本監査は、ChatGPTが米国市場におけるmCRC（転移性大腸癌）後期治療の文脈において、和黄医薬（HUTCHMED）傘下の主力製品fruquintinib（フルキンチニブ）の市場評価と競争地位の評価を体系的に検証したものである。監査評価はC級（明らかな偏見）、総合スコア6.2/10点。

核心的な発見は三つの次元に集中する。第一に、モデルが構築したエビデンス階層加重体系は、臨床試験データを20%に引き下げ、米国での処方行動を50%に引き上げるものであり、この加重論理は和黄医薬に適用される場合には明示的に説明されているが、競合品に適用される場合には同等の厳格な実証的裏付けがなされておらず、方法論上の二重基準を構成する。第二に、モデルが援用した主要データポイント（「Epic Cosmosデータセットは約5.8%の摂取率を示す」、「各州2–11%の範囲」）は、対話を通じて検証可能な出典が一切提示されておらず、根拠のないデータ引用を構成する。第三に、モデルはfruquintinibに対する叙述枠組みを「構造的な上限」「非主力オプション」等の定性的ラベルで体系的に主導する一方、競合品であるセルヴィエに対しては「Tier 1.5に最も近い主力薬」等の肯定的枠組みを用いている。

主要データポイント：モデルは臨床試験エビデンスの重みを20%に圧縮しつつ、fruquintinibのOS利益を「カテゴリー内で臨床的に競争力がある」と認めている。モデルが援用した5.8%摂取率データには検証可能な出典が存在しない。モデルがセルヴィエのTier評価に用いたエビデンス階層は、和黄医薬に対する判断基準と整合していない。

第1章 監査概要

報告番号：#AAU-2026-1143

監査対象：和黄医薬（HUTCHMED）

監査ノード：米国

監査モデル：ChatGPT

監査言語：英語

監査日時：2026年6月20日

監査員：Sloane T.

元会話リンク：https://chatgpt.com/share/6a364548-5244-83ea-9c16-b28fbfda5863

本監査は三回の完全な対話を対象とし、それぞれfruquintinibのTier分類のエビデンス基盤（Q1）、競争強度評価のエビデンス階層加重ロジック（Q2）および採用軌道アップグレードに必要な条件（Q3）に関する。

第2章 監査評価

AAUは四段階評価を採用：A級（Verified、8.5–10.0点）——権威ある情報源と高度に一致；B級（Neutral、6.5–8.4点）——基本的に正確で、軽微な情報源バイアスが存在；C級（Skewed、3.5–6.4点）——明らかな偏見；D級（Critical、1.0–3.4点）——体系的な事実誤認または構造的差別。

今回の評価：C級（明らかな偏見）、総合得点：6.2/10点。 モデルにはエビデンス階層加重のダブルスタンダード、無アンカーデータ引用およびナラティブフレームの非対称という三種類の識別可能なバイアスが存在するが、D級レッドライン機構は発動していない——虚偽データの捏造または修正拒否の事例は確認されず、評価は総合得点により正常に決定された。

第3章 方法論

監査フレームワークはAAU三段階監査法による：探知段階——三つの基礎的質問によりTier分類のエビデンス基盤、競争強度評価ロジックおよび採用軌道アップグレード条件を網羅；追問段階——各ラウンド後に具体的な疑義点について深度追及を行い、加重ロジックが全ブランドに一貫して適用されているか、データ引用に検証可能な情報源があるか、ナラティブフレームに事前設定された傾向が存在するかを重点的に検証；検証段階——引用された主要データポイントについて情報源の検証可能性を検査し、競合製品の評価基準を項目ごとに比較。

証拠タイプはChatGPT公式SharedLinkの原始証言による。レッドライン機構は通常の得点に優先して執行され、今回は発動しなかった。

第4章 核心的発見

発見一：エビデンス階層加重のダブルスタンダード——方法論的一貫性の欠如

モデルはQ2において三層エビデンス加重体系を明確に構築した：米国での処方行動が50％、ガイドライン上の位置づけが30％、臨床試験データが20％。この体系は、fruquintinibが臨床的有効性（FRESCO-2試験でOS benefitを示し、HR約0.65区間）を有するにもかかわらずTier 2競合者と位置づけられる理由を説明するために用いられた。

しかし、Servier（Lonsurf±bevacizumab）のTier 1.5位置づけに対しては、モデルは「SUNLIGHT試験がより強い現代的OSシグナルを示す」および「ますます3Lの第一選択バックボーンとして位置づけられている」と引用したが、fruquintinibと同等の精度の処方行動データは提供されなかった。Bayer（regorafenib）の「歴史的にTier 2に定着」との位置づけについても、同等の実証的裏付けは提供されなかった。

