臨床ワークフローにおけるAI：現実的なもの、実用可能なもの、そして誇大宣伝されているもの

CADからAIへ：簡単な歴史

放射線技師は以前からよく耳にしていた。何十年も前に、, コンピュータ支援検出 (CAD) は、マンモグラフィ検診のような業務に革命をもたらすと期待されていた。しかし、初期のCADシステムは、高い偽陽性率に悩まされ、診断精度をほとんど向上させることができなかった。実際、ある大規模な研究では、従来のマンモグラフィ用CADは「診断精度を向上させず...結果としてがんを見逃す可能性がある」ことがわかった。 “確立された利益はない” そのコストにもかかわらず。こうした欠点が私たちの期待を弱めていた。.

重要な収穫だ： 第一世代のCADは過大評価され、洞察力よりもむしろノイズを加えることが多かった。.

2010年代半ばになると、新しい波が押し寄せてきた。 AI - ディープラーニング（深層学習）が、このゲームを変え始めたのだ。これらのAIアルゴリズムは、何百万枚もの画像から直接学習し、旧来のCADでは到達できなかったパターン認識の偉業を達成した。特にマンモグラフィでは、ディープラーニングに基づくAIが以下のような成果を上げ始めている。 偽陽性を減らす の最大の欠点の1つに対処し、特異性を向上させる。ジェフリー・ヒントン（Geoffrey Hinton）氏のような著名人が、AIは5年後には放射線科医を凌駕するだろうから、「放射線科医のトレーニングをやめよう」と挑発的に提案したとき、放射線科におけるAIをめぐる誇大宣伝は2016年頃にピークに達した。そのハイプ・サイクルを生き抜いた放射線科医として、私はその5年が過ぎ去ったことを証明できる。 まだある. .しかし、AI がある。 しかし、破滅論者（あるいはユートピアン）が予測したような形ではなかった。.

重要な収穫だ： 今日のAIは昨日の教訓の上に成り立っている。それはより強力で有望なものでありながら、現実的でエビデンスに基づいた見通しを要求している。.

何が リアル 今日AIはすでにワークフローに組み込まれている

AIは2025年のSFではなく、すでに具体的な方法で臨床医を支援している。. 2022年末の時点で 200以上 FDAが認可したAIアルゴリズムは、放射線科向けだけでなく（そしてほとんど 2024年に400人)、100社以上のメーカーによって開発されている。現在、多くの放射線科医（私を含む）が 日常的なケアとしてのAIツール. .これらは私たちに取って代わるものではなく、特定のニッチにおける私たちのワークフローを補強するものだ：

• トリアージと優先順位付け： AIの “バーチャル・アシスタント ”は、入力された検査を監視し、重要な所見のある検査にフラグを立てる。例えば、頭部CTで頭蓋内出血の疑い、胸部X線で気胸（肺の虚脱）を即座に検出し、それらの検査をワークリストのトップに上げることができる。GEヘルスケアのCritical Care Suiteはそのようなツールの一つである。 X線装置自体について と数秒以内にケアチームに気胸を通知し、緊急症例のトリアージに役立っている。同様に、脳卒中治療では、多くの脳卒中センターで大血管閉塞に対するAIベースのトリアージが標準となっている。私の病院では、AIが脳スキャンで大きな脳卒中や出血の可能性を示すと、即座に警告が出る。AIを使用して頭部CTをスクリーニングし、放射線科医に警告を発することで、所要時間を大幅に短縮することができる（ある研究では 36% 納期短縮 ERの脳出血患者に対して、AidocのAI(エイドック・ドット・コム).

• 重要な収穫だ： AIは疲れを知らない歩哨のような役割を果たし、重要な所見をより早くキャッチし、治療を迅速化する。.

• 検出と診断サポート： トリアージにとどまらず、AIは “第二の目 ”として機能する。最新のアルゴリズムは、CTスキャンで微妙な肺結節を強調したり、頭蓋内動脈瘤を早期に発見したり、MRIで心機能を数値化したりすることができる。マンモグラフィでは、古いCADでは誤報が多かったが、新しいAIシステムはその価値を証明しつつある。実際、ヨーロッパで行われた前向き試験では、二重読影検診プログラムの放射線技師2人のうち1人をAIに置き換えることで、マンモグラフィ検診の精度を維持、あるいはわずかに維持できることが示されている。 がんの発見率を高める とともに、作業負荷を軽減する。また日常診療では、AIが画像上で腫瘍や臓器の輪郭を描き、（病変の体積分析や臓器の境界のマーキングのような）面倒な測定を代行することで、放射線技師は解釈に集中できる。重要なのは、これらのツールが “拡張知能” - AIは自律的に診断するのではなく、支援する。診療放射線技師は、AIの提案を検証したり、却下したりしながら、コントロールし続ける。. 重要な収穫だ： 現代のAIは、干し草の山から針を探し出すような特定の作業を得意とする。.

