生成AIを医療現場に導入する際、何をもって「効果があった」と判断すべきでしょうか。
これまで、生成AIの医療への応用は、診断問題の正答率や診療記録の正確性などを中心に評価されてきました。しかし、模擬症例で高い診断精度を示しても、実際の患者の健康状態が改善するとは限りません。
そこで重要になるのが、実臨床における患者アウトカムの検証です。
一方、診療記録の質が改善し、診断や治療計画がより適切になるのであれば、それ自体にも価値があるのではないでしょうか。仮に患者アウトカムの改善が証明されなくても、安全性や費用などの条件を満たせば、AIを導入する合理性はあるかもしれません。
今回「プライマリケア一問」で紹介した研究は、ケニアのプライマリ・ケア施設で、生成AIによる診療意思決定支援が患者の治療失敗を減らすかを検証した実用的ランダム化比較試験です。
ケニアの16のプライマリ・ケア施設で、103人のクリニカル・オフィサーを対象とする実用的クラスターランダム化比較試験が実施されました。
クリニカル・オフィサーは、ケニアで一定の医学教育を受けて診療を担う医療職です。日本の医師とは資格制度や養成課程が異なります。
介入群では、電子カルテに生成AIによる診療意思決定支援システム「AI Consult 2.0」を組み込みました。
使用された大規模言語モデルはGPT-4oです。
このシステムは、医療者が電子カルテに入力した情報を自動的に解析し、診断や治療に関する助言を提示します。
AIに毎回質問する必要はなく、診療の流れの中で支援が提供されます。助言を採用するかどうかは医療者が判断します。
対照群では、AI機能のない同じ電子カルテを使用しました。
主要解析の対象は9,347人で、主要評価項目は診療後14日以内の「治療失敗」でした。症状が改善しないための再受診、予定外の高度医療機関への受診、有害事象などを含む複合評価項目です。
14日以内の治療失敗は以下のとおりでした。
AI支援群 | 通常診療群 | |
|---|---|---|
治療失敗 | 102/4,693人 | 94/4,654人 |
発生割合 | 2.2% | 2.0% |
主要解析では、
調整オッズ比 0.77(95%信頼区間 0.55–1.08、P=0.13)
であり、統計学的に有意な差は認められませんでした。
なお、単純な発生割合はAI支援群でわずかに高い一方、施設と担当医療者による違いを考慮した調整オッズ比は1未満でした。両者は異なる解析に基づく結果です。
この研究から、AI支援によって短期的な治療失敗が減少することは確認できませんでした。
ただし、重要な点があります。
統計学的有意差がないことは、両群の診療結果が同等であることを意味しません。
今回の研究は非劣性を検証した試験ではなく、患者アウトカムの悪化が一定の範囲内に収まることが証明されたわけではありません。
二次評価項目では、興味深い結果が得られました。
専門家が2,000件の診療記録を評価したところ、AI支援群では、以下の項目について評価が改善しました。
評価項目 | 調整オッズ比(95%信頼区間) |
|---|---|
記録された診断の妥当性 | 1.74(1.28–2.36) |
診療記録の網羅性 | 1.68(1.24–2.27) |
治療計画の妥当性 | 1.71(1.25–2.34) |
いずれも統計学的に有意でした。
ただし、これらは主に診療記録を専門家が評価した結果です。実際の診断精度や患者の健康状態そのものが改善したことを直接証明したものではありません。
また、抗菌薬の適切な処方や高血圧の診断・治療開始などには、明確な改善が認められませんでした。
患者満足度にも有意差はなく、診察時間の中央値は両群とも11分でした。
生成AIの推論にかかる費用は、1診療当たり平均0.04米ドルでした。ただし、電子カルテとの統合、システム維持、監視などの費用を含む総保有費用ではありません。
つまり、今回の研究では、患者アウトカムの改善は確認されなかったものの、診療記録や診断・治療計画に関する一部の診療プロセス指標には改善が認められました。
ここからは、原著論文の考察に記載された内容です。
著者らは、主要評価項目である治療失敗に有意差が認められなかったことについて、いくつかの可能性を指摘しています。
第一に、治療失敗の発生頻度が低く、比較的小さな効果を十分な精度で検出できなかった可能性があります。
第二に、プライマリ・ケアにおける患者アウトカムは、診療だけでなく、患者の生活環境、治療へのアドヒアランス、医療制度など、多くの要因に影響されます。
第三に、今回の追跡期間は14日間であり、診療記録や治療計画の改善が長期的な転帰に及ぼす影響は評価できていません。
著者らは、診療過程の改善が将来的に患者アウトカムの改善につながる可能性を指摘しています。ただし、それは今回の試験で実証されたものではありません。
