医療・ヘルスケア業界のWebコンテンツは、AI検索において特殊な位置にあります。 Googleが「Your Money or Your Life（YMYL）」と定義する領域では、情報の正確性が健康や生命に影響を与える可能性があるため、通常以上に厳しい品質基準が適用されます。
ChatGPTやPerplexityは医療に関する質問に対して、信頼性の高い情報源からの引用を強く重視し、エビデンスの乏しいコンテンツは回答に含めない傾向があります。 この記事では、YMYL領域特有の制約を理解した上でGEO対策に取り組むための具体的な方法を解説します。
YMYL領域でAIが情報源を選ぶ基準
Singhal et al.（2023）のNature掲載論文では、LLMが臨床知識をどの程度正確にエンコードしているかを検証しています。 LLMは医学知識の広範な領域で一定の精度を示すものの、最新の治療法や希少疾患については精度が低下します。
このため、AI検索エンジンは医療クエリに対して特有の挙動を示します。 回答に免責事項を付加する、公的機関や学術機関のコンテンツを優先的に引用する、エビデンスが不十分な治療法については回答を控える、といった傾向です。
Googleの品質評価ガイドライン（2024年版）ではYMYL領域のコンテンツに高いE-E-A-T（経験・専門性・権威性・信頼性）を求めています。 AI検索エンジンもRAGで情報を取得する際に類似の基準で情報源をフィルタリングしていると考えられます（Gao et al., 2024）。 「良い情報を書いている」だけでは不十分で、「誰が、どのような根拠で書いたか」を機械可読な形式で伝えることが必要です。
監修者情報の設計
医療コンテンツのGEO対策で最も重要な要素が、監修者情報の構造化です。 各監修者について独立したプロフィールページを用意し、氏名・資格・所属医療機関・専門分野・学会発表実績を含めます。
Person schemaで構造化する際のポイントは、sameAsプロパティでresearchmapやGoogle Scholarなど第三者プラットフォーム上のプロフィールにリンクすることです。
これにより、AIが監修者の実在性と専門性を検証できます。
{
"@context": "https://schema.org",
"@type": "Person",
"name": "山田太郎",
"jobTitle": "消化器内科 専門医",
"affiliation": {"@type": "Hospital", "name": "○○大学病院"},
"qualifications": "日本消化器病学会 専門医",
"knowsAbout": ["消化器疾患", "内視鏡検査", "大腸がん"],
"sameAs": ["https://researchmap.jp/example"]
}各記事のJSON-LDではreviewedByプロパティで監修者を紐づけ、lastReviewedで最終レビュー日を明示します。
医療情報は定期的にレビューされていることが信頼性の要件になるため、実際のレビュー日を正確に記載してください。
医療情報の構造化
疾患情報や症状、治療法に関するコンテンツは、MedicalCondition schemaで構造化できます。
{
"@context": "https://schema.org",
"@type": "MedicalCondition",
"name": "2型糖尿病",
"alternateName": "Type 2 Diabetes Mellitus",
"associatedAnatomy": {"@type": "AnatomicalStructure", "name": "膵臓"},
"signOrSymptom": [
{"@type": "MedicalSignOrSymptom", "name": "多飲・多尿"},
{"@type": "MedicalSignOrSymptom", "name": "体重減少"}
],
"possibleTreatment": [
{"@type": "MedicalTherapy", "name": "食事療法"},
{"@type": "Drug", "name": "メトホルミン"}
]
}name、associatedAnatomy、cause、signOrSymptom、possibleTreatmentを記述することで、AIが医療情報を正確に分類・理解しやすくなります。
医療情報ページ全体にはMedicalWebPage schemaを適用します。
重要なプロパティはmedicalAudience（患者向けか医療従事者向けか）、lastReviewed、reviewedByです。
対象読者を明示することで、AIは質問者のレベルに合った情報源を選択しやすくなります。
コンテンツ設計のポイント
YMYL領域では、コンテンツの書き方で引用されるかどうかが変わります。
