AIが病院に導入されると何が変わるのか――医師と患者への影響

前回のコラムでは、ビジネスの観点から医療分野のAIを取り上げ、テクノロジー企業にもたらす機会に焦点を当てました。しかし、イノベーションや新たな市場の可能性にとどまらず、より根本的な問いがあります。こうしたテクノロジーは、使う医師や、その医師に頼る患者にどのような変化をもたらすのでしょうか。結局のところ、医療イノベーションの真価は、医療の質と受けやすさを向上させる力にあります。そして私はすでに、医療の提供方法に目覚ましい変化が起きているのを目にしています。

医療現場の人手不足が自動化を加速させる

病院に臨時の医療スタッフを派遣する会社を経営する起業家を知っています。同社は、通常の職員が勤務できないときに代わりを務める看護師などを派遣しています。人手不足が続くなか、こうした事業は好調だと思うかもしれません。しかし彼によると、医療従事者の派遣を専門とする会社でさえ、十分な資格を持つ人材の確保に苦労しているそうです。

病院では、何十年にもわたって医師や看護師の不足が続いています。新たな医療従事者を育成するには、かなりの時間と資源が必要です。特に米国では医学教育に多額の費用がかかる場合があり、何年にも及ぶ学習と臨床研修には、経済的、精神的な負担が伴います。研修を終えた後も、医師は強いストレス、重大な責任、絶え間ない時間的制約に直面します。

その結果、医師が患者一人ひとりにかけられる時間は、症状の確認、考えられる診断の検討、検査の指示、必要な記録の作成を合わせても、わずか数分という場合があります。こうした業務負担はミスのリスクを高め、患者と十分に向き合う時間を減らします。また、人員を増やすだけでは、この問題の解決は難しいでしょう。

だからこそ、慢性的な人手不足と増大する業務負担が、病院でのAI導入を加速させる主な要因の一つになると考えています。

医師はどのような業務をAIに任せられるのか

実用性の高い活用例の一つが、医師と患者の会話を記録して診察内容を要約し、診療記録の作成を支援するAI搭載システムです。医師は手作業で記録を書く時間を費やす代わりに、必要に応じて確認・修正できる下書きを受け取れます。

こうしたツールのメリットは、すでに臨床現場で明らかになりつつあります。JAMAに掲載された2026年4月の研究では、米国の5つの医療センターに所属する8,500人を超える医療従事者のデータが調査されました。AIを活用した記録作成ツールを導入した臨床医では、診療記録の作成に費やす時間が平均10％減少しました。これは、患者の診療を予定している時間の8時間あたり約16分に相当します。

もう一つの例は、AIを活用した鑑別診断です。腹痛と左側のしびれを訴える患者が受診した場面を想像してください。AIシステムは症状を分析し、調べるべき原因の候補を複数提示できます。最終的な診断を下すわけではありませんが、医師が可能性の一覧を作成し、追加で尋ねる質問を洗い出し、必要となる検査を判断する助けになります。こうしたツールはすでに実際の現場で目にしており、今後、診察で日常的に使われるようになると考えています。一方で、正当な懸念もあります。AIが生成した提案に頼ることで、医師が自力で推論する能力が徐々に損なわれることはないでしょうか。システムがすぐに使える答えを示すと、その結論を信頼したくなるものです。特に、患者一人ひとりにかけられる時間がすでに限られている場合はなおさらです。

ただし、別の側面もあります。どれほど経験豊富な医師でも、その知識はこれまでに診てきた患者、受けてきた研修、そして学ぶ時間を確保できた研究によって、必然的に形作られます。一方、AIモデルは、個々の医師が遭遇したことのない症例も含め、はるかに大量の医療データにまたがるパターンを特定できる可能性があります。

医学研究におけるAIの役割

さらに検討する価値があるのは、経験豊富な専門医でさえ合意に至るのが難しい、複雑な臨床症例の領域です。現在、こうした症例はしばしば症例検討会に持ち込まれ、医師たちが検査結果を確認し、考えられる診断について話し合い、治療の次の段階を決定します。AIがこうした議論に取って代わるとは思いませんが、新たな参加者の一員になることは考えられます。