安全性についても、介入に関連すると判断された重篤な有害事象は確認されませんでしたが、まれな重大事象のリスクを十分に評価できる研究規模ではありませんでした。
著者らは、生成AIによる診療支援の効果を評価する際には、適切なアウトカムの設定と、さらに大規模な研究が必要だと結論づけています。
私は、今回の結果をAI導入に否定的なものとしてのみ解釈する必要はないと考えます。
なぜなら、診療記録の質や診断・治療計画の妥当性が改善することには、それ自体に価値があるからです。
例えば、診療記録がより網羅的になれば、次回診療での情報把握や、複数の医療者間での情報共有に役立つ可能性があります。
診断や治療計画について不足している情報をAIが指摘できれば、医療者が自らの判断を見直す機会にもなります。
これらは、患者アウトカムの改善に直結することが証明されていなくても、医療機関が重視する合理的な目的になり得ます。
もちろん、今回の試験だけで、診療の継続性や医療者の負担、医療事故の防止に対する効果まで確認できたわけではありません。
それでも、医療AIに対して、すべての用途で患者アウトカムの優越性まで要求する必要があるのかは、検討すべき問題だと思います。
例えば、診療記録の標準化、医療者間の情報共有、診療内容の確認といった用途では、患者の死亡や入院の減少だけが評価基準になるわけではありません。
患者アウトカムの改善が証明されていなくても、改善した診療プロセスに明確な価値があり、患者への不利益が許容できる範囲に管理されるなら、導入する合理性はあります。
ただし、これは今回の論文が直接証明した結論ではなく、研究結果を踏まえた臨床実装上の判断です。
生成AIを導入するかどうかを、患者アウトカムの有意差だけで判断するのは適切ではないと考えます。
一方、記録の質が改善したからといって、安全性の検証なしに全面導入することも適切ではありません。
私は、少なくとも次の3つの観点で実装を評価することを提案します。
診療記録の網羅性、診断や治療計画の妥当性、情報共有の質、医療者の業務負担などを評価します。
診断や治療の誤り、予定外の受診、重篤な有害事象などを継続的に確認します。
有意差がないことだけを根拠に「安全」と判断せず、重大な問題を早期に検出できる仕組みが必要です。
生成AIの利用料金だけでなく、システム統合、保守、情報保護、職員教育、評価に必要な費用も含めて判断します。
診療過程の改善が明確で、負担や費用が許容でき、患者への不利益を継続的に監視できるなら、まず限定的に実装する選択は合理的だと思います。
このとき重要なのは、AIを使うこと自体を目的にしないことです。
何を改善するためのAIなのか。その改善が実際に起きているのか。想定外の不利益が生じていないか。
こうした問いを、日常の診療データによって継続的に検証する必要があります。
今回の研究では、生成AIによる診療支援は、診療記録や治療計画に関する評価を改善しました。一方、14日以内の治療失敗を有意に減らすことは確認されませんでした。
この結果は、生成AIの臨床的価値をどのように判断すべきかという問題を提起しています。
患者アウトカムの改善は、医療の重要な目的です。しかし、医療の質を構成する要素は、それだけではありません。
診療情報の質、判断過程の妥当性、医療者間の連携、業務の効率性にも価値があります。
もちろん、これらの改善が患者への不利益と引き換えになってはなりません。
医療AIの導入に必要なのは、すべての用途で患者アウトカムの優越性が証明されることではなく、導入によって生まれる価値と潜在的な不利益を、目的に応じて適切に評価することではないでしょうか。
生成AIの臨床実装は、効果が完全に証明されるまで待つか、十分な検証なしに全面導入するかの二者択一ではありません。
小さく導入し、診療過程の改善を確認し、患者への影響を継続的に評価しながら改善していく。
そのような実装と検証の積み重ねこそが、生成AIを実際の医療の価値へとつなげる方法になると考えます。
Agweyu A, Mwaniki P, Menon V, et al. Generative AI-enabled clinical decision support system in primary care: a pragmatic, cluster-randomized trial. Nature Medicine. 2026;32:3032–3039. Published online June 26, 2026.
※ 本記事ではAIを情報収集・編集に使用しています。掲載する研究データ、臨床的解釈は医師が確認し、最終編集しています。
編集 bycomet|Small Medicine

