医療AIの現在 ── 全体像と、誇大の切り分け── 類型と実装の現在地、限界と規制の枠を最初に描く

01「医療AI」とは何か ── 言葉を最初に分解する

「医療AIを導入した」という一文には、じつは 3 つの別々の意味が混ざっています。診断を助けるのか、将来を予測するのか、事務作業を肩代わりするのか。この 3 つは、現場での使われ方も、承認や規制のかかり方も違います。まず、この記事で使う言葉をはっきり決めておきます。

本シリーズで「医療AI」と呼ぶのは、機械学習 (＝データからパターンを学びとる計算手法) を中核に、医療の判断・予測・作業のどれかを支える仕組み の総称です。ここで、外せない区別が 1 つあります。

• 医療機器としてのAI ── 診断や治療の判断に直接使うソフトウェアは、日本では医薬品医療機器等法 (薬機法) 上の プログラム医療機器 (SaMD＝Software as a Medical Device、単体で医療機器として働くソフトウェア) にあたり、承認・認証の対象になります。
• 医療機器でないAI ── 予約受付、文字起こし、文献要約など、診断・治療の判断そのものには踏み込まない業務支援は、多くが SaMD にあたりません。同じ「AI」でも、規制のうえではまったく別の扱いです。

この線引きが、以降のすべての議論の出発点です。「AIが病気を見つける」と「AIが議事録を作る」を同じ話にしてしまうと、期待も、規制の理解もずれていきます。

02三つの類型 ── 診断 / 予測 / 業務

医療AIを、現場での役割で 3 つに分けます。この分け方は、後の各回の骨格にもなります。

この 3 類型は、切り離されてはいません。予測モデルの出力が診断の入口になり、業務支援が集めたデータが予測の材料になります。ただし 効きめをどう確かめるか、誰が責任を負うかは、類型ごとに違う。ここを混同したまま「医療AIは有効です」とひとくくりにするのが、誇大表現の入口です。

03実装の現在地 ── どこまで現場に入っているか

2026 年の時点で、3 類型はそれぞれ違う段階にあります。実力を正しく見るために、段階を分けて整理します。

実装が進んでいる領域ほど、「医師を置き換えた」のではなく「医師の作業の一部を肩代わりした」 にとどまっている点を、見落とさないでください。承認済みの診断支援でも、責任の所在は医師にあります。この構造は、次回 (臨床判断支援) の中心テーマです。

04限界と誇大の切り分け ── 「効く」の中身を問う

医療AIの評価でいちばんつまずくのが、「精度が高い」という言葉の中身 です。同じ「精度」でも、測り方しだいで意味がまるで変わります。製薬の担当者が販促資材や社内評価で扱うなら、次の 4 点を必ず切り分けてください。

• 感度と特異度 ── 「見逃さない力 (感度)」と「取り違えない力 (特異度)」は別ものです。片方だけ高くても、実用にはなりません。数字を 1 つだけ見せる表現は要注意です。
• 学習データと現場のずれ ── ある病院のデータで学んだモデルが、患者層の違う別の病院で同じ性能を出すとはかぎりません。「◯◯病院で AUC 0.95」は、自院での性能ではありません。
• 後ろ向き研究と前向き研究 ── 過去データで測った成績と、実際の診療に組み込んで測った成績は違います。前者だけで「臨床的に有効」とは言えません。
• アウトカムの種類 ── 「検出率が上がった」と「患者の予後が良くなった」は別です。前者を根拠に後者を主張するのは、飛躍です。

05規制の枠 ── プログラム医療機器 (SaMD)

診断・治療の判断に使うAIは、日本では薬機法上のプログラム医療機器 (SaMD) として、リスクに応じたクラス分類のうえで承認・認証を受けます。国際的にも、IMDRF (医療機器規制当局国際整合化フォーラム) が SaMD の定義とリスク枠組みを整え、各国の制度はこれと足並みをそろえています。

ここに、従来の医療機器にはなかった難しさが 1 つあります。AIは学習データを更新すると性能が変わる ── つまり「承認したときの性能」と「更新後の性能」は、同じとはかぎりません。この「変わり続けるソフトウェアをどう規制するか」に、各国の当局が取り組んでいます。

• 日本 (PMDA) ── プログラム医療機器の審査の考え方を整理し、市販後の性能変化を見据えた枠組み (IDATEN と呼ばれる、承認後の計画的な性能改善を認める制度) を運用しています。
• 米国 (FDA) ── 2021 年に「AI/ML-Based SaMD Action Plan」を公表し、「あらかじめ定めた変更計画 (Predetermined Change Control Plan)」の枠内なら、再承認なしでモデルを更新できる方向を示しました。

