連載『AIエージェントがいる3年後』第7章

医者の代わりではなく、患者の隣にAIがいる社会

「診断するAI」より先に、「医療の空白を埋めるAI」がやってくる

※本稿は2026年8月時点の技術、臨床研究、医療・介護制度の動向をもとにした未来分析である。個別の症状、診断、治療に関する助言ではない。AIが医師を代替すると断言するのではなく、2029年までに患者、医療従事者、介護者の関係がどう組み替わるかを考える。

2029年。

一人暮らしをしている72歳の女性が、朝起きたときに、いつもより身体が重いと感じる。

本人が身につけている端末には、睡眠時間、心拍数、歩数、体重の変化が記録されている。

個人用の医療AIエージェントが、本人へ尋ねる。

「昨日から息苦しさはありますか」
「いつもの薬は飲めていますか」
「胸の痛みや、急に悪化した症状はありませんか」

AIは病名を断定しない。

ただ、数日前から続く変化と、本人が入力した症状を整理し、今日中に医療機関へ相談することを提案する。

本人の許可を得て、

最近の体調変化
服用している薬
過去の検査結果
本人が医師へ聞きたいこと

を一枚の要約にする。

診察室では、医師と患者の会話をAIが記録している。

医師はパソコンへ入力し続けるのではなく、患者の顔を見ながら話す。

診察が終わると、AIは医師の説明を、本人にも理解しやすい言葉に直す。

「薬が一つ変更されました」
「この症状が出た場合は、次回予約を待たずに連絡してください」
「次回の検査は2週間後です」

本人が同意すれば、その内容は家族や介護担当者にも共有される。

AIは診察をしていない。

治療方針を決めたわけでもない。

それでも、患者が異変に気づき、医師へ正確に伝え、説明を理解し、次の行動へ移るまでのほとんどの時間を支えている。

これが、2029年までに広がる医療AIの本命だと思う。

医者の椅子へAIが座る未来ではない。
患者と医療の間にあった空白へ、AIが入る未来である。

医療AIの本番は、診察室の外にある

医療AIというと、多くの人は「AIが病気を診断する未来」を想像する。

レントゲン画像を見て病変を発見する。

症状から病名を当てる。
適切な薬を選ぶ。
医師より早く、正確に診断する。

確かに、そうした技術は進んでいる。

FDAは2025年初頭の時点で、既存の審査制度を通じて1,000を超えるAI搭載医療機器を承認しており、2026年現在も認可済み機器の一覧を更新している。ただし、現在実用化されているものの多くは、特定の画像、測定、疾患、臨床工程を支援する、用途の限定されたシステムである。

一方、文章、画像、音声などを横断して扱う汎用的な大規模モデルについて、WHOは医療、研究、公衆衛生、創薬で広く使われる可能性を認めながらも、幅広い医療業務を安定して遂行できることは、まだ証明されていないと注意を促している。

つまり、2026年の現在地はこうなる。

特定の仕事では、AIはかなり使える。
しかし、一人の患者を丸ごと診られる「AI医師」にはなっていない。

そして、今後3年間で最も早く広がるのも、医師の最終判断を丸ごと置き換える用途ではないと思う。

医療の周囲には、診断以外にも大量の仕事がある。

場面	現在、患者や医療者が担っていること	AIエージェントが支援できること
受診前	症状整理、病院探し、予約、過去資料の準備	問診、緊急度の目安、記録要約、質問リスト作成
診察中	会話、カルテ入力、過去情報の確認	会話記録、文書化、関連情報提示、通訳
診察後	説明の理解、薬の管理、次回予約	説明の言い換え、注意点整理、予約・通知
受診の間	体調観察、服薬、生活管理	データ監視、変化の検出、相談の提案
医療機関の間	紹介状、検査結果、薬の情報共有	情報統合、重複確認、患者サマリー作成
医療と介護の間	家族、病院、ケアマネジャーの連絡	同意に基づく情報共有、予定・ケア計画の調整

