スライド
https://claude.ai/public/artifacts/bc3482a7-ff47-4f52-a358-02cc7a9128a3
音声概要
AI診療支援merged_audio.mp3 - Google ドライブ
診療支援AI実用化の進展と現状
近年、人工知能（AI）の医療応用が各国で急速に進みつつあります。特に深層学習の発展により、画像診断補助や医療相談チャットボット、電子カルテ自動記載など様々な診療支援ツールが登場しています12。これらは医師の業務負担軽減や診断精度向上に寄与することが期待されています。一方でAIが医師を完全に代替する段階には至っておらず、現状では「人間の医療者を支援・拡張する」役割に留まっています34。
実際、米Googleの医療用大規模言語モデルMed-PaLM 2開発者も「このLLM（大規模言語モデル）は医師や看護師の代わりではなく、ケアチームの一員としてワークフローを補強するものだ」と強調しています5。中国でも、2017年に中国初の医師国家試験合格AIロボット「小医（Xiaoyi）」を開発した科大訊飛（iFLYTEK）社長が「AIは医師を置き換えるのでなく、人機協同で効率を高める」と述べており6、少なくとも現時点では「AIドクター」による独自行為は許容されていない状況です。
もっとも、一部の限定的領域ではAIが診断を自動で下す事例も出始めています。例えば米国では糖尿病性網膜症を自動検出するAIソフトウェア（LumineticsCore）が2018年にFDA承認され、眼科専門医なしで網膜画像から診断を行うことが可能となりました7。このように特定分野のスクリーニングではAIが実質的に診断業務を代替する例もあります。しかし総合診療や治療方針決定など広範な領域で、AI単独で人間の専門医に匹敵するパフォーマンスを発揮するまでには、なお慎重な検証と時間が必要です8。
臨床現場でのAI活用は現在、医師をサポートする意思決定支援や自動レポート作成など比較的リスクの低いタスクから段階的に進められています9。例えば米国HCAヘルスケアでは診療記録のドラフト作成や患者引継要約の生成にAIを試験利用し、まず文書作成支援といった「受け入れやすい」用途で医療者の信頼醸成を図っています10。こうした段階的導入によって医療者側にAIをパートナーとして受け入れる土壌を作り、その上で将来的に意思決定支援などより踏み込んだ領域への適用を目指す戦略が各国で取られています11。
各国における診療支援AI導入事例
各国・地域で、診療支援AIの導入状況は大きく異なります。ここでは主な国（米国、英国、ドイツ、フランス、中国）を中心に具体例を紹介します。
米国（USA）
米国は診療支援AIの実用化で世界をリードしており、多数のAI医療機器がFDAの承認を得ています。2024年8月時点でFDAにより約950件ものAI搭載医療デバイスが認可されており、その数は2015年の年間6件から2023年には年間221件へと激増しています12。これらの多く（約3/4）は医用画像解析領域で、放射線画像の読影補助や画像処理に関するものです13。例えば肺結節検出や脳卒中の早期発見を支援するソフトウェア（Aidoc社やRapidAI社など）が米国各地の病院で救急放射線診断に活用されています14。Viz.ai社の脳卒中検出AIもFDA承認後、救急医療での脳梗塞治療の時間短縮に寄与した例として知られます。
また、米国では大規模言語モデル（LLM）を用いた診療支援の試験導入も進んでいます。大手医療機関HCAヘルスケアではGoogleの医療特化LLM「Med-PaLM 2」を用い、救急外来での医師-患者対話を自動記録・要約するシステムを2023年から約75人の医師でパイロット運用しました15。このシステムは会話を自動転記し電子カルテ記載を補助するもので、業務効率向上に寄与しています。また大手EHRベンダーのMeditech社は自社電子カルテにGoogleのNLP/LLM技術を組み込み、カルテ情報の検索・要約を自動化する機能を提供し始めています16。このように臨床文書作成・情報整理の領域で生成AIを活用する動きが活発です。さらに、AppleやMicrosoftも医療分野へのAI展開を強化しており、AppleはApple Watchの不整脈検知機能でFDA承認を取得17、MicrosoftはOpenAIのGPT系モデルを用いた臨床文書要約ソリューションを提携病院に提供するなど、IT企業と医療機関の協業が進んでいます18。