底に流れる発想は共通しています。「完成品を一度承認して終わり」ではなく、「変わり続ける前提で、変え方をあらかじめ約束させる」。製薬側がAI製品を扱うときも、この「更新の管理計画」があるかどうかが、信頼性の目安になります。

06安全性の考え方 ── データ・説明・責任

医療AIの安全性は、性能の数字だけでは測れません。実際の運用では、次の 3 つの層で考える必要があります。

• データの安全 ── 患者データの取り扱いは、医療情報システムの安全管理に関するガイドライン (厚生労働省) をはじめとする枠組みに従います。学習でも推論でも、個人情報の保護と管理責任は外せません。
• 判断の説明 ── なぜその出力になったのかを、医療者が患者に説明できるか。中身が見えないまま「AIがそう言った」で押し切る運用は、臨床でも規制のうえでも通りません。
• 責任の所在 ── AIが誤った出力をしたとき、誰が責任を負うか。いまの枠組みでは、最終判断と説明責任は医療者側に残ります。AIは責任の主体にはなりません。

WHO も 2021 年の「Ethics and governance of artificial intelligence for health」で、人間による監督、透明性、説明責任を、医療AIの中核原則に挙げています。技術の性能と、運用の安全は、別々に確かめるものだと理解してください。

07シリーズ全 10 回の地図

本シリーズで扱う 10 回を、3 類型 (診断 / 予測 / 業務) と、規制・倫理の軸に沿って並べます。読み進めるときの羅針盤にしてください。

1. 第 01 回
   医療AIの現在 ── 全体像と、誇大の切り分け (本回)

   3 類型の提示、実装の現在地、規制と安全の枠
2. 第 02 回
   臨床判断支援 ── 判断を助けるが代替しない設計

   診断・予測の中心論点、最終責任は人に残す設計
3. 第 03 回
   画像診断AI ── 放射線・病理・内視鏡の現在地

   診断支援の代表領域、感度・特異度の読み方
4. 第 04 回
   予測モデル ── 急変・再入院を先読みする

   予測類型の深掘り、施設間の性能差と横展開の壁
5. 第 05 回
   生成AIと業務支援 ── 文書化・要約・一次対応

   業務類型の主戦場、ハルシネーションの管理
6. 第 06 回
   プログラム医療機器 (SaMD) の規制

   承認・認証の枠、更新をどう管理するか
7. 第 07 回
   医療データとプライバシー

   学習・推論でのデータ保護、安全管理ガイドライン
8. 第 08 回
   創薬・臨床開発とAI

   探索・試験設計・解析での活用、規制当局の受け止め
9. 第 09 回
   医療AIの倫理 ── 説明責任と公平性

   人間の監督、バイアス、患者への説明
10. 第 10 回
    統合 ── 医療AIをどう選び、どう評価するか

    シリーズの結論、導入判断のチェックリスト

08本サイトの他の章との接続

AI Medical シリーズは、本サイトの他の章と次のようにつながります。読み合わせると、規制・実装・倫理を立体的につかめます。

• AI Marketing シリーズ ── AIを組み込んだ製品・サービスの訴求と、薬機法・販提Gの境界。医療AIの「売り方」を扱う側面です。
• 資材審査シリーズ ── AIが関わる資材を、どの目でチェックするか。誇大・未承認を切り分ける作法です。
• 広告規制 ── 薬機法の枠 ── 誇大 (第66条) / 未承認 (第68条) / 情報提供義務 (第68条の2) の起点です。

「医療AI」は、一つの言葉の下に、性質の違う三つの仕事 ── 診断を助ける、先を読む、手を減らす ── を抱えています。この三つは、効きめの確かめ方も、規制のかかり方も、責任の残り方も別ものです。本回でいちばん伝えたかったのは、「AIが医療を変える」という大きな一文を、いったんばらして見る という姿勢でした。ばらしてみれば、どこまでが実装済みで、どこからが誇大なのかが見えてきます。診断支援は承認済みでも医師の補助にとどまり、予測は施設をまたぐと性能が揺れ、業務支援は速く広がる代わりに診断には踏み込まない ── この解像度を持てば、資材の一文が第66条に触れるか、第68条に触れるかも、自分で見きわめられるようになります。

次回は、この地図の真ん中 ── 診断と予測をまたぐ「臨床判断支援」に踏み込みます。判断を助けながら、最終責任は人に残す。そのためにどう設計すればよいのか。承認済みツールの現場での使われ方と、責任の線引きを、具体例から描きます。