病気を診断する瞬間は重要だ。

しかし、患者の生活全体から見れば、その瞬間はごく一部にすぎない。

医療AIが最初に大きく変えるのは、診断そのものより、

診断へたどり着くまでと、診断された後をつなぐ仕事

になる。

AIが最初に減らすべきなのは、医師ではなくカルテ入力である

診察室では、医師が患者よりパソコンを見ている時間が長いことがある。

患者の話を聞きながら入力する。

過去の記録を探す。
診察後に内容を整理する。
勤務時間が終わった後も、カルテを書き続ける。

この部分では、すでにAIの効果が見え始めている。

患者と医療者の会話を聞き、カルテの下書きを作る「アンビエントAIスクライブ」の研究では、46人の医療者が利用した後、診察一件あたりの記録時間が10.3分から8.2分へ約20％減り、一日の勤務時間外に記録へ使う時間も50.6分から35.4分へ約30％減少した。医療者は、患者へ集中しやすくなったとも回答している。

六つの医療システムに所属する263人を対象とした別の品質改善研究でも、30日間の利用後、燃え尽き状態にあると回答した割合が51.9％から38.8％へ低下し、認知的な負荷や診療時間外の記録負担にも改善が見られた。もっとも、無作為化比較試験ではなく、短期間の自己申告を含む研究であるため、長期的な患者アウトカムまで証明したものではない。

これは、医療AIの使い方としてかなり分かりやすい。

医師の判断を先に代替するのではない。

医師が判断と対話へ使う時間を奪っていた作業から減らす。

AIが最初に置き換えるべきなのは、医者ではない。
医者が患者を見られなくしている入力作業である。

ただし、カルテが自動で作られれば、それで問題が解決するわけでもない。

AIが不要な情報まで長く記録する。

患者が言っていないことを補う。
重要な否定所見を落とす。
誤った内容が次の医師へ引き継がれる。

さらに、医師が自分で記録する過程には、診察を振り返り、見落としを発見する機能もあった。

記録作業をなくすことで、考え直す時間まで失われる可能性がある。

そのため2029年までの本命は、

AIがカルテを完成させ、そのまま保存する

ではなく、

AIが下書きを作り、医療者が重要事項と誤りを確認して責任を持つ

という形になる。

患者の側にも、医療を理解するAIがつく

これまで医療AIの多くは、病院や医師の側から考えられてきた。

しかし、AIエージェントが広がると、患者側にも代理人がつく。

患者は、診察室で聞きたいことを忘れる。

医師から説明を受けても、専門用語が多く、家へ帰るころには内容を思い出せない。

複数の病院にかかっていると、どの検査をどこで受け、どの薬をいつ変更したのか分からなくなる。

自分の医療AIがいれば、

症状の経過を整理する
医師へ聞くべき質問を準備する
過去の診断や薬の変更を時系列にする
医師の説明を平易な言葉に直す
選択肢ごとの利点と不利益を整理する
家族へ共有する内容を作る
次回までに確認すべきことを記録する

といったことができる。

これは、患者が医師の代わりに自己診断するためのAIではない。

短い診察時間の中で、患者が自分の状況を伝え、自分の医療へ参加するためのAI

である。

患者向けメッセージの作成でも、AIの可能性が見え始めている。

1,455人を対象にした調査では、AIが下書きした医療者からのメッセージは、人間だけで書いたものよりわずかに高く評価され、誰が書いた場合でも75％以上が満足と回答した。一方、AIが関与したと明示されると満足度は少し低下し、最も好まれた表示は「医師が自動化ツールの支援を受けて作成した」という趣旨だった。

2026年に公表された患者40人への詳細な聞き取りでも、AIによる下書き自体には比較的肯定的だったが、医療者が確認し、責任を持つことと、AI利用を分かる形で伝えることが強く求められた。

