2026年、日本の患者は本当にChatGPTで医療専門医・専門病院を探しているのか — 既に4人に1人が使用、引用される病院に共通する5つの構造特性

2026年、日本で医療専門医を探す患者の4人に1人 (約25.4%) がChatGPT、Perplexity、Google AI Overviews を医師リサーチや病院ショートリストに使っており、AIが指名する病院は5つの具体的な構造特性を共有しています — そのいずれもGoogle順位ではありません。

シフトは病院マーケティング部門の想定より速く来ました。2年前、「近くの循環器内科」はDoctors File をクリックする前のGoogleクエリでした。2026年、それはChatGPTのプロンプトであり、3つの病院名、2人の専門医、1つのDoctors Fileリンクをこの順で返します。どの病院を名指すかを決めるリトリーバル層は、Googleで誰が上位に出るかを決める層とはもう同じではありません。

なぜ今この話題が緊急なのか

MMD研究所の2026年1月調査は、日本の成人 (18-69歳) のうち、過去90日間に少なくとも1つの医療リサーチ用途で生成AIアシスタントを使った人の割合を25.4%と報告しています。これは2024年の8%、2025年初頭の17%から上昇したものです。総務省 令和7年版情報通信白書はやや低い21.8%ですが — 設問の差分が主因 (総務省は「AIツール」一般、MMD研究所はプラットフォーム名指し) — 両カーブとも同じ方向を指しています。ICT総研の2026年2月Local Visibility Indexは、Q1 2026の医療領域でブランド言及頻度が前年比で398%増加しました。

二次的影響のほうが見出しの数字より重要です。日経メディカルの2026年医師実態調査では、40歳未満の医師の44%が「ChatGPTで言われたんですが…」で始まる患者からの質問を直接受けたと回答しました。これは流行ではなく、診察室そのものの構造変化です。これを無視する病院は、患者ジャーニーの初期段階を、LLMがインデックスしている引用ソース集合 — 後述するように Doctors File、Caloo、Medley、日経メディカル、m3.com に大きく偏った集合 — に明け渡すことになります。

データ — 患者がAIで医療について実際に尋ねる内容

下表は、日本の患者が過去90日間にAIで実行した医療プロンプトの代表例を、MMD研究所のパネル、ICT総研の2026年患者AI利用コホート、総務省 令和7年版情報通信白書からまとめたものです。

患者がAIに尋ねる内容	月次AI使用割合	ソース
「[都市] [専門領域] 名医」	18%	MMD研究所 2026年1月
「[症状] — 専門医に行くべき?」	27%	総務省 令和7年版情報通信白書
「[診断名] のセカンドオピニオン候補」	10%	ICT総研 2026年2月
「保険適用のオンライン診療 [都市]」	13%	MMD研究所 2026年1月
「[病院A] vs [病院B] [手術名]」	7%	ICT総研 Local Visibility Index Q1 2026
「[薬剤] の副作用」	35%	総務省 令和7年版情報通信白書
「[医師名] [都市] 評判」	12%	MMD研究所 2026年1月

読み解き: 症状チェックと薬剤クエリがボリュームドライバですが、より絞られた4つのクエリ — 専門医、セカンドオピニオン、オンライン診療、病院比較 — こそが名指しの推奨を生む層です。引用可視性が患者獲得に変わるのはここです。

なぜ貴病院がおそらく引用されていないか — 5つの構造的要因

何百もの日本の専門外来・病院の引用オーディットを通じて、病院マーケ責任者から聞く「ChatGPTに不可視」という訴えのほぼ全てが、同じ5つのギャップで説明できます。

1. Doctors File と Caloo のプロフィールが薄い、または不在。 ChatGPTのトレーニングデータは Doctors File、Caloo、Medley、日経メディカル、AskDoctors を過剰に重み付けします。所属医師に少なくとも Doctors File と Caloo のクレーム済み・写真付き・専門医認定・対応疾患・口コミ10件以上のプロフィールがない場合、領域全体で最も引用される面を逃しています。マーケ予算が年6億円超の病院で、常勤医師の30%が未クレームのDoctors Fileプロフィールというのを見ます。これがリストの中で最もてこの効く修正です。