英国（UK）
英国では国民保健サービス（NHS）を中心に医療AIの現場試験が行われています。注目される導入例の一つが、乳がん検診におけるAI読影補助です。英国の15の医療トラスト（地域医療団体）で、Kheiron Medical社の乳房X線読影AI「Mammography Intelligent Assessment (Mia)」を用いる大規模試験が実施されました19。通常、乳房X線写真（マンモグラム）は二人の放射線科医が読影し「正常」か「要精査」か判断します。本試験では直近2か月間に「正常」と判定された約12,000件のマンモをAIで再評価し、その結果約10%にあたる1,196件が「再読影すべき」とAIによりフラグされました20。追加精査の結果、その中から11名の患者が再検査となり5名に早期乳がんが発見されています2122。見逃されがちな微小病変をAIが指摘し早期発見につながった好例であり、「人間の目に見えないものをAIが発見してくれた」と患者も恩恵を語っています23。
英国ではこのような読影支援AIにより、放射線科医の人手不足を補い診断精度を向上させることに期待が寄せられています24。実際、乳がんスクリーニング担当の医師は「AIの臨床応用は初期段階だが、見逃し削減や精度向上により患者転帰を改善し得る。放射線科医と協働することで高品質なケア提供に寄与するだろう」と述べています25。
英国のその他のAI導入事例
さらに英国では、NHS AIラボ（NHS内のAI専門組織）が中心となり多数のAIプロジェクトへの資金支援が行われています。例えばDeepMind社（現Google DeepMind）とNHS提携による眼科画像AI研究（網膜スキャンからの疾患予測）や、Oxford発スタートアップによる心エコー解析AI（Ultromics社）などが進められてきました。また、民間ではBabylon Health社が開発した症状チェックAIが一時期NHSのオンライン診療サービスで試用され話題となりました。現在Babylon社は事業再編中ですが、こうした患者向け症状評価チャットボットも英国発で先駆的に導入されてきた経緯があります。
ドイツ
ドイツでは医療IT化の遅れが指摘されつつも、近年政府主導のデジタルヘルス促進策（病院未来法: KHZGなど）によりAI導入が加速しています。その中でも代表的なのが、大手民間病院グループのアスクレピオス（Asklepios）によるAIの全院導入プロジェクトです。アスクレピオスはドイツ全土に170以上の医療施設を持つ大手で、同社はイスラエル発の画像診断AIプラットフォームAidocと戦略提携し、グループ内25以上の病院の放射線科にAIシステムを展開しています26。これはドイツ民間病院セクター最大規模のAI導入であり、パイロット実施病院で成果確認後、2025年末までにグループ全院への展開を目指す計画です27。このシステムではCTやX線画像をリアルタイムにAI解析し、脳卒中・脳出血、胸部病変、骨折など緊急度の高い所見を検知すると放射線科医にアラートを出します28。特に夜間当直時の見落とし防止や読影待ち時間短縮に効果があり、診断から治療までの時間短縮や医師の負担軽減に貢献しています29。アスクレピオス社経営陣も「診断から治療までの時間短縮、診断の質保証、医師の負荷軽減が目的。放射線科医不足への対策としてもAI支援は有用だ」と述べており30、政府の補助金も得て大規模プロジェクトとして推進されています。
ドイツでは他にも、柏林救急病院（UKB）がAidocを採用した国内初の事例31、Fraunhofer研究所によるデータ保護に配慮したAI医療システム開発32、AIスタートアップによる医療文書自動作成（ドイツ語報告書の自動要約など）33といった取り組みがみられます。全体としてドイツは欧州内でAI医療応用を主導する立場にあり34、政府支援の下で臨床AIの大規模導入実証が進んでいます。
フランス
