# 小児医療AI評価でJev、LLM審査モデルの多くと同等の成績

> 研究者らによると、低コストの判断言語モデルJevは、臨床テストで医師の評価と一致する度合いが、複数の最上位LLM審査モデルと同程度だった。

Oossa · 2026-10-22 · https://oossa.com/ja/new-decision-model-jev-matches-many-llm-judges-in-pediatric-ai-evaluation

イスラエルの研究チームは、臨床AIの出力を構造化して判定する判断言語モデルJevを発表した。医師が採点した小児医療に関する118件の回答を含む、4つのタスクで評価した。Jevの評価者間一致度（Gwet's AC2 0.50）は、比較対象となった12種類の大規模言語モデル（LLM）審査モデルのうち7種類と同等以上で、Claude Opus 5.5（0.49）やGPT-6（0.38）も含まれていた。二択式のHealthBench基準でもLLM審査モデルと同等以上の成績を収め、MedHELMのタスクでは3つのLLMによる審査チームと同程度だった。論文によると、Jevは最先端LLM審査モデルより73～294倍低コストで、処理速度は7～57倍速い。

## 事実

- Jevの医師との一致度（Gwet's AC2）：0.50
- 最先端LLM審査モデルはJevより73～294倍コストが高く、処理に7～57倍の時間がかかる

## なぜ重要か

病院は、高価で処理の遅いLLM審査モデルに代えてJevを使うことで、小児向けAIツールをより低コストかつ迅速に評価できる。

## 出典と参考資料

1. [Decision language models as affordable and rapid alternatives to LLM judges of clinical generative AI](https://arxiv.org/abs/2610.28826) – arXiv, 2026-10-22

最終更新: 2026-10-22