実現方法はいくつかあります。複数のモデルに同じ臨床症例をそれぞれ独立して分析させれば、医師は結果を比較し、見解が一致する点や食い違う点を特定できます。あるいは、単一のモデルに異なる分析手法を用いて同じ症例を何度も検討させ、その結果をまとめて確認する方法もあります。

もちろん、AIモデル同士の見解が一致しても、正しい結論に達したとは限りません。モデル間で限界を共有していたり、似たような学習データに依存していたり、同じ誤りを犯したりする可能性があります。それでも、こうした追加の視点は、矛盾を見つけ、まれな疾患を指摘し、医師が当初は検討していなかった可能性を示す助けになるでしょう。

ただし、AIがこうした議論に有意義な貢献をするには、個々の検査結果だけでなく、より広い視点で検討する必要があります。Keymakrとの仕事を通じて、こうした幅広い臨床的背景がいかに重要かを、私は身をもって感じてきました。ある超音波画像診断プロジェクトでは、同じ患者を異なる時点で撮影した画像を扱いました。1日に数回撮影することもあれば、数か月後に再び撮影することもありました。チームは、患者の検査履歴に伴う変化を考慮しながら、解剖学的構造を注釈し、専門医による確認が必要な異常の可能性を特定しました。

個々の記録にあるわずかな不整合が、データセット全体にわたる関連データの解釈に影響することもあります。この経験を通じて、患者の病歴を全体として捉えることがいかに重要かを改めて認識しました。複雑な臨床上の意思決定を支援するAIシステムにとっても、同じことが不可欠です。

MRI装置を使わずにMRI画像を作成

しかし、診断に必要なのは医療データを正しく解釈することだけではありません。そもそも、そのデータを入手できることも重要です。私が参加したイベントの中で、Scryonが推奨するイベントで紹介された、特に興味深いAIプロジェクトの一つが、まさにこの課題に取り組んでいます。開発チームは、CT画像と特定の角度から撮影した複数のX線画像を使い、人工知能によってMRIに似た画像を再構成する方法を開発しました。このアイデアの背景には、非常に現実的な問題があります。MRI装置は高額で、検査まで数か月待たなければならない患者もいる一方、X線装置やCT装置ははるかに広く普及しているのです。

現時点では、この技術の対象は膝に限られていますが、開発者たちは他の関節への応用も検討しています。チームによると、再構成された画像は、異なる物理原理に基づく撮像技術を用いているにもかかわらず、MRI画像に匹敵する情報を提供することを目指しています。

チームは、高価な医療機器を新たに開発するのではなく、既存の画像診断技術を活用し、AIによる画像再構成を通じて、その機能を拡張しています。

国境を越える手術室

今後10年間で、あらゆる医療プロセスの少なくとも半分に、何らかの形でAIが関わるようになると私は考えています。医療データの分析や診断支援から、手術中のリアルタイムなAIガイダンスまで、幅広い用途を想定しています。

長期的には、こうした技術によって、医療を受けるうえでの経済的、組織的、さらには地理的な障壁も乗り越えられる可能性があります。米国の熟練した外科医がインドの子どもの手術を支援したり、インドの専門医がカナダの患者の治療を手助けしたりする場面を想像してみてください。どちらの場合も、手術室に立ち会うことなく支援できます。ロボット工学、遠隔操作システム、AIを活用した手術支援の進歩により、こうしたシナリオが実現する可能性があります。

この方向に向けた初期の取り組みは、すでに始まっています。たとえば、Proximieのプラットフォームを使えば、外科医は手術室に遠隔で接続し、処置をリアルタイムで観察し、現地の医療チームと連携できます。このシステムは、ライブ映像、音声通話、視覚的な注釈に対応し、AIを使って手術のワークフローに関するデータを分析します。これは、外科医がすでにあらゆる手術を遠隔で行えるという意味ではありません。しかし、同じ手術室にいなくても、専門医が知識を共有し、助言できるようになります。

医療へのアクセスの改善は、医療AIの中心的な目標の一つであるべきだと私は考えています。重要なのは、こうした技術によって診断検査の待ち時間を短縮し、医療従事者の負担を軽減し、医師が患者と過ごす時間を増やせるかどうかです。最終的には、医療AIによって、適切なタイミングで質の高い医療を受けられる人がどれだけ増えたかを、その成功の尺度としたいと思います。