患者が求めているのは、すべての文章を医師が手で入力することではない。

自分へ送られた医療上の言葉について、誰かが理解し、責任を持っていること

だと思う。

医療AIの価値は、「診察と診察の間」で大きくなる

慢性疾患を抱える人にとって、医療は月に一度の診察だけではない。

薬を飲む。
食事を選ぶ。
身体を動かす。
体重を測る。
症状が変わったか判断する。
悪化したとき、予約日を待つべきか迷う。

生活の中で何百もの小さな判断がある。

現在は、その多くを患者や家族だけで担っている。

医療AIエージェントは、この「診察と診察の間」を支えられる。

ただし、理想は24時間病名を判定し続けるAIではない。

薬を飲み忘れていないか
いつもと違う変化が続いていないか
医療者から伝えられた注意点に該当していないか
次回相談時に伝えるべき記録は何か
緊急性が高い可能性があり、人間へつなぐべきか

を見守る。

患者は、異変が起きてから自分の記憶だけで説明するのではなく、数週間の変化を整理して医療者へ渡せるようになる。

日本でも、全国の医療機関や薬局で紹介状、健診結果、臨床情報、患者サマリーを共有する「電子カルテ情報共有サービス」の整備が進められている。患者本人が、自分の情報を確認する仕組みも想定されている。

AIエージェントが本格的に患者を支えるには、高性能なモデルだけでは足りない。

患者の同意のもとで、過去の医療情報が安全に接続されている必要がある。

医療AIの性能は、モデルの賢さだけではなく、患者について何を正確に知っているかで決まる。

異常をたくさん見つけることと、人を健康にすることは違う

ウェアラブル端末や家庭用センサーが増えると、これまで見えなかった身体の変化が見えるようになる。

心拍数。
睡眠。
体温。
血圧。
血糖値。
歩行。
体重。
呼吸。

AIは、これらを継続的に監視し、通常と異なる変化を見つけられる。

病気の早期発見につながる可能性はある。

しかし、監視を細かくすればするほど、「異常らしきもの」も増える。

一時的な変化。
測定機器の誤差。
治療を必要としない小さな所見。
発見しても、結果を改善する方法がないもの。

すべてを医療機関へ通知すれば、患者は不安になり、医療者には大量のアラートが届く。

病院内で使われる早期警戒システムの比較研究でも、AIを含むシステムの性能には大きな差があり、誤警報が多い仕組みは無視されたり、看護師や病床などの限られた資源を、本当に必要な患者から奪ったりする危険が指摘されている。

だから、健康AIの成功を、

何件の異常を発見したか

だけで測ってはいけない。

見るべきなのは、

本当に必要な受診へつながったか
重症化を防げたか
不必要な検査や受診を増やしていないか
患者の不安を悪化させていないか
医療者のアラート対応を増やしすぎていないか

である。

検知精度が上がることと、健康状態が良くなることは別である。

2029年までに必要になるのは、「すべてを知らせるAI」ではない。

重要度を判断し、

低リスクなら記録する。
一定期間続いたら確認する。
危険性が高ければ人間へつなぐ。

という、段階的なエスカレーションを行うAIになる。

AIは医師より診断できるのか

ここは、最も期待も誤解も大きい部分だと思う。

研究によっては、AIが診断推論を大きく改善している。

2026年に発表されたパキスタンの無作為化比較試験では、AI活用について20時間の研修を受けた医師58人が、六つの臨床シナリオへ取り組んだ。

LLMと従来の情報源を利用できた医師は、従来の情報源だけを使った医師より、診断推論の成績が27.5ポイント高かった。

かなり大きな差だ。

ただし、これは実際の患者を診察した試験ではない。

必要な情報が文章として整理された臨床シナリオであり、参加者はAI利用について事前研修を受けている。

一方、現実の診療現場では、結果が異なることもある。

ケニアの16のプライマリ・ケア施設で行われた2026年の実用的なクラスター無作為化試験では、103人の臨床担当者が9,691人の患者を診た。

LLM支援を受けた群の14日以内の治療失敗率は2.2％、通常の電子カルテを使った群では2.0％で、統計的に明確な改善は確認されなかった。一方、大きな安全性悪化も確認されていない。

