ソートリーダー

医療AIが間違った場所に導入されている理由

Vasili Razhnou
Unite.AI を Google の優先ソースに追加
要点AIはまず、カルテ記録などの管理業務に取り組み、臨床医が患者ケアに専念できる時間を確保すべきです。
もっと見る
  • AIはまず、カルテ記録などの管理業務に取り組み、臨床医が患者ケアに専念できる時間を確保すべきです。
  • 医療AIは臨床データを活用し、安全性とコンプライアンスを確保するために医師の監督を維持しなければなりません。
  • 日常的な処方箋更新の自動化は、完全な臨床的自律性を追求するよりも、効果的に医療アクセスを拡大できます。

業界が解決しようとしている問題は間違っている

医療におけるAIの話題は、自律性についてです。AIは疾患を診断できるか。薬を処方できるか。最終的に医師を置き換えることができるか。

こうした仮定の話を考えるだけの段階は、もはや過ぎています。医療でAIを活用した実例がすでにあるからです。ユタ州はすでに、規制サンドボックスを通じて、処方更新を自律型AIが行う道を開いています。他州は、こうした初期の試行で許容できる安全性と効率性が示されるかどうかを見守っています。

しかし私は、AIが臨床の担い手に取って代わるかどうかを考えることから始めるのは、業界にとって間違った出発点だと考えます。

AIが診療における関係性をどこまで担えるかを問う前に、目の前のもっと単純で差し迫った問題に対処すべきです。臨床医は事務作業に圧倒されています。患者が必要な時期に予約を取れないのは、患者の需要が足りないからというより、診療に使える医療従事者の時間が足りないからです。ここから待機の積み残しが生まれます。業務負荷を軽くするAIが切実に求められるのは、まさにこの部分です。

これは特にメンタルヘルス医療で顕著です。米国では約2,200万人がADHDを抱えており、不安障害は、ある1年間で米国成人のおよそ19%に影響します。生涯では約31%です。どちらも十分に治療可能ですが、数百万人がガイドラインで推奨される治療を受けていません。問題は認知の不足ではありません。市場を少し見ただけでも、セルフヘルプのツールやコンテンツ、記録ツール、ADHDに配慮したアプリが数多くあります。本当に足りないのは、実際の診療、診断、そして必要に応じた薬物療法の管理へのアクセスです。

本稿では、もっと単純な出発点を提案します。現在の医療でAIの投資対効果が最も高い役割は、事務領域です。臨床の場で早すぎる段階から使えば、利益より問題が多くなる可能性があります。AIを信頼できる医療の一部にするには、負担が最も重く、効果がすぐに得られる場所から導入する必要があります。

データはAIがより効率的に導入できる場所を示している

医療のサービスを構築すると、すぐに見えてくるパターンがあります。どの臨床医を採用しても、数カ月以内に予約でいっぱいになります。私たちはこれを繰り返し見てきました。単に抽象的な医療提供者不足の問題ではなく、担当する患者が増えたとき、医療従事者の時間が何に使われるかが問題なのです。

精神科では、受診の約80%は通常の経過観察です。すべてが複雑な診断を伴う診療ではありません。多くは状態が安定した患者が同じ治療を続け、経過を確認し、症状を見直し、引き続き適切なら処方を更新するための受診です。それでも、記録、確認、病歴の見直し、処方薬モニタリングプログラム(PDMP)の確認、処方手続きという一連の負担はすべて生じます。医療従事者はこうした事務作業に1週間あたり平均16時間を費やしています。新しい患者の診療や、患者や複雑な症例により丁寧に向き合うことに使えたはずの時間です。

AIを巡る議論の多くは、この点で現場の実態から離れています。業界はAIが医師の役割を引き継げるかを問い続けますが、失われる診療能力のかなりの部分は、もともと高度な臨床判断をあまり要しない作業に費やされています。カルテ記載、確認、記録の見直し、経過観察の手続きなどです。こうした過程こそ、AIがすでに有益かつ測定可能な形で支援できるものです。

