リード
ChatGPTのような生成AIツールは、アスリート、コーチ、サポートスタッフによって、健康やパフォーマンスに関するアドバイスを素早く得る手段としてますます利用されている。しかし、エリートスポーツにおける睡眠科学や時差ぼけ管理という複雑でエビデンスに基づく領域において、そのアドバイスはどの程度信頼できるのだろうか。Sports Medicineに掲載された新たな研究は、GPT-4を検証し、構造化されたデルファイ合意プロセスを用いて、国際的な睡眠専門家が20の重要トピックに関するAI生成の回答を評価・改良した。結果は混合的なものとなった。GPT-4は有用な出発点を提供するが、アスリートに対する信頼できるガイダンスとして単独で使用できる段階にはまだない。
この研究は、Jacopo Vitaleが主導し、Alan McCall、Shona Halson、Dina C Janse van Rensburgを含むチームによって、Athlete Travel & Sleep Interest Group（ATSIG）の後援の下で実施された。スポーツ医学文献において、大規模言語モデルの出力を専門家合意と体系的に比較評価した最初の試みの1つである。
調査結果
研究チームは、GPT-4を使用して睡眠と時差ぼけに関するFAQ形式の回答セットを生成し、アスリートや実務者がよく尋ねる20項目をカバーした。これらの項目は、睡眠と概日リズムの基礎生理学から、時差ぼけ管理、仮眠、睡眠衛生、回復に関する実践的戦略まで多岐にわたる。AI生成コンテンツはその後、睡眠科学と概日科学の国際的な専門家17名に提示され、各項目の正確性、完全性、アスリート集団への適合性が評価された。
評価は2ラウンドのデルファイ法に従って行われた。これは、反復的で匿名のフィードバックを通じて専門家間の合意を構築する確立された手法である。第1ラウンド後、20項目中15項目（75%）が事前に定義された合意基準に達した。専門家のフィードバックを組み込み内容を修正した後、第2ラウンドではその数が20項目中18項目（90%）に増加し、パネル全体で強い合意が示された。
2つの項目はどちらのラウンドでも合意に達しなかった。1つ目は睡眠と負傷リスクの関係で、同意率は64.7%にとどまった。2つ目はメラトニンと他の睡眠補助薬に関するガイダンスであった。これらのトピックはスポーツ医学において本質的に議論の余地があり、エビデンス基盤が依然として発展途上であり、適切な推奨事項について専門家の意見が分かれている。
合意データに加えて、この研究はGPT-4の当初の回答に対する専門家の懸念を分類した。これらの懸念はいくつかのカテゴリーに分類された。最も顕著だったのは、コンテンツが不正確または誤解を招くものであるというもので、睡眠関連項目で専門家の55%、時差ぼけ項目で34%がこの懸念を提起した。アスリート固有の文脈化の欠如は、パネルの30%によって指摘された。さらに、コンテンツの一部が古いエビデンスに依存していると専門家が指摘し、その割合はトピックによって11%から36%の範囲であった。
重要性
エリートアスリートは、わずかな差が成功と失敗を分ける環境で活動している。睡眠の質と概日リズムの調整は、回復、認知機能、負傷予防、競技パフォーマンスにおける重要な要因として認識されている。しかし、信頼性が高くアスリート固有の睡眠ガイダンスへのアクセスは、特に頻繁なタイムゾーン移動に直面する遠征アスリートにとって、依然として不均等である。生成AIツールは専門家レベルの知識へのアクセスを民主化すると約束するが、その出力は訓練されたデータと受ける検証の質にのみ依存する。
この研究が重要なのは、AI生成情報と専門家推奨ガイダンスのギャップを埋める具体的で再現可能な方法を提供するからである。研究者らはGPT-4の出力を完成品として扱うのではなく、構造化された専門家レビューを通じて洗練できる予備資料として使用した。デルファイプロセスはAIコンテンツの具体的な弱点を特定し、体系的に改善した。結果として、生のGPT-4出力単独よりもはるかに高い権威を持つ、専門家推奨のFAQ回答18セットが得られた。
この知見はスポーツ医学を超えた影響も持つ。精度、最新性、文脈上のニュアンスが重要となる他の専門分野（臨床ガイドライン、栄養アドバイス、トレーニングプログラミング、リハビリテーションプロトコル）でも同様のパターンが当てはまる可能性が高い。AIはドラフト作成プロセスを加速できるが、出力の検証と洗練には人間の専門知識が不可欠である。
実務者にとって、この研究は実用的な注意を強化する。AI生成の健康およびパフォーマンスアドバイスを鵜呑みにしてはならない。睡眠コンテンツの不正確さに関する専門家の懸念率55%と、メラトニンおよび負傷リスクに関する合意不能を合わせると、GPT-4が権威あるように聞こえるがアスリートへの実世界適用には十分に正確または完全でない回答を生成できることが示されている。
限界
この研究にはいくつかの限界がある。17名の専門家サンプルは、多様で国際的に認知されているものの、比較的小規模である。より大規模なパネルでは異なる合意基準が得られたり、追加の懸念事項が明らかになった可能性がある。デルファイ法自体は、厳格ではあるが、時間がかかり、初期資料の質と参加者の関与に依存する。本研究で使用されたGPT-4出力は、モデルの能力の特定のスナップショットを反映している。大規模言語モデルは頻繁に更新されるため、結果は新しいバージョンや他のAIシステムに一般化できない可能性がある。
FAQ項目の範囲も、研究チームが選択した20トピックに限定されていた。アスリートが睡眠や時差ぼけについて尋ねる可能性のある追加の質問は多数含まれておらず、専門家によって洗練された回答が実世界でどの程度機能するか、アスリートの結果を改善するかどうかは評価されていない。最後に、この研究はGPT-4の出力を他のAIモデルと比較していないため、代替システムがより良い結果を出すか悪い結果を出すかは不明である。
結論
アスリート向けの睡眠と時差ぼけに関するGPT-4生成コンテンツは、有用な予備資料として機能するが、ガイダンスとして適切となるには専門家による洗練が必要である。デルファイ合意プロセスにより同意率は75%から90%に改善され、結果として得られた18の専門家推奨項目は、スポーツ医学における信頼できるAI支援ガイダンスへの有意義な一歩を示している。しかし、2つの重要なトピック（睡眠と負傷リスク、メラトニンと睡眠補助薬）は2ラウンド後も合意に達することができず、一部の領域は単一の情報源で解決するには論争が多すぎるかエビデンスが不足していることを強調している。アスリート、コーチ、実務者は、AI生成の睡眠アドバイスを最終回答ではなくドラフトとして扱い、重要な決定には専門家による検証を求めるべきである。
ソース
Vitale J, McCall A, Halson S, Janse van Rensburg DC, et al. From GPT-4 to Expert-Endorsed Athlete Guidance: A Delphi Consensus on Sleep and Jet Lag. Sports Medicine. 2026. DOI: 10.1007/s40279-026-02484-7. PMID: 42470603.
雅子 訳