インタビュー
Grant Lunney、EverHealthのプロダクトリード ― インタビューシリーズ
Unite.AI を Google の優先ソースに追加
Grant LunneyはEverHealthのプロダクトリードで、ヘルスケアテクノロジー、臨床業務、製品戦略の分野で約20年の経験を積んできました。これまでBoulder Community Health、OTTO Health、NextGen Healthcare、CrowdHealthでキャリアを重ね、外来医療と、医療機関が直面する実務上の課題に取り組んできました。EverHealthでは、臨床文書作成や診療業務にAIを活用し、臨床医が患者のケアにより多くの時間を割けるよう取り組んでいます。
EverHealthは、電子カルテ、診療所運営管理、医療費請求、患者とのコミュニケーションにわたるヘルスケアテクノロジーを提供しています。同社のEverHealth Scribeは、環境音声AIを活用して患者と医療従事者の会話を診療記録の下書きに変換し、電子カルテ内で臨床医が確認・承認できるようにします。このインタビューでLunneyは、行動医療の記録作成、患者の同意とプライバシー、臨床上の監督、そしてAIが独立系医療機関の事務作業をどのように削減できるかについて語ります。
臨床業務と戦略を担ったBoulder Community Healthから、OTTO Health、NextGen Healthcare、CrowdHealth、そして現在のEverHealthでのプロダクトリーダーとしての仕事まで、あなたはヘルスケアテクノロジー分野で約20年にわたるキャリアを歩んできました。こうした経験は、医療においてAIが果たすべき役割についてのあなたの考え方にどのような影響を与えましたか。また、EverHealthで製品イノベーションを主導する機会に惹かれた理由は何ですか？
私は20年近くにわたり、主に外来医療の領域でヘルスケアテクノロジーに携わってきました。その間、医師が診療を行うために使うツールが目覚ましい進歩を遂げるのを見てきました。電子処方が大きな話題だった頃のことを覚えています。医師が処方箋を電子的に送信でき、患者が薬局に着く頃には薬が用意されているという仕組みは、大きな前進でした。それ以来、より高度な電子カルテ、業務の自動化、相互運用性など、医療の効率化を目指すさまざまなツールが導入されてきました。
AIについても、私は同じように考えています。大規模言語モデル、生成AI、予測モデルのいずれであっても、私たちが持つツールに新たな選択肢が加わったということです。目指すところは変わりません。臨床医の業務効率を高め、最終的には提供する医療の質を向上させることです。
2,500人、あるいは3,000人の患者を担当するプライマリケア医を考えてみてください。日々の時間は、急性期の診療、薬剤管理、複数の慢性疾患を抱える患者のケアに追われています。しかし、患者とより早い段階から向き合う時間をもっと持ちたいと、そうした医師たちが思わないはずはないと私は確信しています。栄養、運動、行動医療、そして人々の健康に影響する社会的要因について話し合うことです。将来、次の慢性疾患が発症するのを防ぐために、人々が意義のある変化を起こせるよう支援することです。医師たちが医学部に進んだのは、まさにそのためです。
AIに期待を寄せる理由はそこにあります。事務作業や情報処理のかなりの部分を臨床医の負担から取り除き、診療により多くの時間を使えるようにするテクノロジーが生まれつつあります。
EverHealthに惹かれたのは、医療機関全体にわたって、このテクノロジーを段階的に活用できるからです。まず一つの課題を徹底的に解決し、それから次の課題に取り組むことが重要だと強く考えています。臨床文書作成を改善し、次に診断の認識、コーディング、オーダー、処方、診療所の運営へと取り組みを広げられます。時間をかけて、こうした改善が連携して機能するようになります。
EverHealth ScribeはAIを使い、患者と医療従事者の会話を構造化された診療記録に変換します。セッションの録音から診療記録の生成まで、この技術の仕組みを説明していただけますか。また、他のAIを活用した医療文書作成ソリューションと比べて、どのような点に独自性がありますか？
最も基本的な仕組みとして、AIスクライブは患者と臨床医の会話を聞き、音声認識によって誰が何を話しているのかを把握し、大規模言語モデルを使って臨床上重要な情報を構造化された記録にまとめます。臨床医はその内容を確認し、必要な修正を加えたうえで、最終的な記録を承認します。
優れた環境音声AIスクライブの多くは、この基本的な作業を非常に高い能力でこなせる段階に近づいていると思います。モデルによって高度さや精度には差がありますが、差別化の機会は今後、このプロセスを取り巻くあらゆる要素にますます移っていくと考えています。