フランスでは、AIを国家戦略として位置付け医療分野への投資を拡大しています。特に医用画像分野は「フランスAIの真髄」と称されるほど活発で、複数の有望スタートアップが誕生しています35。例えばスタートアップAZmed社は骨折検出AI「Rayvolve」を開発し、欧州CEマークを取得してフランス国内50以上の医療画像センターに導入されています36。救急外来で撮影されるX線画像のうち、多忙な時間帯には専門放射線科医の読影が遅れるケースが多くありますが、Rayvolveは救急医らに即時の骨折有無データを提供し業務を支援しています37。またMilvue社はX線画像から異常を自動検知して正常検査に自動レポートを付与するシステムを開発し、救急診療の負担軽減を図っています38。Gleamer社もX線診断補助AI「BoneView」を開発し、フランス国内で実績を積んだ後に米FDA承認を取得して国際展開を進めています39。
フランスの病理診断AIプロジェクト
さらに放射線画像にとどまらず、病理診断AIにも国家的プロジェクトが立ち上がっています。例えば世界的な癌研究施設グスタブ・ルッシー（Gustave Roussy）は、フランス政府投資銀行Bpifranceの資金（3,300万ユーロ）を得て全国の研究病院・病理ラボ・企業と連携したAIコンソーシアム「PortrAIt」を2023年に開始しました4041。このプロジェクトでは15種類以上の病理画像AIを開発・展開し、がん診断や治療効果予測の高度化を目指しています42。今後5年間で成果を病院に実装する計画であり43、「フランスをデジタル病理AIの世界リーダーにする」意気込みが示されています44。以上のようにフランスではスタートアップのソリューション導入から国主導の大規模プロジェクトまで、多層的に診療支援AIの研究開発・実装が進行中です。
中国
中国は医療AIの導入規模で際立っており、国家政策としてAI医療を推進しています。2017年にはiFLYTEK社の医療AI「小医」が世界で初めて医師国家試験（中国医師資格試験）の筆記試験に合格し、大きな注目を集めました45。この成功を背景に、中国政府は「AI＋医療」のインフラ整備を加速し、都市部大病院の専門医リソースを地方へ拡充する方策としてAIを活用しています4647。
その代表例が科大訊飛(iFLYTEK)社の「智医助理（iFlyHealth）」プラットフォームです。同社は国家試験合格AIを中核に、患者の問診対応から診療記録作成、フォローアップまで統合したスマート医療システムを開発しました48。患者はスマートフォンや院内端末を通じてAIと対話し、症状や病歴の聞き取り、適切な診療科の推奨、オンライン予約などが可能です4950。AIは問診情報から電子カルテ下書き（主訴や現病歴のドラフト）も自動生成し、医師の診察を支援します51。診察後にはAIが個別化されたリハビリ・フォロープランを自動作成し、服薬指導・検査値モニタ・生活指導など包括的に患者をケアします52。驚くべきことに、このシステムで患者の約90%の問い合わせやフォローアップが完結し、医療チームの介入は10%程度にとどまったという報告もあります53。現在、このiFlyHealthは中国国内300以上の病院（復旦大学病院ランキング上位10院中7院を含む）で導入されており54、中国における診療支援AI最大規模の実装事例となっています。
中国の大手IT企業によるAI医療参入
中国では他にも、AlibabaやTencentなどIT大手が医療AIに参入し、画像診断AI（例：肺がんスクリーニング）やオンライン問診AIを各地の医療機関に提供しています。特に2019～2020年の新型コロナ流行時には、多数の病院でAIによる胸部CT画像からの肺炎自動検出が導入され、短時間での重症者スクリーニングに貢献しました。また、中国国家薬品監督管理局（NMPA）は2020年頃から医療AIソフトウェアの積極的承認を行っており、2023年7月時点で59件以上のAI医療機器が中国で承認されています55（※承認件数は米欧より少ないものの、承認開始時期が遅かったためと指摘されています56）。総じて中国は豊富な医療データと政府主導の戦略により、診療支援AIの開発・実用化で欧米に並ぶ存在感を示しています。
各国の法規制・ガイドラインの動向
診療支援AIの実用化には各国の規制整備が不可欠です。米欧中を中心に、AI医療機器に対応した法規制やガイドラインが整備されつつあります。