その時間を回復すれば、プロバイダーの負担を軽減するだけでなく、スケジュールをより多くの患者に開放することができます。待ち時間は、医療アクセスの重要な問題です。患者が専門家の診療を受けるまで何週間も待つことは珍しくなく、地域による格差も残っています。HHSは、農村および辺境コミュニティがプロバイダーと行動保健サポートの両方で不足していることを繰り返し指摘し、テレヘルスを、精神保健ケアへのアクセスを大幅に増やす方法として挙げています。

医療はなぜAIで自動化するのが最も難しい業界なのか

医療は外から見ると標準化されているように見えるかもしれません。しかし実際には、標準化されていると同時に、ばらつきもあります。

もちろん、ガイドラインや規制、記録のルールはあります。一方、臨床医それぞれが、過去の職場で培った習慣やワークフロー、手順を持ち込んでいます。同じ法的枠組みの下で同じ疾患を治療する2人でも、日常的な診療への取り組み方は大きく異なり得ます。AIは標準的な医療から逸脱せずに、この違いを考慮しなければなりません。これは、デモでよい成績を出すモデルを作るより、はるかに難しいことです。

規制対応の要件は、多くの場合、幾層にも重なっています。州の免許監督機関、連邦政府機関、HIPAA、処方監視システム、州のデータベース、内部の臨床標準業務手順(SOP)が交差します。ある州では適法な行為が、別の州では要件違反になることもあります。製品の観点から無害に見える手順も、処方、患者の本人確認、記録の保存、監査可能性に関わるとリスクになり得ます。プロセス自体に構造的な複雑さがあるのです。

データに関する問題も、想像するほど単純ではありません。医療では、一般的なツールをつないで利用者の行動から学習を始めればよいわけではありません。標準的な分析ツールやデータパイプラインの中には、根本的に変更しない限りHIPAAの規制上適さないものがあります。データをどう保存し、処理し、監査し、ワークフロー内に提示するかといった部分で、基盤を一から独自に構築しなければならないことも多いのです。驚くほど多くの企業がこれを過小評価し、開発がかなり進んでから全体を作り直すことになります。

しかし何よりも、最大の問題は単純に、医療でミスをする代償が極めて大きいことだと私は考えます。

他業界なら不便で済む誤った出力も、医療では治療の質、患者の安全、処方行動、規制上のリスクに影響し得ます。AIモデルを改善するために、人の健康を実験のように扱うことはできませんし、当然そうあるべきです。医療のどこにAIを最初に導入するかを考える際は、これを指針にすべきです。

医療でAIの投資対効果が最も高い導入先は事務領域

医師をAIに置き換えることから、医師を取り巻く業務上の摩擦を取り除くことへ、焦点を移す重要性が伝わっていれば幸いです。ここでは、それが実際にどのような形になるかを説明します。

カルテの作成。 AIは診療中にリアルタイムで文字起こしを行い、記録を作成できます。カルテ記載の負担を減らし、時間外の作業を短縮し、当日中の記録完了をはるかに現実的にします。MEDvidiの内部の仕組みでは、カルテ作成システムが診療中も継続的に記録を更新し、記載時間を大幅に削減するよう設計されています。

カルテのレビュー。 AIはカルテを内部SOPに照らして確認し、処方段階に進む前に逸脱を指摘することもできます。医療の品質レビューの多くはいまだに部分的で手作業です。少数の抜き取りではなく、すべての診療をレビューすることで、遵守状況がより見えやすく、一貫したものになります。

診療前の手続きの自動化。 医療従事者の時間の多くは、実際の臨床判断の前に、本人確認、州データベースとの照合、病歴の確認、潜在的な禁忌の確認、薬を求める行動や記録の欠落を示唆し得るパターンのスクリーニングなどに費やされます。どれも判断に取って代わるものではありませんが、すべて時間を要するため、臨床医が関与する前にAIがこれらの段階を処理する支援をできます。

ルーチンな処方管理。 状態が安定した患者の経過観察は、AIが特に役立つ場面です。治療が継続して変わっていない患者について、AIは処方更新の手続きを管理し、記録を準備する支援ができます。一方、最終判断は引き続き医師が確認し、承認します。これは完全自律型の医療とは大きく異なり、範囲が限定的で、より安全で、システムの実際のボトルネックにずっと即したモデルです。

