医療におけるAIの導入と受容

社会動向　第４章

学習目標

医療現場におけるAI導入の現実的課題と論点を理解する。

到達レベル

• 医療AI導入時の主要な論点を整理できる
• 医療者・患者それぞれの視点を説明できる

学習内容

【基本】

• 医療AIの実用化事例（画像診断等）
• 医療者がAIに抱く期待と不安
• AIは「診断する」のか「支援する」のか
• 最終判断の責任の所在

【発展】

• 説明可能性（XAI）と信頼性の重要性
• 患者視点でのAI受容
• 医療現場のワークフロー変化と影響

なぜ医療にAIが必要なのか

社会的要請

高齢者、医師の地域偏在、診療負担の増大といった構造的課題を解決する手段として期待。

医療情報のデジタル化

電子カルテ、医用画像(DICOM)、検査データが標準化された形式で蓄積・管理され、AI学習の基礎が整備。

技術の高度化

計算資源の増大とアルゴリズムの進化により、高度なデータ解析が可能に。

技術的基盤の成熟と、医療現場が抱える構造的課題が、AI導入への期待を加速させています。

医療AIの基本スタンス：「代替」ではなく「支援」

医療AIは医師の能力を保管する技術であり、最終判断の主体は一貫して医師であることが法制度上も明確にされています。

最終的な診断・治療の判断は医師が行う。

• AIの役割：医師の判断を補助し、見落とし防止や作業負荷を軽減するツール。
• 法的整理：診療・治療を補助するAI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)」と位置付けられ、品質・安全性・有効性が審査される。

医師の視点：最終判断と説明責任

AIを活用した診療でも、診断の最終責任と患者への説明責任は医師が負います。

そのため、医師はAIの出力を主体的に評価する必要があります。

AIが出力

(病変候補など)

医師が検証

(臨床情報と照合)

医師が

最終判断・説明

検証：AIの出力を患者の臨床情報と照合し、妥当性を自ら検証する。

説明：「なぜその診断に至ったか」を、AIの判断根拠も含めて患者に説明する責務を負う。

医師の視点：AIへの依存がもたらすリスク

AIの過度な依存は、誤った出力を鵜呑みにする危険性や、医師自身の診断能力が低下する

リスクをはらんでいます。

デスキリング

AIに依存した診療が長期化することで、医師自身の診断能力や判断力が低下する問題

自動化バイアス

AIの結果を無批判に受け入れてしまい、誤った出力に気付けなくなる危険性。

デスキリングのリスク

AI支援の依存により、熟練の専門医の診断能力が衰える可能性が示唆されています。

AI導入前　　　　　　　28.4%

AI導入後（AI非活用）　22.4%

AI導入後（AI活用）　　25.3%

腺腫検出率(adenoma detection rate, ADR)

Lancet Gatroenterol Hepatol 2025:10:896-903

患者の視点：AIに寄せられる期待と不安

患者はAIに対し、人間を超える正確性への期待と、機械に診断を委ねることへの不安という、相反する感情を抱いています。

「機械に診断を任せていいのか」「自身の医療データがどのように扱われるのか」という懸念

「人間のよりも正確なのではない」という期待感

不安

AIへの不信とプライバシー懸念

期待

より正確で客観的な診断へ

患者の視点：信頼を築くための鍵

患者の信頼を得るには、AIの関与範囲やデータ利用について丁寧に説明し、過度な不安や誤解を防ぐコミュニケーションが不可欠です。

匿名化などの措置やデータ管理方法を説明し、個人情報保護への懸念に応える。

透明性の確保

AIの判断根拠やデータの利用方法について、可能な限り情報を提供する。

患者の信頼

プライバシー保護

十分な説明

AIの役割は医師の判断補助であり、最終手段は医師が行うことを明確に伝える。

説明可能性（XAI）の重要性

• 医師の責務：ブラックボックス化したAIでは、医師は判断の妥当性を検証できず、患者への説明責任も果たせない。
• 患者の信頼：判断過程が不透明では、たとえ結果が正しくても納得や安心につながらない

なぜ必要か

医師が判断根拠を理解し、患者に説明責任を果たすために、

AIの結論に至る過程を可視化・説明する技術は非常に重要です。

• 判断根拠の可視化：AIが注目した領域をヒートマップなどで可視化
• 解釈しやすいモデル構造：決定木など、判断過程を人間が追跡しやすいモデルの採用

実現方法の例

生成AIが作成した画像

XAIとは、AI(特に深層学習)のような内部プロセスが不透明で複雑なモデルが、なぜその予測や判断に至ったのかという根拠を、人間が理解できる形で示す技術や手法を指します

AIが価値を発揮する領域の例

画像診断分野では、医師の注意を喚起する「支援ツール」としてAI導入が進み、

臨床的有効性が示されています。

• 胸部X線やCT画像における病変検出支援（肺がん、脳卒中）
• 医師の見落とし防止や読影負担の軽減に寄与。診断そのものを自動化するのではなく、医師の注意を喚起するツールとして機能

放射線診断

• デジタル病理画像（Whole Slide Image）を対象とした、がんの有無や悪性度候補の提示
• 病理医不足が課題となる中、診断効率の向上やダブルチェックを支援

病理診断

成功を支える要素

医療AIの導入の成否は技術性能だけでなく、現場に即した目的設定と、

それを支える運用体制の構築によって決まります。

どの業務の、どの部分を支援させるかを現場の課題に即して定義する

明確な目的設定

医師、技師、看護師など多職種が導入プロセスに関与し、業務フローに組み込む

現場への適合

制度・倫理への配慮

薬機法承認の取得や院内ルールを整備し、安全な利用環境を構築する

まとめ

医療AIの導入のポイント

• 医師の主体性：最終判断責任を担い、AIを批判的に評価する姿勢
• 患者の信頼：透明性と十分や説明を通じて納得感と安心感を築く
• 制度的基盤：安全性と信頼性を担保する法規制とガイドラインに従う

医療AIの導入は、技術・人・制度が相互に関係する課題であり、多角的な視点での理解が求められます。

「AIに全てを任せる」ではなく、「どの判断をAIに委ね、どの判断を人間が担うべきか」という最適な役割分担を設計することが重要です。