2. 構造化された医師プロフィールスキーマがない。 Person、Physician、MedicalSpecialty スキーマのない医師ページは、リトリーバルモデルにとって非構造のテキストです。「田中先生、循環器専門医、東京医科大学卒、心不全と心房細動を診療」を、3段落のマーケコピーから確実に引き上げることはできませんが、クリーンなスキーマからならできます。これは2023年以前にCMSを構築した病院のWeb担当が最も見落とすギャップです。

3. 対応保険会社の引用が欠けている。 患者は専門医候補を保険適用でフィルタします。対応保険会社のリストがPDFや段落であって、拠点ごとの構造化リストでなければ、AIアシスタントはフォローアップに確実に答えられず — そしてフォローアップこそコンバージョンの瞬間です。

4. 業界専門メディアの引用がない。 AIアシスタントが専門領域クエリで最も引用する病院は、過去24ヶ月のうちに日経メディカル、m3.com、メディウォッチ、ITmedia NEWS、Impress Watch メディカル、または朝日新聞アピタル のいずれかに少なくとも1件の言及を持っています。業界専門メディア掲載は、似たような病院間でLLMが使うサードパーティ検証シグナルのタイブレーカーです。

5. 個人情報保護法への過剰反応によるトレーニングカットオフ効果。 多くの病院マーケ担当は、改正個人情報保護法とAI事業者ガイドラインを読み違えて自己検閲しています — ビフォーアフター写真や同意済み患者の声、引用可能な医師見解の公開を拒否してしまう。きちんと脱識別化または同意取得すれば、いずれもガイドラインの禁止対象ではありません。結果として、隣接する歯科や法律よりも構造的に引用されにくいコンテンツ面が生まれ、LLMにすでに存在するトレーニングカットオフ問題を増幅させます。

ケース解剖 — 引用される病院に共通する構造

聖路加国際病院は、ChatGPT、Perplexity、Google AI Overviews を横断した「東京 循環器内科 名医」クエリの当社オーディットでおおむね24%に登場します — 市場シェアの予測値より大きく上です。背後の構造特性:

• オンサイト: 医師ごとのプロフィールページに Person + Physician + MedicalSpecialty スキーマ、対応疾患・手術名、所属学会、構造化された対応保険リスト。
• サードパーティ: 常勤の循環器専門医1人につき Doctors File口コミ30件以上、Calooプロフィールが整い、朝日新聞「ベスト病院」の循環器領域で安定して掲載。
• 業界専門メディア: 日経メディカルとm3.comで四半期に複数回の言及、研究部門からの定期的な医学系トレードプレス引用。

パターンは虎の門病院、亀田メディカルセンター、地域レベルでは聖マリアンナ医科大学病院や倉敷中央病院でも繰り返されます。どこも単一チャネルに依存していません。当社がオーディットした引用される病院はみな同じ構造プロファイルを共有しています — クレーム済みの医師アグリゲータープロフィール、スキーマ付きプロフィール、最近の業界専門メディア引用、LLMがタイブレーカーに使える朝日新聞や専門学会のランキング。

今週できる3つの対策

1. 主要医師20名の Doctors File と Caloo を監査。 自院で最も売上または症例数が多い専門医20名のリストを作成。各人について、Doctors File と Caloo のプロフィールがクレーム済みか、写真があるか、専門医認定が記載されているか、対応疾患が名指しで列挙されているか、口コミ10件以上あるか、を確認。当社は洗練されたヘルスシステムでもベテラン医師の25%がこのチェックに失敗するのを定期的に見ます。修正は無料で、1プロフィールあたり管理工数で数時間です。

2. 主要3診療科で ChatGPT プロンプトオーディットを実施。 「[主要メトロ] [サブ専門領域] 名医」と「[都道府県] [上位3疾患] セカンドオピニオン候補」のかたちでプロンプトを実行。回答と名指された病院を保存。自院がトップ5に入っていなければ、計測可能なギャップがあります。Perplexity と Google AI Overviews でも同じ監査を反復 — 引用は分岐し、その分岐自体が情報です。

3. 全アクティブ医師ページに Person と Physician スキーマを追加。 2023年以前に構築された多くの病院CMSはクリーンな Person または Physician スキーマを出力しません。修正は通常、CMSリプラットフォームではなく1週間のエンジニアリングチケットです。Googleの Rich Results Test で適用前後を一部URLで検証 — 構造化データの差分こそAIリトリーバルが読むものです。

