医療におけるAI：今できること、失敗している領域、そして規制の仕組み

医療においてAIは現在何ができるのですか？

医療における人工知能（AI）は、スキャナーに組み込まれた画像解析ソフトウェアから、健康に関する質問に答える汎用のチャットボットまで、多くの技術を含みます。以下にまとめた根拠に基づくと、2026年11月3日時点で最も強い成果を上げているのは、明確に定義された1つの仕事をこなし、そのために検証・承認された特化型のツールであり、最も弱いのは、患者に直接助言する汎用のチャットボットです。

米国食品医薬品局（FDA）は、米国での販売が承認されたAI搭載医療機器の公開リストを管理しています^[1]。FDAが2026年9月4日時点のものとしているこのリストを数えると1,614件あり、放射線科が1,230件、循環器が154件、神経科が73件です^[1]。FDAによると、これらの機器は、安全性と有効性に焦点を当てた審査を含む、該当する市販前の要件を満たしています^[1]。

世界保健機関（WHO）は、新しい生成モデルの用途を5つの領域に分類しています。診断と臨床ケア、症状を調べるなどの患者主導の利用、診察記録の作成などの事務・管理業務、医学・看護教育、そして科学研究と医薬品開発です^[2]。

これは一般的な情報であり、医療上の助言ではありません。ご自身の健康に関する判断は、資格のある医療従事者とともに行ってください。

AIは医用画像でどのように使われているのですか？

承認された製品の数で見ると、AIが最も定着しているのは画像の分野です。FDAのリストの約4分の3を放射線科が占めています^[1]。

乳がん検診

最もよく知られたランダム化試験の根拠は、スウェーデン南西部の4か所で実施された、同国の全国検診プログラムにおけるMASAI試験です^[3]。この試験では、105,934人の女性を、AIを活用した検診と、2人の放射線科医による標準的なダブルリーディングにランダムに割り付けました^[3]。AIシステムTransparaは、検査をシングルリーディングとダブルリーディングに振り分け、疑わしい所見を強調表示しました^[3]。

AIを活用した群では338件のがん（1,000人あたり6.4件）が発見され、標準的な読影では262件（1,000人あたり5.0件）で、比は1.29でした^[3]。偽陽性率は実質的に同じで比は1.01、放射線科医が行った検診画像の読影数は109,692件ではなく61,248件となり、44.2%減少しました^[3]。著者たちは、AIは臨床的に重要な乳がんの早期発見に貢献すると結論づけました^[3]。この報告は副次的評価項目を扱ったもので、公表された抄録では、再検査、発見、偽陽性、作業量について、プロトコルで定められた分析だと説明されています^[3]。

この試験の主要評価項目である中間期がん（検診で発見されず、検診と検診の間に診断されたがん）の発生率は、2026年にThe Lancetで発表されました^[9]。中間期がんの発生率は、AIの支援ありで参加者1,000人あたり1.55件、標準的な読影で1,000人あたり1.76件、比は0.88で、試験の非劣性の基準を満たしました。感度は80.5%対73.8%、特異度は両群とも98.5%でした^[9]。著者たちは、AIを活用した検診は臨床現場への導入を検討しうると記しています^[9]。

眼の検診

AIは放射線科の外にも広がっています。FDAのリストには、2018年4月11日を承認日とする眼科用機器IDx-DRや、その後のバージョン、EyeArtなどの競合製品が含まれています^[1]。FDAのDe Novoデータベースでは、IDx-DRは同日に承認された糖尿病網膜症検出機器として分類されています^[10]。

医療におけるAIはどこで失敗したのですか？

広く導入されたツールのすべてが、約束どおりの性能を発揮するわけではありません。最も明確な警告は、感染症に対する生命を脅かす反応である敗血症などのリスクを推定する、病院の予測モデルから来ています。

2021年、Michigan Medicineの研究者たちは、広く導入されている独自ツールであるEpic Sepsis Modelを、患者27,697人、入院38,455件のデータで外部検証しました^[4]。その曲線下面積（AUC。モデルが症例と非症例をどれだけうまく区別できるかを示す指標で、0.5は偶然、1.0は完璧）は0.63でした^[4]。アラートのしきい値では、敗血症患者1,709人、つまり全体の67%を特定できなかった一方で、全入院の18%に対してアラートを出していました^[4]。著者たちは、このモデルの識別能と較正は不十分であり、その広範な使用は全米の敗血症管理に懸念を生じさせると結論づけました^[4]。