米国ではAI搭載システムも医療機器（Software as a Medical Device, SaMD）として既存の法体系下で規制されています。FDAは従来の医療機器審査（510(k)、De Novo、PMA）プロセスにAIソフトを組み込み、数多くのAI医療機器を承認してきました57。もっとも、ディープラーニングのように学習により継続的に性能が変化し得るAIについて、従来の枠組みでは対応困難な場合があります58。そこでFDAは2019年に「AI/ML医療ソフト変更管理の枠組み」に関する提言文書を公表し、学習に伴うソフト改変を予め承認取得するためのプリデターミンド・チェンジコントロールプランの概念を提唱しました59。2021年には「AI/ML SaMDアクションプラン」を発表し、継続的学習を前提とした規制アップデートに着手60。その後もGood Machine Learning Practice (GMLP)の指針策定61、変更管理計画に関するガイダンス案（2023年4月）、ライフサイクル管理の包括指針案（2025年1月）の発出など精力的に取り組んでいます6263。2025年現在、FDAは「AI搭載医療デバイスのライフサイクル管理指針」をドラフト段階にあり、開発から市販後まで一貫したリスク管理と性能保証の在り方を示そうとしています64。また、FDAはAIの性能やバイアスに関する透明性向上にも言及し、2024年6月に「AI医療機器の透明性向上ガイドライン」を公表するなど65、産官学で安全かつイノベーティブなAI活用を両立すべく動いています。
欧州連合（EU）では、医療AIは基本的に医療機器規則（MDR）の下で規制されます。医療用途のソフトウェアはMDRにおいてクラス分類が強化され、多くの診断支援AIはクラスIIa以上（中リスク以上）に該当するため、認定機関（Notified Body）による厳格な審査とCEマーキング取得が必要です66。EUは中央集権的な承認庁を持たず各国の認定機関がCEマーク発行を担うため、米国FDAとは制度が異なりますが、安全性・性能のエビデンス要求水準は年々高まっています67。さらにEU全体で横断的なAI規制として「AI法（AI Act）」が審議されており、2024年中に成立見込みです68。AI法では医療など人命に関わる分野のAIを「高リスクAI」と位置付け、リスクマネジメント・透明性・人的監督などの包括的要件を義務付ける予定です6970。このAI法は汎用AIも対象とする広範な枠組みであり、医療機器規則と相まって欧州における医療AIの網羅的ガバナンス体制を形成すると期待されています。なお英国はEU離脱後、独自のAI規制アプローチを打ち出しており、2023年に「プロイノベーション型AI規制」方針を公表しました（全産業横断の原則を各分野規制当局が適用する形）71。医療分野ではMHRA（医薬品医療製品規制庁）がMDRに相当するUK独自ルール策定を進めていますが、当面はCEマークを認めつつNHSが定めるAI製品調達基準（エビデンス水準や倫理要件）72などガイダンスに沿って導入判断がなされています。
中国では国家薬品監督管理局（NMPA）が医療AI機器の規制を所管しています。中国はAI医療機器に関し独自のガイドラインを複数発出しており（例えば2022年の「AI医療ソフト分類基準」や評価基準提案等）、ルール重視のアプローチで迅速な審査を行っています73。中国で承認されたAI医療機器は全てクラスIII（最高リスク）に分類され、原則として厳格な臨床評価と安全性試験が課されます56。これは米国で多くのAIがクラスII（中リスク）扱いで迅速承認されているのと対照的で、中国規制当局のリスク管理姿勢の表れといえます56。承認件数は2020年以前はわずか11件でしたが、その後急増し2020年に55件、2021年もさらに増加したと報告されています74。最新の調査では2023年7月時点で59件超のAI医療機器が承認されています55。米国FDA承認製品とのダブル承認も進んでおり、2024年までに少なくとも7製品がFDA・NMPA双方で承認を取得しています75（そのうち6製品は米国で先に承認取得）76。中国政府は2025年までの医療AI産業育成目標を掲げており、革新的AI医療機器の優先審査制度77やデータ共有基盤の整備などを通じ、国内外の最新AI技術を医療現場に取り込む戦略です。
主な診療支援AIツールの性能・評価
最後に、代表的な診療支援AI製品・プラットフォームについて、その用途や精度に関する最新情報を概説します。臨床医が知っておくべき主要AIの特徴を表1にまとめます。
| ツール名（開発元） | 主な用途・機能 | 性能・精度（評価例） |
|---|---|---|