さらに、21の先端LLMを29の臨床シナリオで比較した研究では、最終診断や治療方針よりも、考えられる病気を幅広く挙げる「鑑別診断」の能力が一貫して弱かった。

2024年に50人の医師を対象に行われた試験でも、汎用LLMを使える医師は、従来の情報源だけを使える医師より診断推論が明確に向上したとは言えなかった。

これらは矛盾しているように見える。

しかし、むしろ医療AIの本質を示している。

臨床問題で高得点を取れること。
医師がAIを使って診断できること。
現実の患者の結果を良くすること。

この三つは同じではない。

AIが正しい候補を出しても、医師が使わないかもしれない。

重要でない提案が大量に出て、判断を遅らせるかもしれない。

AIの情報を患者へ当てはめるための診察や検査が不足しているかもしれない。

病院に薬や設備がなく、正しい判断を実行できないこともある。

医療では、正解を知ることだけで結果は決まらない。

正しい判断が、正しい人へ、正しいタイミングで届き、実行されることまで必要になる。

「医師＋AI」が、自動的に最強になるわけではない

人間とAIを組み合わせれば、互いの弱点を補える。

そう考えたくなる。

しかし、組み合わせ方が悪ければ、AIが人間を間違った方向へ引っ張る。

2026年に発表された医学生を対象とした研究では、誤ったAI説明を提示された参加者の診断精度が低下し、本人の自信も、正しいときと間違っているときで十分に調整されなかった。

つまり、AIに誤誘導されていても、自分が間違っていると気づきにくかった。

一方、皮膚疾患を扱った別の研究では、公平性を考慮して設計されたAIが、人間の診断を支援し、肌の色による診断精度の差を縮めた。

AIは医療格差を減らす道具にもなれるが、説明や予測が誤っていれば、人間を誤誘導する可能性も残る。

大切なのは、AIを使ったかどうかではない。

どの順番で使ったかだ。

使い方	起きやすいこと
最初からAIの答えを見る	AIの結論へ思考が固定される
人間が考えた後にAIを見る	自分の仮説と異なる点を比較できる
人間とAIが独立して考える	一致・不一致そのものを判断材料にできる
AIへ反対意見を出させる	見落とした可能性や反例を確認できる
最終判断の根拠を人間が説明する	AIへの丸投げを防ぎ、責任を明確にできる

医療者へ必要になるAI能力は、良い質問を入力することだけではない。

AIを使うこと。
AIを疑うこと。
AIと意見が違っても、必要なら無視すること。

この三つを同時に持つ必要がある。

AIに残せない医師の仕事は、「正解を知ること」だけではない

医療における医師の価値を、

AIより正しい病名を当てられるか

だけで測ると、AIの性能が上がるたびに、人間の価値が縮んでいく。

しかし、医療は診断クイズではない。

患者には、それぞれ異なる事情がある。

余命を少し延ばす可能性と、強い副作用のある治療。

身体機能を保つことと、痛みを抑えること。

自宅で過ごすことと、安全性の高い施設へ移ること。

高額な治療を受けることと、家族の生活を守ること。

医学的には同じ病気でも、望む治療は人によって違う。

AIは、選択肢と確率を示せる。

しかし、

この患者にとって、何を「良い結果」と呼ぶのか

は、検査値だけでは決まらない。

医師には、

患者の言葉になっていない不安を読む
身体を診察する
情報が足りない状態で暫定判断する
本人と家族の価値観を聞く
治療しない選択肢も含めて説明する
悪い知らせを伝える
不確実性を共有する
結果の責任を引き受ける

という仕事がある。

AIが診断候補を出すようになるほど、医師の役割は、

一番多くの病名を覚えている人

から、

医学的な可能性と、一人の人間の人生を接続する人

へ移っていく。

医療格差を縮めるAIと、二層化を進めるAI

医療AIは、専門医が少ない地域や国へ知識を届けられる。

言語の壁を越えられる。

限られた医療者が、より多くの患者を診ることを支援できる。

パキスタンでの診断推論試験や、ケニアでの大規模な臨床試験が行われていること自体、AIが資源の限られた医療現場でも現実的な検討対象になっていることを示している。ただし、前者では推論成績が改善し、後者では患者アウトカムの明確な改善が確認されなかったように、効果は環境と導入設計に大きく左右される。