著者たちはまた、この性能はモデルの開発元が報告していた数値よりも大幅に悪かったと報告しており^[4]、開発元が報告した結果がほかの場所での性能を保証するものではないことを示しています。WHOも同様に、大規模な導入については、年齢、人種、障害などの利用者の特性別に結果を示した、公開後の独立した監査と影響評価を行うよう勧告しています^[2]。

AIチャットボットは信頼できる医療上の助言をしてくれますか？

大規模言語モデルは現在、医学知識のベンチマークで米国医師国家試験の合格に相当する水準のスコアを出していますが、それは人々が自分の症状について良い判断を下す助けになることを意味するわけではありません^[5]。2026年2月9日にNature Medicineで発表された、事前登録されたランダム化研究が、この点を直接検証しました^[5]。

University of Oxfordの研究者らは、英国の成人1,298人に、NICEのClinical Knowledge Summariesをもとに一般開業医や集中治療医とともに作成した10の医療シナリオのうち1つを与えました^[5]。参加者はGPT-4o、Llama 3、Command R+のいずれかを使うか、対照群では普段使っている情報源（主にインターネット検索）を使いました^[5]。

• モデル単独では、平均して94.9%の症例で関連する疾患を、56.3%で適切な対応方針（disposition）を特定しました^[5]。
• モデルを使った人々が関連する疾患を特定できたのは34.5%未満、適切な対応方針を特定できたのは44.2%未満の症例でした^[5]。
• 対照群は、チャットボットを使った群よりも関連する疾患の特定で有意に優れていました^[5]。

著者たちは、失敗の原因をやり取りの過程に求めました。ユーザーは症状の部位や重さといった重要な情報をしばしば伝えず、正しい提案を最終的な答えに反映させず、一貫性のない助言を受けていました。脳内の出血（くも膜下出血）を描いたシナリオでは、あるユーザーは暗い部屋で横になるよう言われた一方で、ほぼ同じ症状の別のユーザーは救急医療を受けるよう言われました^[5]。著者たちは、テストしたモデルのどれも患者を直接ケアする場面で導入できる状態にはないと結論づけ、一般公開の前に実際のユーザーによる体系的なテストを行うよう求めました^[5]。

米国の標準化機関であるNISTも、一般的な表現で同じ警告をしています。患者情報の作話された（でっち上げられた）要約は、医師を誤った診断や治療に導くおそれがあるというのです^[6]。

AIは医学研究や創薬にどのように役立っているのですか？

AIは診療の場だけでなく、研究室でも使われています。2024年のノーベル化学賞は、計算によるタンパク質設計でDavid Bakerが、タンパク質構造予測でGoogle DeepMindのDemis HassabisとJohn Jumperが共同受賞しました^[7]。スウェーデン王立科学アカデミーによると、2020年に発表された彼らのAIモデルAlphaFold2は、研究者がこれまでに特定した2億種類のタンパク質のほぼすべての構造の予測に使われ、190か国の200万人以上に利用されています^[7]。

アカデミーは、タンパク質の構造がその機能を決定づけることを指摘し、抗生物質耐性の解明や、プラスチックを分解できる酵素の画像の作成といった応用例を挙げました^[7]。WHOは、新しい化合物の特定を含む科学研究と医薬品開発を、医療における生成モデルの主な用途の1つに挙げています^[2]。

医療におけるAIの主なリスクは何ですか？

これまでに示されたメリット

• 大規模なランダム化試験で、偽陽性を増やすことなく検診でのがんの発見が増え、読影の作業量も減りました^[3]。
• FDAのリストには1,600を超える承認済みのAI搭載機器が載っており、同局によるとそれらは市販前の要件を満たしています^[1]。
• タンパク質構造予測は190か国の200万人以上に利用され、2024年のノーベル化学賞で評価されました^[7]。
• 同じ検診試験の主要解析では、中間期がんの発生率が非劣性を示し、感度も高くなりました^[9]。

