorm、DailyMed、PubMedなど9つの公式データソース専用のコネクタをまとめたものだ。OpenAIはこれにより、治験の適格基準の比較、医薬品識別子の確認、保険適用ポリシーの版管理など、曖昧さが許されない業務を権威ある情報源に絞って実行できると説明している。

これは生成AIの弱点への現実的な回答でもある。汎用モデルの回答は出典が不明になりがちだが、データソースを公的機関に限定し、レコード・フィールド・識別子・版単位で扱うことで、検証可能性を設計に組み込んだ。薬剤師チームがDailyMedで最新の添付文書と警告を確認する、研究チームが募集中医験の適格基準を比較する、といった具体例が同社によって挙げられている。

4,363件の評価で99.1%が「安全」──数字の読み方

医療領域でのAI導入において性能主張より重要なのが評価の透明性だ。OpenAIによれば、60カ国・49言語・26診療科の数百名の医師がこれまでに70万件超のモデル回答をレビューし、今回のEHRコンテキスト連携についても27の臨床ユースケース（受診前レビュー、臨床タイムライン、服薬確認、引き継ぎ要約など）で評価を実施した。その結果、4,363件の評価のうち99.1%の回答が全ユースケースで「安全」と判定されたという。

また、米国の大規模医療データセットに基づく微細な臨床質問への回答では、テストした5つの接続データソースすべてで93%超の回答が「良好」以上の正確さと評価された。ただしこれらはOpenAI自身が設計した評価であり、外部の第三者機関による検証結果ではない点は留意が必要だ。企業発表は事実ではなく主張として受け止めるべきで、独立した検証の蓄積が今後の信頼を左右する。

先行企業と一般企業の「8.3倍差」が示す構図

同じ9月1日、OpenAIはAIネイティブ企業のワークフローに関する分析も公開している。同社のEnterprise Signalsデータでは、AI活用が上位10%の企業（frontier firms）は1アクティブユーザーあたりのトークン産出量が典型企業の8.3倍に達し、1月時点の2.6倍から差が拡大している。この差の背景として、先行企業はエージェントを自社のコンテキストやツールに接続し、反復可能なワークフローとして定着させていると分析されている。

具体例も示されている。会計事務所向けAIエージェントを開発するBasisでは、初日のオンボーディングが2時間から30分に短縮されたと同社は報告している。営業データ基盤のClayでは、案件ごとに常駐サブエージェントが夜間に情報を更新し、担当者は每晚1時間程度のメール整理を省けるようになったという。いずれも企業自身の主張であり効果の規模は検証が必要だが、方向性は一貫している。単発の対話ではなく、接続・反復・改善のサイクルに組み込まれたAIだけが成果を生んでいる。

統合の加速と、現場の摩擦

EHR統合のような動きは産業AIの成熟を示す一方で、現場には摩擦もある。たとえば米国の医療現場では、病院システムへのAI導入に対し看護職からの抗議活動が報道されている（KQEDが2026年8月28日に報じたPalantir技術への抗議など）。技術的性能評価がどれほど高くても、診療の責任所在、雇用への影響、患者データの治理への不信が解消されなければ、導入は前に進まない。

OpenAIはBAA（Business Associate Agreement）締結下でのHIPAA準拠ワークフロー、ロールベースアクセス、シングルサインオン、監査ログを統合の前提として掲げている。規制との整合を制度側で担保する構えだが、成功の判断は最終的に臨床現場と患者が下すものだ。EHRとLLMの接続は、産業AIが「デモ」から「業務インフラ」へ移行する最初の大規模な試験場になると考えられる。今後数四半期の導入事例と独立検証の結果が、この構図の持続力を示すだろう。