私たちの場合、まず取り組んでいるのは、記録を作成した後に臨床医の業務をどこまで完了できるかです。診断やCPTコードの推奨機能はすでに追加しており、オーダーや処方にも対応範囲を広げています。これらはすべて電子カルテに直接組み込まれています。また、過去の診療、病歴、受診前に作成された文書からも情報を取り込んでいます。15分間の会話は、はるかに大きな臨床上の経過のほんの一部にすぎないからです。さらに、臨床医が気づいたことや記録したことのうち、口には出されない内容を捉える注釈機能も開発しています。
こうした機能すべてに、信頼性を組み込んでいます。臨床医が患者と30分過ごした後で録音に失敗していたとわかるのは、取り返しのつかない事態です。そのため、マイクの配置から不安定なWi-Fi接続まで、あらゆる要素を考慮する必要があります。
これらすべてが適切にできれば、診療の終了時には、記録作成に関する作業のほぼすべてが完了しているはずです。医療従事者に残るのは、臨床情報を確認し、専門的な判断を下し、妥当な提案に基づいて対応することです。
メンタルヘルスの診察では、非常に個人的な会話や感情の機微、慎重な扱いを要する告白が交わされることが少なくありません。行動医療向けのAIスクライブを開発する際、特有の技術的課題にはどのようなものがありますか。また、文脈を誤解したり、不要な個人情報を記録したりすることなく、臨床上重要な情報を正確に捉えるには、どのような工夫をしていますか。
50分間の心理療法セッション、15分間の行動医療相談、7分間の内科診療では、交わされる会話はそれぞれ大きく異なります。当然、各診療から作成される記録の内容も異なります。
そこで、まず医療従事者の視点に立ち、そこから逆算して考えます。どのような情報を記録する必要があるのか。どのように整理すべきか。臨床上、適切な詳細度はどの程度か。そして、診療内容が正確に反映されていると医療従事者が確信できる記録とは、どのようなものか。
それが定まったら、期待に沿った記録を作成できるよう、AIの設定と調整を始めます。非常に長く複雑で、個人的な内容を多く含む会話を、患者のケアに実際に関係する臨床情報へと整理することが目標です。
これは、特に行動医療において重要だと思います。セッション中に話されたことが、すべて自動的に患者の永続的な診療記録に含まれるべきだとは限りません。モデルは臨床的な意味を正確に解釈する必要もあります。行動医療では、同じ発言でも文脈によって意味が大きく異なることがあるからです。だからこそ、医療従事者による確認と判断が欠かせません。
こうしたモデルの知能の高さについてはよく語られますが、最も重要な作業の一部は、モデルが記録を生成する前に行われると思います。臨床記録の成果として何が望ましいかを定め、それをどれだけ安定して実現できるかを継続的に高めていくことです。
簡潔に言えば、何が優れた記録なのかを定義し、そこから逆算して取り組み、目標を達成できたかどうかの最終判断は医療従事者に委ねます。
KFFの調査によると、米国の成人の77%が、AIツールに共有する医療情報のプライバシーを懸念しています。EverHealthは、患者データの保持期間、第三者によるアクセス、AIモデルの訓練や改善における機微情報の利用について、こうした懸念にどのように対応していますか。
その懸念はもっともです。より良いケアを受けるために、患者がプライバシーを犠牲にする必要はないと思います。同時に、テクノロジー企業が、自社の安全対策を無条件に信頼するよう患者に求めるべきでもありません。患者や医療機関には、どの情報を利用し、誰がアクセスでき、どのくらいの期間保持するのかについて、明確な説明を受ける権利があります。
EverHealth Scribeでは、臨床記録の作成と継続的なケアを支援する目的で、患者情報を処理します。CarePilotを含むテクノロジーパートナーとは、保護対象保健情報の取り扱いを定める業務委託先契約など、契約上の安全措置を設けています。また、暗号化とアクセス制御を採用しており、個人を特定できる患者情報をAIモデルの訓練に使用することはありません。Scribeの文字起こし記録は最長180日間利用でき、医療従事者は診療をまたいで関連する文脈を確認できます。一方で、医療機関から文字起こし記録の削除を依頼することもできます。
結局のところ、イノベーションを進めた後からプライバシー対策を付け加えることはできません。何を開発し、何と連携し、何を保持するかという判断に、プライバシーへの配慮を組み込む必要があります。
EverHealth Scribeを導入しているMentavi Healthは、患者の同意を、初回受付時と各診察の前の両方で取得しています。このように継続して同意を得る仕組みは、患者の信頼を築くうえでどれほど重要でしょうか。また、患者がAIを活用した記録作成を拒否した場合や、セッション中に同意を撤回した場合、どのように対応すべきでしょうか。