| Med-PaLM 2（Google） | 医療用LLM（専門知識QA） | 世界初の医師国家試験（USMLE）合格AI（正答率67.6%）78。第2世代では86.5%まで精度向上79。回答の一貫性・安全性向上の研究が続く80。 |
| GPT-4（OpenAI） | 汎用LLM（医療問答への応用例多数） | USMLE模試で平均約86%の正答率を記録し、専門医試験レベルに到達81。ただし医療知識の最新性や出力内容の検証が必要。 |
| Infermedica（Infermedica社, ポーランド） | 症状チェッカー・トリアージ支援 | 患者の症状入力に対し追加質問を行い鑑別診断を提示。ある臨床シナリオ研究でトップ診断正解率63%、トップ3正解率79%と報告82。医師の初診トリアージ精度に近づく。 |
| SparkDesk（讯飞医療大模型）（iFLYTEK, 中国） | 中国語医療LLM（問診・診断補助） | 2017年に中国医師資格試験筆記で合格点超（456点）を記録45。2023年「医疗大模型」としてアップデートされ、中国300+病院で診療支援に実装54。中国語問診や医療文書生成で高性能とうたう。 |
| LumineticsCore（Digital Diagnostics社） 旧称：IDx-DR |
眼科画像診断AI（網膜症スクリーニング） | 初のFDA認可・自律型AI診断システム。糖尿病網膜症を画像から検出し、感度87%、特異度90%以上の精度（承認時試験）と報告。眼科医なしで診断可7。遠隔地の眼底検査に活用。 |
上述の他にも、IBM Watsonをはじめ数多くのAIツールが開発されています。かつて期待を集めたIBM Watson for Oncologyは、膨大な論文知識をもとにがん治療を提案する試みでしたが、現実の臨床では推奨内容の不適切さ（例：安全でない治療提案）が問題視され83、十分な成果を上げられず撤退しました84。この教訓は、医療AI開発において医学知識の正確さと臨床妥当性の検証が極めて重要であることを示しています。
一方で近年のディープラーニング/LLMの進歩は目覚ましく、専門医レベルに迫る性能が一部領域で現実味を帯びています。例えば前述のMed-PaLM 2やGPT-4は、米国医師試験問題で人間専門医に匹敵する高得点を示しました7981。また、Googleが2024年発表した多モーダル医療モデル「Med-Gemini」は、画像と文章を統合して解析できるLLMであり、医学試験のみならず皮膚科や放射線科の画像診断、ゲノム解析など14タスクで最先端精度を達成しています8586。特に3次元画像（MRIなど）の読影レポート自動生成やゲノム情報からの疾患リスク予測といった高度な課題で成果を示し、医学界にインパクトを与えています87。もっとも著者らも「安全性クリティカルな医療分野で臨床応用するには更なる研究と検証が必要」と述べており88、バイアス・誤判断のリスク評価や人間との協調プロセスの確立が不可欠だと強調しています8990。
医療用大規模言語モデルの性能向上
図1 医療用大規模言語モデルの性能向上の推移。2022年から2024年にかけて、USMLEスタイルの医学試験問題集（MedQA）に対するAIモデルの正答率が飛躍的に向上した。初期モデル（BioLinkBERTなど）の正答率は50%未満だったが、2022年末のMed-PaLMで67%、2023年春のMed-PaLM 2では86.5%に達し79、汎用モデルGPT-4は90%前後、2024年3月発表のMed-Geminiでは91.1%と専門医レベルに迫る精度を示した85。ただし安全な実用化には依然慎重な検証が必要であり、研究段階でもモデルのバイアスや誤答リスクなど課題が指摘されている91。
総括すると、診療支援AIは欧米や中国を中心に実用化段階へと入りつつあり、各国で規制の枠組みが整えられ、多種多様なAIツールが臨床現場に導入され始めています。現時点では医師の意思決定を補助・強化する役割がメインですが、一部領域では既にAIが診断プロセスを自動化できるレベルに達しています7。今後、専門医はこれらAIの性能と限界を正しく理解し、自らの判断とAIの長所を組み合わせて最良の医療を提供することが求められます92。診療支援AIの国際的潮流を把握し、エビデンスに基づき安全かつ効果的に活用していくことが、次世代の医療提供者にとって重要な使命となるでしょう。
