• OpenAIが2026年9月23日、AIの精神保健会話対応能力を評価するオープンベンチマーク「MentalHealthBench」を公開しました
  • 22カ国80名以上の認定心理士・精神科医と共同開発し、1,215件の合成会話と5,262件の専門家評価基準を含むとされています
  • 日常のウェルネス相談から緊急事態まで幅広いシナリオを網羅し、最高スコアのAIモデルでも57.3%に留まり、専門家代替には程遠い現状も浮き彫りになっています

事実の整理

2026年9月23日、OpenAIは「MentalHealthBench」と名付けたオープンベンチマークを公開しました。これはAIシステムが精神保健に関わる会話をどれほど適切に処理できるかを評価するための指標です。

このベンチマークは22カ国に在籍する80名以上の認定心理士・精神科医と共同で開発されたとされています。専門家グループは19言語を話し、約20の精神医学・心理学のサブ専門分野を代表しているとのことです。

収録されている1,215件の合成会話には、5,262件の専門家が執筆した評価基準が対応しています。会話の内訳は、日常的なウェルネスに関する非急性会話が53.5%、深刻な精神保健問題を示す高緊急度会話が18.2%、即時の安全が懸念される緊急会話が28.3%とされています。

評価は「コンテクストの探索」「共感」「緊急性の較正」「現実検証」など、専門家が定義した10の行動軸に基づいて分解して報告されるとのことです。対象ユーザーとして成人・13〜17歳のティーンエイジャー・介護者・臨床家の4種類が想定されており、臨床家向けシナリオも含まれています。

公開時に示されたベンチマークスコアでは、GPT-6 Astraが57.3%で最高値を記録し、次いでGPT-6 Solが53.9%、Claude Opus 5.5が52.4%、GPT-6 Lunaが50.2%だったとされています。一方、GPT-4oは32.1%、Gemini 2.5 Proは29.5%という結果でした。OpenAIは「ChatGPTは治療や専門的なケアの代替ではない」と明記しており、このベンチマーク自体も診断ツールではなくAI応答品質を評価するための指標と位置づけられています。

臨床家にとっての意味

このベンチマークが対象とするのは精神保健領域のAIですが、理学療法士・作業療法士・柔道整復師・鍼灸師・整体師にとっても無関係とは言い切れない動きです。

現代のリハビリテーション医学では、身体・心理・社会的要因を統合して患者を評価する「バイオサイコソーシャルモデル」が標準的なアプローチとして広まっています。慢性疼痛患者では不安・抑うつが回復の大きな障壁になることが多く、脳卒中後や術後の患者では意欲の低下や適応障害が訓練の継続に影響します。こうした場面において、臨床家は日常的に「共感的なコミュニケーション」「感情の受け止め」「緊急性の判断」を行っています。

MentalHealthBenchが評価する10の行動軸—共感・緊急性の較正・現実検証など—は、精神科医に限らず患者と向き合うすべての医療・リハビリ専門職が求められるスキルと重なります。将来的にAI支援ツールが臨床現場に普及する際、こうした評価基準がどのように設計されているかを把握しておくことは、ツール選定や倫理的判断の参考になる可能性があります。

現時点で言えることと、まだ言えないことを整理しておきます。

現時点で言えることとして、AI技術大手が精神保健分野での会話品質を体系的に可視化しようとしていること、その評価指標に実臨床に携わる専門家が深く関与していること、そして最先端のAIモデルでも専門家基準の半数強しか満たせていないという現実があります。

まだ言えないこととして、このベンチマークがリハビリ臨床の会話品質の評価に直接転用できるかどうかは確認されていません。また、ベンチマークスコアの高さがそのまま実臨床での安全性・有効性を意味するわけではなく、今後の独立した検証が必要です。

いずれにせよ、精神保健とAIの接点がこれほど体系的・国際的に議論されるようになってきたことは、患者との会話の質や臨床コミュニケーションを問い直すきっかけにもなりうるものです。AI評価の枠組みを知ることで、臨床家自身のコミュニケーションスキルを客観的に振り返る視点が得られる可能性もあります。

出典

  1. OpenAI Debuts MentalHealthBench for AI Mental Health Conversations（Unite.AI, 2026年9月23日）
  2. OpenAI Releases MentalHealthBench With 1,215 Conversations From 80+ Psychologists in 22 Countries（AI Weekly, 2026年9月24日）

本記事は情報提供目的であり、特定の製品・サービスの推奨や効果の保証をするものではありません。