AIによって医療格差が縮まる未来はある。

しかし、逆の未来もある。

条件	恵まれた患者	不利な患者
利用するAI	医療データへ接続された高性能な専用AI	無料の汎用チャットAI
入力情報	過去の検査、画像、薬、診療記録	本人が覚えている情報だけ
人間の確認	専門医がAIの提案を確認	AIの回答を一人で判断
端末・通信	継続的なセンサーと安定した接続	古い端末、不安定な通信
健康リテラシー	AIの誤りを疑える	医療用語や不確実性を判断しにくい
医療への接続	AIの提案後、すぐ受診できる	病院が遠く、予約も取れない

AIが病気の可能性を正しく示しても、医療機関へ行けなければ治療にはつながらない。

逆に、裕福な人は、常時モニタリング、専門医、個人AIを組み合わせ、より早く病気を発見できる。

情報へのアクセスだけが平等になっても、治療へのアクセスが不平等なら、健康格差は残る。

さらに、医療AIは導入後も性能が一定とは限らない。

FDAは、患者構成、診療方法、入力データ、医療インフラ、診療ガイドラインなどが変わることで、AIの性能低下や偏りが起こり得るとして、実際の医療現場での継続的な評価を重視している。

ある病院では正確だったAIが、別の地域、年齢、機器、患者集団では同じように働かないことがある。

医療AIに必要なのは、一度の高得点ではない。

誰に対して、どの環境で、今も安全に働いているかを確認し続けることだ。

介護では、人を減らすより、人をケアへ戻す

日本の介護では、AIの役割がさらに明確になる。

厚生労働省の推計では、介護職員は2022年度の約215万人に対し、2026年度には約240万人、2040年度には約272万人が必要になる。

2026年度で約25万人、2040年度で約57万人を追加で確保する必要がある計算だ。

この状況で、

AIによって介護職員を何人減らせるか

を最初の目的にするのは、少しずれている。

介護現場では、

記録を書く。
ケアプランを共有する。
家族へ連絡する。
自治体へ書類を送る。
勤務表を調整する。
薬や通院予定を確認する。

といった業務にも多くの時間が使われている。

2026年4月から順次始まった「介護情報基盤」は、分散していた介護保険情報、ケアプラン、主治医意見書などを電子化し、利用者、自治体、介護事業者間の情報共有と事務負担の軽減を目指している。

この基盤へAIエージェントが接続されれば、

介護記録の下書き
体調変化の要約
家族への報告
ケアプラン更新の補助
複数事業者の予定調整
申請書類の準備
リスクのある変化の通知

を支援できる。

一方、

身体へ触れる。
表情を見る。
食事量の微妙な変化に気づく。
不安な人の隣に座る。
本人が言葉にできない希望をくみ取る。

といったケアは、人間の関係そのものに価値がある。

介護AIの成功は、減らした職員数ではなく、職員が利用者の前へ戻れた時間で測るべきである。

医療AIは、患者を支える存在にも、監視する存在にもなる

個人の医療AIは、生活のかなり深い部分を知る。

病歴。
服用している薬。
遺伝情報。
精神状態。
睡眠。
食事。
身体活動。
生理周期。
妊娠。
依存症。
家族との関係。

これらを組み合わせれば、本人がまだ言葉にしていない体調や行動まで推測できる。

良い使い方をすれば、病気の予防や早期相談につながる。

しかし、その情報が別の目的に使われれば、人生の選択肢を狭める。

保険料を決める。
融資や採用を判断する。
広告を出す。
「治療に従わない患者」と分類する。
将来かかる医療費を予測する。

医療AIに必要なのは、同意ボタンを一度押させることだけではない。

問い	必要な仕組み
何を集めるか	支援に必要な最低限へ絞る
誰が見られるか	患者が相手と範囲を指定できる
何に使うか	診療、研究、広告、保険などを分けて同意する
いつまで残すか	保存期間を明示し、削除できる
AIが何を推測したか	推測されたリスクや分類を本人が確認できる
間違っていた場合	訂正と異議申し立てができる
別のAIへ移る場合	設定と記録を安全に持ち出せる
停止した場合	人間だけでも診療を続けられる