Mentaviが初回受付時と各診察の前に改めて同意を得ているのは、ケアの提供方法について患者自身に選択権があることを示すものです。
私はキャリアのかなりの期間を遠隔医療の分野で過ごしてきたため、テクノロジーがもたらす価値を実感できれば、患者は概して前向きに受け入れると考えています。理想的には、患者は医療従事者とより多く目を合わせ、より直接的なやり取りをし、医療従事者がノートパソコンの陰に隠れたり、ワークステーションに入力したりするのではなく、会話にきちんと集中していると感じられます。それは非常に説得力のある価値提案です。
もちろん、その価値を実現するうえで、患者が選択できることも欠かせません。患者はテクノロジーの利用方法について説明を受け、安心して利用を断れる必要があります。診察中に患者が同意を撤回した場合は録音を停止し、医療従事者が診察を続け、通常の業務手順で記録を作成できるようにすべきです。すでに取得した情報は、適用される同意およびプライバシーに関する要件に従って取り扱う必要があります。
結局のところ、信頼は価値を一貫して提供することで生まれると思います。医療従事者が患者と向き合う時間を増やし、患者自身もその違いを実感できるよう支援できているなら、私たちは正しいことをしているのだと思います。
AIが生成した診療記録には、情報の捏造、詳細の欠落、患者の発言の誤った解釈など、潜在的なリスクがあります。EverHealthでは、こうした誤りを見つけるためにどのような安全対策を講じていますか。また、臨床医がAI生成の記録をただ承認するのではなく、適切な監督を維持できるよう、どのようにしていますか。
臨床医は書記支援ツールと緊密に連携し、AIが生成した記録を編集してから診療記録に追加する責任を負います。これにより、最終的な出力に食い違いが生じる可能性をできる限り抑えています。
臨床医は、情報を診療記録に確定する前に確認し、編集する必要があります。記録が診察内容を正確に反映しているか、重要な点が見落とされたり誤って解釈されたりしていないかを判断する最終的な責任は、引き続き臨床医にあります。
もう一つの重要な要素は、継続的なフィードバックです。診察のたびに、記録が役に立ったかどうかを臨床医に尋ねており、回答の96％超が肯定的です。これは、私たちが一貫して価値を提供できていることを示す心強い兆しです。
臨床医から問題の報告があった場合、私たちのチームは直接話を聞き、何が起きたのかを把握し、根本的な問題を特定したうえで、体験をどう改善できるかを検討します。この技術を使う人々と直接つながることは、製品の開発と改良において非常に重要です。
AIを活用した記録作成への信頼は、最終的にはこうして築かれるのだと思います。根拠となる情報を確認できるようにし、臨床医による適切な監督を保ち、技術が実際に役立っているかを継続的に評価することです。
Mentavi Healthは最近、免許を持つ臨床医30人超が参加し、AIの支援を受けた診療記録を14,000件以上作成する段階的な導入について報告しました。この導入では、構造化された記録の作成と診断コードの記録率に改善が見られました。この取り組みで得られた最も重要な知見は何ですか。また、AI書記支援ツールが臨床医の生産性、記録の正確性、患者ケアを実際に向上させているか、どのように測定していますか。
Mentaviの導入から得られた最も重要な教訓の一つは、導入を成功させるには技術そのものだけでなく、さまざまな要素が必要だということです。Mentaviは臨床、事務、技術それぞれの専門知識を結集し、記録の基準を定め、品質指標を確立し、機能を慎重に導入しました。こうした連携こそ、責任ある医療イノベーションのあるべき姿です。
Scribeで解決しようとしている課題は明確です。臨床医が診察の記録に時間をかけすぎていることです。では、その時間と労力をどれだけ削減できるでしょうか。
私たちは、記録作成にかかる時間や臨床医の満足度に加え、診断の認識やCPTコードの提案といった機能が、ワークフロー上の追加手順をどれだけ効果的に減らしているかを確認しています。今後、オーダーや処方にも機能を広げる際には、同じ考え方を適用します。それぞれの機能によって、臨床医が一日の業務で担う作業を、さらに一つ、意味のある形で減らすべきです。
診断コードの記録率が向上したことは、特に大きな成果でした。評価では、Scribeを使った診療の診断コード記録率が約80％に達したのに対し、使わなかった場合は約26％でした。これは、構造化された診療記録の一貫性が大幅に向上したことを示しており、AIが単に記録を生成する以上の価値を生み出せる好例です。
生成された記録の件数も心強い成果ですが、私たちが削減できている作業量、そして作成を支援する記録の質と一貫性こそが、重要な成果です。