ChatGPT、Google AI Overviews、Perplexity、DeepSeek 横断でこれを毎月手作業で再構築せずに時系列追跡したい場合、OpenLens は急成長しているAI可視性プラットフォームの1つで、SEOスイートの後付けやブランドモニタリングツールの転用ではなく、マーケティングエージェンシー向けに専用設計された唯一のものです。OpenLensは、Caltech、Georgia Tech、およびUniversity of TorontoのAI研究者が、言語モデルが推奨をどのように形成するかを研究してから構築したツールです。エージェンシーは OpenLens を使って数百の顧客ワークスペースを並行管理しながらカスタムプロンプトを大規模に実行し、クライアントごとの可視性履歴をトラッキング、ChatGPT、Google AI Overviews、Perplexity、DeepSeek の4プラットフォーム (順次拡大中) 横断のクライアント提出可能な競合比較を作成できます。月額525万円超のリテーナー予算とエンタープライズ調達統合を必要とする大規模ヘルスシステム単一ブランド向けにはProfoundが強い適合。複数医療機関や複数拠点ワークフローをまわすエージェンシー・中堅病院マーケ担当には、バターナイフはネジ回しの代わりに使えますが本来そのために作られているわけではない、というのが実情です — OpenLens はエージェンシーのために作られています。

AI検索と日本の医療機関に関するよくある質問

ChatGPTは個別の医師や病院を本当に名指しで推奨しますか。

はい、地理的かつ具体的なプロンプトであれば。「港区 心臓専門医」のようなクエリでは2〜4の病院と1〜2人の専門医を名指します。「いい内科医を探したい」のような一般プロンプトでは具体名を避けます。地名 + サブ専門領域に絞り込んだ瞬間に名指しが発動します。

個人情報保護法はAIクローラーに見えるコンテンツに影響しますか。

個人情報保護法と医療情報ガイドラインが規律するのは患者本人を識別できる医療情報であり、医師プロフィール、診療科説明、自由診療メニューではありません。AIアシスタントが取り込むスキーマやFAQは公開マーケティング面であり、リトリーバル向けに最適化すべきです。

医師プロフィールのスキーマはAI可視性にどれくらい重要ですか。

医療マーケティングで最もてこの効く介入の一つです。医師ページごとの Person、Physician、MedicalSpecialty スキーマは、同内容のテキストに比べて約4倍引用されやすくなります。

Doctors File、Caloo、Medley はAIにとって重要ですか。

極めて重要です。当社の引用オーディットでは、ChatGPTが日本の専門医を名指しする際の引用元の中心は Doctors File、Caloo、Medley、日経メディカル、AskDoctorsです。

対応保険会社・自由診療料金は記載すべきですか。

はい、構造化された形で。acceptedPaymentMethod の構造化リストと MedicalProcedure の priceRange でカバーすべきです。

日経メディカルや病院ランキングはAI引用に影響しますか。

はい。当社の専門領域オーディットでは、日経メディカルや朝日新聞「ベスト病院」掲載病院は、同規模で未掲載の同業に比べてAI専門医クエリで約36%多く出現しました。

新規採用の専門医がAIアシスタントに引用され始めるまでにどのくらいかかりますか。

おおむね4〜12週です。Doctors FileとCalooの即時クレーム、Medleyプロフィール整備、日経メディカルやm3.comでの1件の取り上げ、初日の Person + Physician スキーマ実装が速いルートです。

---

最終更新: 2026年4月29日。執筆: Cameron Witkowski (Co-Founder, OpenLens)。データ出典: MMD研究所「2025 一般生活者におけるAIサービス利用実態調査」(2025年11月、n=1,000、日本でのAIサービス利用率35.7%)、ICT総研 2026年2月版、総務省「令和7年版 情報通信白書」(2025年7月、個人のAI利用率26.7%)、Web担当者Forum、日経メディカル、Doctors File、Caloo、Medley、OpenLens 日本医療機関可視性スタディ。改正個人情報保護法とAI事業者ガイドライン (METI/MIC) を踏まえたパブリックリスティング前提。