エビデンスの明示。 「厚生労働省の令和4年国民健康・栄養調査によると、日本の糖尿病有病者は約1,000万人と推計されています」のように、具体的な出典がある記述が引用されやすくなります。 「日本では多くの人が糖尿病に罹患しています」のような出典なしの記述は避けてください。
疾患情報の網羅的な構造。 疾患の定義→原因→症状→検査方法→治療法→予後→予防の順で、各セクションをH2見出しで区切ります。 AIは「○○の症状」「○○の治療法」といったサブクエリに対して、構造的に整理されたコンテンツから情報を抽出します。
免責事項の配置。 本文の冒頭に長い免責事項を置くと、AIがコンテンツの本題を取得しにくくなります。 免責事項はページの末尾に配置し、本文の構造を損なわないようにしてください。
医療機関のローカルGEO対策
「近くの○○科」「○○市 △△クリニック」といったクエリに対応するため、MedicalClinic schemaを実装します。
{
"@context": "https://schema.org",
"@type": "MedicalClinic",
"name": "○○内科クリニック",
"medicalSpecialty": {"@type": "MedicalSpecialty", "name": "内科"},
"address": {
"@type": "PostalAddress",
"streetAddress": "○○区△△1-2-3",
"addressLocality": "東京都",
"postalCode": "100-0001"
},
"telephone": "03-1234-5678",
"availableService": [
{"@type": "MedicalProcedure", "name": "胃カメラ検査"},
{"@type": "MedicalProcedure", "name": "大腸カメラ検査"}
]
}medicalSpecialty、address、telephone、openingHoursSpecification、availableServiceを記述してください。
Googleビジネスプロフィール（GBP）との情報整合性も重要です。 診療時間、住所、電話番号、診療科目について、自社サイトとGBPで完全に一致させてください。 特に「臨時休診」のような動的な情報は、両方を同時に更新する運用フローが必要です。
ヘルスケアサービスのE-E-A-T設計
フィットネス、メンタルヘルス、栄養指導などのヘルスケアサービスもYMYLの範囲に含まれます。 監修者の資格（管理栄養士、公認心理師など）、サービス提供実績、学術機関との連携実績を構造化してください。
健康関連の効果に関する主張には、査読済み論文の引用、公的機関のガイドラインへの準拠、自社の測定データ（測定条件を明記）のいずれかの形式で根拠を示します。 根拠のない効果の主張は、AIに引用されないだけでなく、薬機法や景品表示法の観点からもリスクがあります。
患者向けと医療従事者向けの分離
AI検索では、質問者の意図に合った深さの情報が引用されます。
患者向けコンテンツは平易な言葉で説明し、medicalAudienceをPatientに設定します。
医療従事者向けコンテンツは専門用語を使い、診断基準やガイドラインを正確に引用し、medicalAudienceをClinicianに設定します。
この分離により、両方のクエリでの引用機会を得られます。
医療情報の鮮度管理
古い医療情報がAIに引用されることは、患者に害を与える可能性があります。 各記事に「次回レビュー予定日」を設定し、治療法・薬剤は6か月ごと、疾患の基本情報は12か月ごとにレビューしてください。
記事の更新履歴を本文中に明示することも有効です。 「初版公開：2024年4月1日 / 最終更新：2025年7月15日（2025年版ガイドライン反映）/ 監修：山田太郎」のような形式で、AIは情報の鮮度を正確に評価できます。
実装チェックリスト
医療・ヘルスケア業界のGEO対策として、以下の項目を確認してください。
構造化データ。 MedicalWebPage schemaの実装、MedicalCondition schemaの実装（疾患情報ページ）、Person schemaによる監修者情報の構造化、MedicalClinic / Hospital schemaの実装（医療機関サイト）。
コンテンツ設計。 監修者プロフィールページの作成、エビデンスの明示（出典付き記述）、患者向け・医療従事者向けコンテンツの分離、定期レビューの仕組み化。
運用。 更新日・レビュー日の管理、GBPとの情報整合性の維持、新ガイドライン発表時の迅速な更新。
まとめ
医療・ヘルスケア業界のGEO対策は、YMYL領域特有の信頼性要件を満たすことが前提です。 AIは医療情報の引用元を選ぶ際、通常以上に慎重なフィルタリングを行います。 監修者情報の構造化、医療スキーマの実装、エビデンスに基づくコンテンツ設計の3つを一体として取り組む必要があります。
「誰が、いつ、どのような根拠で書き、いつ最後にレビューしたか」を機械可読な形式で伝えることが、YMYL領域のGEO対策の核心です。