OpenAI研究：生命科学AIの判断力を測るGeneBench-Pro、GPT-5.6 Solでも最高31.5%にとどまる

結論から言うと、生命科学の研究をAIに任せるには、まだ大きな壁があります。OpenAIは2026年6月30日、計算生物学のAIエージェント評価「GeneBench-Pro」を発表しました。これは、きれいに整ったクイズではなく、ゲノム解析、がん、薬の反応、集団遺伝など10領域・129問で、データのノイズを見抜き、分析方針を選び、結果を判断する力を測るベンチマークです。

問題は合成データで作られ、正解の因果構造が分かるため、もっともらしい説明だけでは通りません。外部の大学院生、研究者、教授らが82問を確認し、現実の研究らしさも点検しています。結果は厳しく、OpenAIのGPT-5.6 Solでも最高推論設定で28.7%、Proモードで31.5%でした。

人間の専門家なら1問に20〜40時間かかる難度だとされ、数ドルの推論費で一部を助けられる可能性はあります。私たちに関係するのは、AIが論文やデータを扱えるようになっても、専門家の確認なしに医療・研究判断を任せるのは危険だという点です。出典はOpenAIの研究発表と公開論文です。OpenAIは代表的な10問を公開し、今後は50問のサブセットを第三者評価にも提供する予定です。