独立系の医療機関やメンタルヘルス診療所は、大規模な医療システムと比べて、限られた事務リソースで運営されていることがよくあります。AIを活用した記録作成は、小規模な診療所が競争力を高めるうえでどのように役立ちますか。また、導入費用、ワークフローへの統合、技術の定着に関して、乗り越えるべき課題は何でしょうか。
独立系の診療所にとって、最大の機会は選択肢が広がることだと思います。臨床医やスタッフの事務作業を減らすことで、時間やリソースの使い方について、よりよい判断を下せる自由を診療所にもたらします。医師は、より多くの患者を診たいと思うかもしれません。すでに診ている患者と過ごす時間を増やしたいと思うかもしれません。あるいは、最後の診察を午後5時に終え、記録を確認するのに15分を使って帰宅し、その後さらに2時間かけて記録を処理するのを避けたいだけかもしれません。どれも価値のある成果であり、何を最も重視するかは、診療所自身が決められるべきです。
導入について言えば、私たちはすでに診療所に技術を提供しているため、ワークフローへの統合は診療所ではなく私たちの責任です。Scribeは臨床医がすでに所有している端末で動作し、導入に必要な研修は1回か2回で済む場合もあります。一方、小規模な診療所には、技術的な問題に対処する余裕がほとんどありません。そのため、できる限り利用者自身で設定を完了できる形を目指しています。
最終的に、AIによって独立系の診療所も、これまでははるかに大規模な組織でなければ利用できなかった機能や業務効率を得られるようになると思います。そして同じくらい重要なのは、そうした診療所で働く人々が、自分たちの時間の使い方をより自由に決められるようになることです。
医療、特に行動医療におけるAIを規制する法律が州ごとにますます多様化するなか、EverHealthはこの断片化した規制環境にどのように対応していますか。複数の管轄区域にまたがる患者の同意、データプライバシー、臨床家による監督の要件の違いに対応しなければならないAI製品を開発する際、どのような課題が生じますか。
この展開には見覚えがあります。新型コロナウイルス感染症の流行前、私はキャリアの大半を遠隔医療に携わり、州ごとに異なる免許要件、患者の所在地、同意、処方、診療報酬の問題に対応してきました。その後、ルールがほぼ一夜にして変わり、変化が続くなかで事業を拡大しなければなりませんでした。
AIをめぐる状況も、それと似ていると感じます。私たちは、法案の動向を先取りし、州法と連邦法の細かな違いを理解したうえで、変化に対応できるよう製品を構築することに注力しています。
これは特に行動医療の遠隔診療で重要です。1人の臨床家が多くの州の患者を診ることもあるからです。同意、プライバシー、臨床家による監督は、サービスの基盤として設定可能でなければなりません。
この経験から得た本当の教訓は、規制の変化に対応できるよう、製品を最初から設計しなければならないということです。これが、EverHealthでAIに取り組む際の私たちの理念です。臨床家がケアの提供に集中できるよう、複雑な課題をできる限り私たちが引き受けることが役割です。
今後、AIの機能は文書作成にとどまらず、臨床上の意思決定支援、患者エンゲージメント、さらには自律性を高める医療ワークフローへと急速に広がっています。特にメンタルヘルスにおいて、AIによる支援と人間の臨床判断の境界はどこに置くべきだとお考えですか。また、今後3～5年でEverHealthのテクノロジーはどのように進化するとお考えですか。
AIは話を聞き、情報を整理し、関連する背景情報を提示し、提案することができます。しかし、臨床判断を下すのは臨床家です。
これは特にメンタルヘルスで重要です。患者の病歴や声の調子の変化、さらには口にされなかったことさえ、言葉そのものと同じくらい意味を持つ場合があるからです。テクノロジーは、そうした瞬間に臨床家がより深く患者に向き合えるようにするものであり、その機会を減らすものであってはなりません。
今後3～5年で広がる可能性は、より賢い記録作成支援ツールにとどまりません。EverHealthが目指すのは、診察の前・最中・後の各場面をテクノロジーでつなぐ、インテリジェントな外来診療の一連のプロセスです。
大切なことを覚えている診療所を想像してみてください。必要なときに関連する病歴を確認でき、臨床家は断片化した情報をつなぎ合わせるのではなく、患者に集中できます。そして臨床上の意思決定が、文書作成、コーディング、ケアの調整、フォローアップへと、より一貫して反映されます。私たちが目指しているのは、個々の作業を速くすることだけではありません。作業と作業の間にある摩擦を減らしたいのです。
私たちがあらゆる取り組みの指針としているのは、すべての患者が十分に理解されていると感じ、すべての医療従事者が確信を持って一貫したケアを提供できるだけの明確さを得られるようにすることです。
素晴らしいインタビューをありがとうございました。AIを活用した臨床文書作成と連携した医療ワークフローについて詳しく知りたい読者は、EverHealthをご覧ください。