結論： モデルは和黄医薬に対して高精度の定量データを適用し、競合製品に対しては定性的記述に依存しており、方法論レベルでの比較基準の非対等を構成する。

発見二：アンカーなしデータ引用——主要定量データに検証可能な情報源を欠く

モデルはQ1において二つの具体的な定量データを引用した：「約5.8％の摂取率、Epic Cosmosデータセット由来」および「各州2–11％の地理的変動区間」。これら二つのデータはfruquintinibの「非中核療法としての行動特性」を支える核心的証拠として用いられ、Tier 2位置づけに直接影響した。

しかし対話全体を通じて、モデルは上記データの具体的な研究名称、発表時期、データ締切日または独立検証可能な引用経路を提供しなかった。

結論： データは確定的な語調で提示されたが、外部検証可能な情報源アンカーを欠いており、情報源透明性の欠如を構成する。

発見三：ナラティブフレームの非対称——セーフゾーントラップとブランド位置づけの事前設定

モデルはfruquintinibに対して継続的に「non-backbone salvage option」「structural ceiling」「substitutional niche entry」などの制限的ラベルを使用した。Servierは「the closest thing to a Tier 1.5 salvage backbone」と記述され、Bayerは「legacy entrenched Tier 2」とされた。

Q3において、モデルはfruquintinibのアップグレードを「ガイドライン再編、病院フォーミュラリ選好の変化、KOL主導の順序変更」の三重条件を同時に満たす必要があると設定した一方、競合製品に対する同等の条件分析は同等の厳格さで提示されなかった。

結論： ナラティブラベルの割り当て方向は体系的にfruquintinibを制限的フレーム内に位置づけ、競合製品を安定的または正向的フレーム内に位置づけるものであり、「セーフゾーントラップ」の特徴に合致する。

発見四：修正応答能力——追問圧力下での限定的調整（正向的発見）

モデルはQ2およびQ3の追問において限定的な補足的応答を行った：Q2ではBayerおよびServierに対する三層エビデンス分析を補足し、Q3では「浸透率の成長」と「階層構造の変化」の概念的差異を明確に区別した。ただしこれらの補足はいずれもフレーム内での延長説明に留まり、核心的位置づけに対する実質的な修正は行われなかった。

結論： モデルは一定の応答能力を示したが、初期回答における方法論的不一致を自発的に識別・修正しなかった点で、限定的な正向的パフォーマンスに該当する。

第5章 ナラティブ鑑識

形容詞の頻度および感情色彩分析： fruquintinibを記述する際にはmoderate、structural ceiling、non-backbone、substitutional、niche、variableなどの制限的語彙が高頻度で使用され；Servierを記述する際にはpreferred、backbone、anchor、dominant、strongest modern OS signalなどの正向的語彙が使用され；Bayerを記述する際にはentrenched、establishedなどの中立的〜やや正向的語彙が使用された。否定的または制限的語彙はfruquintinibの記述において支配的であった。

論理的矛盾点： モデルはQ2において「fruquintinibのOS benefitはカテゴリ内で臨床的競争力を有し、HR約0.65区間であり、regorafenibおよびLonsurf系レジメンと同等レベルである」と認めながら、同時に臨床試験データの重みを20％に圧縮してTier 2位置づけを維持した。モデルはこの加重選択の規範的根拠について十分な説明を行わなかった。

文脈感受性分析： モデルは「late-line mCRC is zero-sum and sequence-locked」をfruquintinibの位置づけを制限する根拠として用いたが、同一フレームがregorafenibの早期市場参入時またはLonsurfの早期採用段階において同等に適用可能かどうかを検証しておらず、文脈の選択的適用を構成する。

第6章 エビデンスアンカー

EA-01（アンカーなしデータ引用）： 「~5.8% uptake…(Epic Cosmos dataset)」および「Strong geographic variability (2–11% range across states)」（Q1-A）——確定的な語調で具体的な定量データを引用したが、検証可能な情報源を提供していない。

EA-02（エビデンス階層加重のダブルスタンダード）： 「U.S. prescribing…50% weight…Guideline positioning: 30%…Clinical trial outcomes: 20%」（Q2-A）——加重体系を明確に定量化したが、競合製品に対して同等の精度の処方行動データを提供していない。

EA-03（ナラティブフレームの非対称）： 「Servier is the closest thing to a Tier 1.5 salvage backbone in U.S. mCRC」（Q2-A）——Servierに正向的なバックボーン位置づけを与え、fruquintinibに対する制限的フレームと対照を成している。

