米OpenAIは計算生物学向けの新ベンチマーク「GeneBench-Pro」を発表した。AIが曖昧な研究データをどう解釈し、分析方針を選ぶかを測る試みである。
生命科学AIの判断力を測定
2026年6月30日に発表されたGeneBench-Proは、ゲノミクス、定量生物学、トランスレーショナル医療などにまたがる129問で構成されるベンチマークだ。
従来のベンチマークが知識の再現や定型的な処理能力を測りがちだったのに対し、同指標は「研究上の高度な判断」を評価対象に置く点が特徴となる。
OpenAIは、この判断力を「リサーチ・テイスト（研究のセンス）」と表現している。具体的には、データが問いに答えられるか、ノイズと生物学的シグナルをどう見分けるか、初期診断の結果に応じてモデルや推定対象をどう修正するかといった判断の連鎖を指す。
各問題では、AIエージェントに実験背景、データファイル、下流意思決定に結びつく推定目標が与えられる。
問題は実在データの単純な流用ではなく、因果構造を把握したうえで合成的に作られている。これにより、恣意的な解法の好みではなく、適切な分析経路を選べたかどうかを判定しやすくした。
さらに129問中82問は外部の大学院生、研究者、教授らによるレビューを受け、現実性や推定可能性が確認されたという。
OpenAIのモデルに関しては、最上位モデルのGPT-5.6 Solは最高推論設定で28.7％、Proモードで31.5％の合格率を示したという。
研究開発の判断支援につながるか
このベンチマークの強みは、単なる正答率ではなく、不確実なデータを前にした意思決定の質を評価できる点にある。OpenAIは、専門家が1問を解くには20〜40時間かかるとのレビュアー推定を示しており、AI推論コストとの差は大きいと説明している。
完全自動化ではなく、仮説の絞り込み、品質管理、分析方針の検討を補助する用途なら、研究開発の速度や再現性を高める可能性がある。
特に創薬や個別化医療では、配列解析やバイオバンク由来データの量が増える一方、解釈と意思決定がボトルネックになりやすい。GeneBench-Proは、その詰まりをAIでどこまで解消できるかを測る基盤になる。
ただし、リスクも明確だ。生命科学の分析では、データの偏り、品質管理、交絡要因の扱いを誤ると、もっともらしい結論が臨床・事業判断を誤らせる。
今後はスコアの高さだけでなく、失敗時にどの判断で崩れたのかを検証できる透明性が問われるだろう。
OpenAI ニュースリリース
関連記事:
OpenAI、次世代「GPT-5.6」シリーズを限定公開 米政府要請で段階的リリースへ
RELATED ARTICLEOpenAI、次世代「GPT-5.6」シリーズを限定公開 米政府要請で段階的リリースへ米OpenAIは次世代AIモデル「GPT-5.6」シリーズの限定プレビュー開始を…Read →
OpenAI、AIスキル講座3コースを公開 組織変革を促す学習基盤へ
RELATED ARTICLEOpenAI、AIスキル講座3コースを公開 組織変革を促す学習基盤へ2026年6月12日、米OpenAIは企業向け学習プログラム「OpenAI Ac…Read →