日本では2026年6月に「医療情報システムの安全管理に関するガイドライン」第7.0版が公表され、医療情報を扱う組織、人、システムのリスク管理や認証、外部保存、事故対応などが整理されている。

医療情報の漏えいや破壊は、プライバシー侵害だけでなく、患者の生命・身体や医療業務の継続にも影響し得る。

健康データは、単に恥ずかしい情報なのではない。

漏れたり、書き換えられたりすると、治療そのものを変えてしまう情報である。

AIの誤診以上に怖いのは、医療システム全体が同じ誤りを信じること

人間の医師が一件の患者で判断を誤る。

それも深刻な問題だ。

しかし、AIが誤る場合、一つの設定やモデルが、短時間に何千人へ同じ種類の誤りを広げる可能性がある。

原因は、モデルの能力だけではない。

患者データが誤っていた。
薬の情報が更新されていなかった。
外部文書に不正な指示が埋め込まれていた。
別の病院の患者集団では性能が落ちていた。
AIの要約から重要な情報が消えていた。
医療者が「AIが確認したから」と再確認しなかった。

患者向け医療LLMに対する模擬実験では、外部から与えられた悪意ある指示によって、危険な薬や治療を推奨させる攻撃が、108試行中102件で成功した。

実際の患者被害を観察した研究ではなく、攻撃耐性を調べたシミュレーションだが、会話型AIが他の文書やウェブ情報を読むようになるほど、セキュリティが患者安全そのものになることを示している。

医療AIでは、

AIの出力を他のAIが確認する
医療者が最終確認する
危険な操作には別の承認を必要とする
利用したデータと判断過程を記録する
異常な行動を検出する
一括停止とロールバックを可能にする
患者が誤りを報告できる