WHOなどが指摘するリスク

• 誤った出力。WHOは、大規模マルチモーダルモデルが誤った、不正確な、偏った、あるいは不完全な記述を生成し、健康上の判断を下す人々に害を及ぼしうると警告しています^[2]。
• 偏り。モデルは、人種、民族、性別、ジェンダー・アイデンティティ、年齢による偏りを含む、質の低いデータや偏ったデータで訓練されている可能性があります^[2]。
• 自動化バイアス。医療従事者や患者が誤りを見落としたり、難しい判断をシステムに委ねたりするおそれがあります^[2]。
• 実環境での性能の低さ。敗血症モデルが示したように、ツールは開発された環境の外では性能が下がることがあります^[4]。
• プライバシー。Stanfordの研究者たちは、主要なチャットボット開発企業6社が初期設定でユーザーのチャットデータをモデルの訓練に使っていることを明らかにし、ユーザーが生体データや健康データを共有することに警鐘を鳴らしました^[8]。
• セキュリティとアクセス。WHOはまた、患者情報に対するサイバーセキュリティのリスクや、最も性能の高いシステムへのアクセスの不平等も指摘しています^[2]。

医療におけるAIはどのように規制されているのですか？

規制は、そのソフトウェアが何をするかによって決まります。米国では、医療機器の定義に該当するAIはFDAの市販前審査を経ることになり、同局は特定した承認済みの機器を公表しています^[1]。FDAは、機器は主に承認概要の中のAI関連の用語によって特定されているため、このリストは網羅的ではないと注記しています^[1]。また、大規模言語モデル（LLM）を含む基盤モデルを使った機器を特定し、タグ付けする方法を検討するとしています^[1]。

一般の人々が健康に関する質問に使う汎用のチャットボットは、販売が承認された機器を対象とするこのリストには載っていません^[1]。WHOは、各国政府が資源の許す範囲で、医療用途の大規模マルチモーダルモデルを評価・承認する既存または新設の規制機関を指定し、法律によってそうしたシステムが倫理と人権の基準を満たすようにすることを勧告しています^[2]。

WHOはまた、開発者に対し、設計の初期段階から患者や医療専門職を関与させ、必要な正確性と信頼性を備えた、明確に定義されたタスクのためのモデルを構築するよう求めています^[2]。規則は国によって異なり、頻繁に変わります。最新の要件については、自国の医薬品・医療機器の規制当局に確認してください。

患者はAIの健康ツールをどのように安全に使えばよいですか？

1. チャットボットの回答は診断ではなく、出発点として扱いましょう。Oxfordの研究では、チャットボットを使った人々が関連する疾患を特定する力は、対照群を上回りませんでした^[5]。
2. 使う場合は完全な情報を伝えましょう。症状の部位、重さ、頻度などです。情報の欠落は失敗の主な原因の1つでした^[5]。
3. 緊急の症状がある場合は、チャットボットに尋ねるのではなく、救急医療を受けましょう。この研究では、ほぼ同じ脳内出血のシナリオで正反対の助言が出されました^[5]。
4. 健康データを守りましょう。個人を特定できる医療記録を個人向けのチャットボットに入力するのは避けましょう。開発企業は一般に、初期設定でチャットデータを訓練に使っています^[8]。
5. 担当の医療従事者に尋ねましょう。WHOが自動化バイアスについて警告していることを踏まえ、自分の治療にAIツールが使われたかどうか、その結果がどのように確認されたかを確かめましょう^[2]。

医療におけるAIは今後どうなるのでしょうか？

承認件数は年々増加しています。FDAのリストを数えると、決定日が2023年のものは226件、2024年は235件、2025年は335件です^[1]。FDAはまた、LLMを含む基盤モデルを組み込んだ機器を特定し、タグ付けする方法を検討するとしています^[1]。

まだ不確かなこと

• AI検診の長期的な成果。公表されたMASAIの解析は、発見、偽陽性、作業量^[3]、中間期がん、感度、特異度^[9]を扱っていますが、乳がんによる死亡は報告された評価項目に含まれていませんでした。
• チャットボットを患者への直接の助言に使えるほど安全にできるかどうか。Oxfordの著者たちは、テストしたモデルのどれも準備ができておらず、ユーザーによるテストが必要だと結論づけました^[5]。
• ツールが病院や集団を問わずどのような性能を発揮するか。WHOは独立した監査によってそれを測定するよう求めており^[2]、敗血症の研究はそれを前提にはできないことを示しています^[4]。

2026年11月3日時点での全体像は次のとおりです。AIは、専門家の監督のもとで特定の検証済みのタスクを行う補助としては実績がありますが、医療従事者の代わりとしては実証されていません。