これらの用途には共通点があります。時間を節約することで、医療提供能力を拡大するのです。これが、私が事務領域をAIを最初に導入する際の最も高い収益性が見込める場所だと考える中心的な理由です。

臨床現場のための正しいAIアーキテクチャ

医師の代替という話は、扇情的な見出しを生み、専門職を不安にさせるAIの脅威論の一つです。医療では、医師を中心とした支援の方が、はるかに実用的で有益かつ不可欠なモデルです。

このような構成では、すべての臨床判断と処方について、臨床医が最終決定権を持ちます。治療計画は引き続き、免許を持つ医療従事者が確認し、承認します。AIが担うのは、記録、確認、レビューの細部や、診療に付随する反復作業です。これが効率を改善し、説明責任を維持する最も安全な方法です。

医療AIには実際の臨床データも必要であり、既製のモデルや汎用データセットだけでは不十分です。臨床の手順は専門性が高く、規制は多層的で、許される誤差は小さすぎます。月々の患者の診療に関する独自データセットで訓練され、医療従事者のレビューとSOP遵守がワークフローに組み込まれたAIシステムを、この分野に進むあらゆるシステムの基盤とすべきです。要点は、医療AIが汎用モデルの能力ではなく、現実の臨床業務に根差していなければならないということです。

臨床医にとって、この構成は事務作業に失われる時間を減らし、新しい患者や複雑な症例に向き合う時間を確保します。患者には、より低い費用で医療へ迅速にアクセスでき、記録や提供の方法もより一貫する利点があります。現行システムでは不整合が散在する手順に隠れがちなため、規制当局も可視性の向上から恩恵を受けます。AIを正しく導入すれば、手順が理解しやすくレビューしやすくなります。レビュー自体は、人が作成した記録よりも、はるかに監査しやすいものです。

測定可能なワークフローの中で信頼性を示すことで、AIは、このように重要な業界が明らかに苦しんでいる領域を改善する、信頼できる道具になります。

結論

医療従事者が注意を向けてくれないという不満は、実際の問題を捉えています。医療従事者の気力を、ありふれた反復作業によってあらゆる方向から穴を開けられる風船だと考えてください。患者に丁寧に向き合う時間や心の余裕がなくなるのも当然です。

AIのせいで誰が最初に職を失うのかという恐怖に飛び乗るのではなく、特に医療では、人間が苦労している作業の層を改善するために技術を使う方が理にかなっています。AIの大きな利点は疲れを知らないことですが、人間の臨床医にはそれがありません。

複雑な規制、医療従事者の行動の違い、独自の基盤の必要性、ミスの莫大な代償を考えれば、医療の自動化が難しいのは理解できます。それでも、私たちの手元にあるこの技術で解消できる、現実の事務上の詰まりがあります。活用しましょう。

事務的ボトルネックに取り組まなければ、臨床AIは、将来の能力が現在できることよりも発展したときに、より大きなスケールで信頼を獲得するのに苦労するでしょう。

当面のモデルは明快だと私は考えます。AIが病歴を確認し、禁忌を調べ、本人確認を行い、カルテを作成し、処方手続きを準備します。医師は全体像を確認し、最終判断を承認します。安定した患者の経過観察で、従来は丸20分の診療を要していたものが、より短く、円滑で、安全なプロセスになり得ます。

紙上では些細なことのように思えるかもしれませんが、これは、長い間手動で残っていたシステムの大きな転換です。それは、すべての人に影響を及ぼします。

ヴァシリ・ラズノフは、MEDvidiのCEO兼創設者です。MEDvidiは、AIを活用したメンタルヘルスプラットフォームです。ヘルスケアとビジネスで15年以上の経験を持つシリアルファウンダーとして、5つのテクノロジー系スタートアップを立ち上げました。MEDvidiでは、ヴァシリは、事務負担を減らし、提供者がより迅速で一貫したケアを提供できるようにするAIを活用した臨床ツールの開発を主導しています。彼のリーダーシップの下、会社は3,000万ドルの年間経常収益(ARR)に達しました。