といった多重防御が必要になる。

医療AIの安全性とは、AIが一度も間違えないことではない。
間違いが患者へ届く前に止まり、届いても回復できることだ。

日本では、AI医師より先に「つながる医療」が作られる

日本の2029年までを考えると、突然、完全自律のAI医師が広く診療を始める可能性は低い。

先に進むのは、医療情報の接続と、現場業務の効率化だと思う。

電子カルテ情報共有サービスでは、紹介状、健診結果、傷病名、アレルギー、検査、患者サマリーなどを、全国の医療機関、薬局、本人の間で共有する仕組みが整備されている。

2026年度の厚生労働省の支援事業では、病院が業務効率化計画を作り、ICT機器やサービスを導入する場合、一施設あたり最大8,000万円の補助対象となる。

対象には、AI問診、文書自動作成支援、患者見守り機器、搬送ロボットなども含まれている。

つまり、日本の医療AIは、

AIが医師の代わりに診断する

より先に、

患者情報をつなぎ、問診を整理し、記録を作り、連絡と手続きを減らす

ところから広がる。

これは地味に見える。

しかし、医療現場では非常に大きい。

過去の薬や検査が見つからない。
同じ質問を何度も書く。
紹介状が届くまで待つ。
患者が医師の説明を覚えていない。
病院と介護事業者の間で情報が途切れる。

こうした分断が減るだけでも、患者安全と医療者の時間は変わる。

AIが医療を変える前に、AIが使える形へ医療情報をつなぐ必要がある。

日本の今後3年間は、その土台を作る期間になる。

2029年までの医療AIは、三段階で進む

2026〜2027年：記録と事務を減らす

最初に広がるのは、

AI問診
カルテの下書き
紹介状や退院記録の要約
患者メッセージの下書き
予約、請求、院内問い合わせ
医療情報の検索

だ。

医師や看護師の作業時間を減らし、AIが作った文書を人間が確認する。

この段階では、AIが診療判断へ直接関わる範囲は限定される。

2027〜2028年：患者側のエージェントが医療へ接続される

個人のAIが、本人の許可のもとで、

診療記録
薬
検査
ウェアラブルデータ
予約
介護情報

をまとめる。

受診前の準備と、受診後の理解を支援する。

病院のAIと患者のAIが情報をやり取りする場面も増える。

2028〜2029年：限定領域で半自律化する

リスクが限定され、元へ戻せる仕事では、AIの自動実行が増える。

定期予約。
検査前の案内。
低リスクな問い合わせ。
服薬や測定の通知。
一定条件下での医療者へのエスカレーション。

一方、診断、治療変更、高リスクな薬、手術、入退院などでは、人間の承認と責任が強く残る。

2029年の本命は、

何でも判断する万能AI

ではない。

低リスクは自動化し、高リスクは人間へつなぐ医療エージェント

である。

2029年、医療は四つの未来に分岐する

AIによって生まれた時間を、患者との関係へ返すのか。

それとも、人間を減らすためだけに使うのか。

高品質なAIが広く届くのか。

一部の人だけが使えるのか。

この組み合わせによって、医療の未来は大きく四つに分かれる。

未来	起きること	患者への影響
患者伴走型医療	AIが記録、説明、連携、継続観察を担い、医療者が対話と判断へ集中する	医療を理解しやすくなり、必要な支援へ早くつながる
高効率・人間不在医療	AIによる効率化を人員削減へ使い、患者対応も自動化する	待ち時間は減るが、複雑な事情や不安を受け止める人が減る
二層化した医療	高所得層は専用AIと専門医、他の人は汎用AIと短時間診療を使う	情報格差は縮まっても、診療と治療の格差が広がる
常時監視・過剰医療社会	AIが身体を常時監視し、小さな変化にも検査や介入を勧める	早期発見は増えるが、不安、誤警報、過剰診断、データ利用も増える

最も期待したいのは、患者伴走型医療だ。

AIによって、医療者がパソコンではなく患者を見る。

患者は、短い診察で聞けなかったことを後から確認できる。

家族や介護者にも必要な情報が届く。

医療従事者が不足する地域でも、専門知識へアクセスできる。

一方、最も起きやすく、見えにくいのは「高効率・人間不在医療」かもしれない。

予約が速くなる。
返信もすぐ来る。
診療記録も整っている。

それでも、患者は一度も、自分の不安を人間へ話せていない。

医療の数字は改善しているのに、患者は誰にも診てもらった感覚を持てない。

最悪なのは、常時監視と二層化が同時に進む未来だ。

高品質な医療AIを使える人は、早く発見し、専門医へつながる。

それ以外の人は、広告や販売につながる無料の健康AIへ生活を監視されながら、必要な治療にはアクセスできない。

医療AIに必要な九つの原則

原則	必要な設計
患者を忠誠先にする	病院、保険者、AI企業ではなく、患者の利益を中心に置く
人間の責任者を残す	高リスクな判断について、誰が確認し責任を持つか明確にする
AI利用を伝える	記録、返信、判断支援のどこにAIが使われたか患者が知れる
出典と不確実性を示す	何を根拠にし、どこから先が推測なのか区別する
権限を段階化する	説明、予約、通知、治療変更を同じ権限にしない
人間へつなぐ条件を決める	AIが迷ったとき、危険なとき、患者が望んだときに停止する
患者データを最小化する	必要以上に収集せず、広告や選別への二次利用を制限する
実環境で監視する	導入後も、患者集団ごとの精度、誤警報、事故を確認する
人間との接触時間を守る	効率化の成果を、患者と向き合う時間へ戻す