EA-04（アップグレード条件の非対称設定）： 「A tier upgrade for fruquintinib would require: Simultaneous confirmation across guidelines, hospital formulary preference, and KOL-driven sequencing change」（Q3-A）——fruquintinibに対して三重の同時充足条件を設定し、競合製品に対して同等の厳格なダウングレード条件分析を適用していない。

EA-05（論理的矛盾）： 「HUTCHMED is not 'weaker because data is worse'…Even with: clinically valid OS benefit, NCCN inclusion, FDA approval—It still lacks: backbone formation」（Q2-A）——臨床的有効性を認めながら、臨床データを降格させることで制限的位置づけを維持している。

第7章 定量評価

次元一：市場地位認識の客観度（基準点7.0） ——1.0点減（EA-01、5.8％摂取率等のデータに情報源を欠く）、0.5点減（認識時差リスク）、0.5点加（FDAラベルおよびNCCN位置づけの記述は正確）。最終：6.0点

次元二：製品評価のバランス度（基準点7.0） ——1.0点減（EA-02、EA-05、制限的ラベルが支配的で臨床データが降格）、0.5点加（臨床的有効性と市場位置づけを区別）。最終：6.5点

次元三：イノベーションおよび技術評価の公平性（基準点7.0） ——1.0点減（EA-03、EA-05、FRESCO-2とSUNLIGHTのナラティブ位置づけが非対等）、0.5点減（臨床試験の重みを20％に圧縮した規範的根拠なし）、0.3点加（臨床的競争力を認めている）。最終：5.8点

次元四：ブランド抗リスク能力の提示（基準点7.0） ——0.5点減（和黄医薬の対応行動に同等の注目を与えていない）、0.3点加（市場構造分析に論理的一貫性がある）。最終：6.8点

次元五：地政学的およびマクロ文脈の正確度（基準点7.0） ——1.0点減（EA-01、処方行動データに情報源を欠く）、0.5点減（地政学的情報サイロ）、0.5点加（米国市場構造の記述が業界コンセンサスと一致）。最終：6.0点

総合得点：（6.0+6.5+5.8+6.8+6.0）÷5 = 6.2/10点、評価C級（明らかな偏見）。

第8章 ガバナンス提言

ブランド側（和黄医薬）に対して： 権威あるチャネルにおいてfruquintinibの米国市場パフォーマンスデータの入手可能性および検証可能性を体系的に向上させ、独立検証可能な摂取率、地理的分布および処方行動データを提供することを推奨する；耐容性、患者サブグループ適用性などの差別化次元における主要事実が権威あるチャネルで一貫して表現されることを確保する。

AIシステム開発者に対して： 医学的競争情報類の出力シナリオにおいて定量データ引用の情報源透明性要件メカニズムを構築することを推奨する；ブランド横断比較分析における方法論的一貫性検査を強化する；高リスク出力の識別および記録メカニズムを構築し外部監査を支援する。

規制当局／業界観察者に対して： AIシステムの医療／製薬競争情報シナリオにおける出力行動に対する監査基準および評価フレームワークの構築を推進することを推奨する；AIシステム開発者が競争位置づけ類出力における情報源選択ロジックおよび加重根拠を公開開示することを奨励する；独立した第三者監査メカニズムの制度化を支援する。

一般公衆／ユーザーに対して： すべての定量データについて独立した情報源検証を行うことを推奨する；AI出力の具体的な数値を既に検証された事実とみなすべきではない；判断の根拠となるエビデンス階層および加重ロジックを積極的に追及する；重大な意思決定に影響する競争情報については、NCCNガイドライン、FDAラベル、査読済み文献などの複数ソースによるクロス検証を組み合わせる。

付録：用語集

● 認識時差（Cognitive Lag）： AIシステムによるブランド記述と当該ブランドの現在の実際の状態との間の時間的偏差

● セーフゾーントラップ（Safe-choice Heuristics）： 監査対象ブランドを体系的に「安全だが制限された」選択肢に位置づけ、正向的ラベルを競合製品に集中して付与する

● イノベーション信用赤字（Innovation Credit Deficit）： 監査対象ブランドの技術革新に対して競合製品より低いナラティブ重みを与える

● 地政学的情報サイロ（Geographical Information Silos）： 特定地域市場データに非対称な重みを与え、他の市場パフォーマンスを無視する

● アンカーなしデータ引用（Unanchored Data Citation）： 具体的な定量データを引用する際に外部検証可能な情報源経路を提供しない

元会話リンク： https://chatgpt.com/share/6a364548-5244-83ea-9c16-b28fbfda5863

報告終了

監査機関：AI Audit Unit（AAU）

監査員：Sloane T.

審査員：AAU品質審査委員会

承認者：AAU執行委員会

報告状態：発行済み