この九つがなければ、医療AIは患者の伴走者ではなく、病院の事務効率化装置か、企業の健康データ収集装置になる。

確度が高いこと、まだ分からないこと

分類	予測
確度が高い	問診、カルテ、紹介状、患者メッセージなどの文書作成へAIが広く入る
確度が高い	患者が診察前の症状整理や、診察後の説明理解にAIを使う
確度が高い	低リスク業務は自動実行し、高リスク判断では人間へ確認する運用が中心になる
確度が高い	電子カルテ、薬、検査、介護情報を安全につなぐ基盤の重要性が上がる
確度が高い	医療AIの導入後も、患者集団や環境ごとの性能監視が必要になる
確度が高い	AIの精度だけでなく、患者の同意、データ利用、責任、セキュリティが主要課題になる
変数が大きい	AI診断支援が実際の死亡、重症化、治療失敗をどこまで減らすか
変数が大きい	AIによって浮いた時間が患者対応へ戻るか、人員削減へ使われるか
変数が大きい	医療AIが地方・低所得層へ届き、格差を縮めるか
変数が大きい	常時モニタリングが早期発見を増やすか、過剰診断と不安を増やすか
期待したい未来	AIが医療者の事務を引き受け、患者が自分の医療を理解し、継続的に支援される
最悪の未来	不透明なAIが診療を実質的に決め、患者データを監視と選別へ使い、責任を負う人間がいなくなる

未来の方向を判断するには、「AI診断の正答率」だけを見ても足りない。

これから注目すべきなのは、

医療者の記録時間
患者と対話できた時間
AI文書の修正率と重大な誤り
AIの提案が医療者に採用された割合
患者アウトカムの変化
誤警報と不要な受診・検査
AI利用による地域・所得・年齢別の格差
患者がAI利用を理解し、拒否できるか
医療情報の漏えい、改ざん、停止件数
AIの判断へ異議を申し立てられた件数

だ。

医療AIが守るべきなのは、正解率だけではない

AIは、医師より多くの医学論文を読める。

膨大な診療記録を整理できる。
画像の小さな変化を見つけられる。
患者の体調を24時間記録できる。
一人ひとりに合わせて、何度でも説明できる。

その能力は、間違いなく医療を変える。

しかし、患者が医療に求めているものは、正しい病名だけではない。

自分の話を聞いてもらうこと。
不安を理解してもらうこと。
複数の選択肢から、自分の人生に合うものを選ぶこと。
悪い結果が起きたとき、誰かと一緒に受け止めること。

医療とは、情報処理であると同時に、人が弱っているときに他者へ頼る仕組みでもある。

AIが情報処理を担うほど、後者の価値は大きくなる。

だから、医療AIの未来を、

AIが医者を超えるか

だけで考えるべきではない。

問うべきなのは、

AIによって、患者と医療者の距離は近づくのか。
それとも、AIがその間に入り、人間同士をさらに遠ざけるのか。

である。

医者の代わりにAIが座る必要はない。

医師が患者を見る時間を取り戻す。

患者が、自分の状態と選択肢を理解できる。

家族、病院、介護者の間で情報が途切れない。

異変が起きたとき、一人で判断しなくて済む。

医療AIの最も価値ある場所は、医者の代わりではない。
患者の隣である。

次章

AIが何でもできる時代、人間は何によって自分の価値を感じるのか

AIが文章を書き、コードを作り、診断を助け、仕事の判断まで担うようになったとき、能力や生産性によって自分の価値を証明してきた人間は、何を支えに生きるのか。

次章では、AIによって失われる仕事だけではなく、「自分は役に立てる」という感覚が揺らぐ未来について考える。

主な参考資料

WHO「大規模マルチモーダルモデルの医療利用に関する倫理・ガバナンス指針」。

FDA「AI搭載医療機器」「実環境におけるAI医療機器の性能評価」。

Olsonほか「アンビエントAIスクライブと医療者の事務負担」。

Qaziほか「医師の診断推論に対するLLM支援の無作為化比較試験」。

Agweyuほか「ケニアのプライマリ・ケアにおける生成AI意思決定支援のクラスター無作為化試験」。

Raoほか「先端LLMの診断・鑑別・管理能力評価」。

厚生労働省「医療DX」「電子カルテ情報共有サービス」「介護情報基盤」。

厚生労働省「第9期介護保険事業計画に基づく介護職員の必要数」。