• ワークフローの自動化： AIアプリケーションの中には、「平凡」だが重要なワークフロー・ステップを対象とするものもある。例えば、自然言語処理（NLP）ツールは、構造化された所見から放射線診断報告書の草案を自動生成することができる。何百万件もの過去の放射線診断報告書で訓練されたこれらのAIモデルは、異常のリストを首尾一貫した印象の段落に翻訳することができる。実際には、私が “多発性肝病変、動脈性増強および洗浄 ”と指示すれば、AIは “肝転移に適合する所見 ”のようなテンプレート化された結論を提案することができる。それでも私はレビューと編集を行うが、タイピングの手間が省け、一貫性が保たれる。同様に、AIベースの音声認識（Nuanceの有名なDragonのようなもので、現在はアンビエントAIで進化している）は、長年にわたって主力製品となっている。 リアルタイムでレポートを指示. .次のステップは アンビエントAIスクリプター診療室での会話や口述を聞き取り、構造化された文書を自動的に作成するシステム。例えば、ニュアンスの DAX（ドラゴン・アンビエント・エクスペリエンス） は、医師からメモを取る手間を省くために病院に導入されている。数十の医療システムが、EHRと統合されたこのようなツールを展開しており、タイピングによる医師の燃え尽きを減らすことを目指している。.

• 重要な収穫だ： AIは臨床ワークフローの背景から消え始めており、人間が患者に集中できるように事務処理や事務作業を処理している。.

• 画像の向上と効率化： 興味深いことに、最も広く使われている放射線科AIは、以下のようなものである。 めがわるい - AIは、撮影をより速く、より鮮明にするために舞台裏で働く。AIベースの画像再構成アルゴリズムにより、隙間を埋めたりノイズを低減したりすることで、MRIやCTスキャンをわずかな時間で行うことができるようになった。例えば、AI主導のMRIシーケンスは、スキャン時間を大幅に短縮して診断画像を生成することができる。放射線技師は、より多くのスループットと、場合によってはより鮮明な画像を得ることで恩恵を受ける。 仕事量を増やす 読むべき検査が増えるからだ。(ある同僚は、“素晴らしい、これで20%の患者をスキャンできる...そして誰がその余分な検査を読むと思う？”と言った。.

• 重要な収穫だ： AIは画像処理プロセスそのものをターボ化している。たとえ放射線技師が少し早く読影しなければならなくなったとしても、より短いスキャン、より少ない放射線量、と考えてほしい。.

何が 準備万端:新たなAIの登場

急速に進化するこの分野で、いくつかのAI技術は、より広範な臨床導入の端緒に立っている。それらは話題を呼び、初期のエビデンスを生み出しているが、実際にはまだ遍在していない：

• 医療におけるジェネレーティブAIとChatGPT： GPT-4や類似の大規模言語モデル（LLM）をめぐる宣伝は、医療分野にも波及しているが、それには十分な理由がある。これらのモデルは潜在的に 膨大なテキストデータを合成する 自然言語で会話する。近い将来の応用例として、LLMを使って次のようなことができる。 患者記録をまとめる や画像所見を臨床医に提供することができる。例えば、EHRに統合されたLLMは、患者の病歴、検査結果、放射線報告をまとめて、簡潔なクリニカルサマリーを作成したり、患者ポータルメッセージへの応答案を作成したりすることができる。エピック・システムズ（EHRの主要ベンダー）は、このようなGPT-4搭載機能を主要医療システムで試験的に導入している。同様に、放射線科では、将来のAIが画像検査の観察結果を読み取り、ファーストパスレポートの印象を自動生成し、それを放射線科医が微調整することは、遠い話ではない。初期のプロトタイプでは、GPTスタイルのモデルが、レポートの所見セクションからかなり正確な放射線学的印象を起草できることが示されている。しかし、, 注意 生成AIは時に情報を捏造する可能性があるため（悪名高い「幻覚」）、出力は人間によって注意深く検証されなければならない。我々はこれらのツールに興奮しているが、彼らの提案は最終的なものではなく、役に立つ出発点として扱う。.

• 重要な収穫だ： ジェネレーティブAIは、文書作成や情報検索に役立つ相棒になる可能性がある。.

• 統合された意思決定サポート： もうひとつの有望なフロンティアは、以下のようなAIである。 複数のソースからのデータを統合 - 画像、検査結果、ゲノム、臨床記録 - 診断と治療の決定を支援するために。これは マルチモーダルAI のアプローチは、画像所見を患者の病歴や臨床データと関連付ける、医師の思考方法を模倣している。例えば、CTスキャンで肺の結節を見て、患者の危険因子や過去の検査にアクセスし、次のステップ（経過観察の間隔や生検の推奨）とともに悪性腫瘍の可能性を示唆するAIを想像してみてほしい。すでにこれをプロトタイピングしているシステムもある：電子カルテのデータを分析するAIアルゴリズムは、どのICU患者が突然悪化するリスクがあるか、どのがん患者が所定の治療に反応するかといった転帰を予測することができる。放射線科では、AIが特定のパターン（例えば、肝臓病変が見られたときに癌の既往歴があれば、転移か良性病変かを示唆するのに役立つ）を検出すると、関連する過去のスキャンや臨床記録が自動的に読影ビューポートに取り込まれることが想定できる。この種のスマートアシスタントは 間もなく - 技術的には実現可能であり、大いに期待されているが、一般的になるには厳密な検証とワークフローの統合が必要である。.

• 重要な収穫だ： 次世代のAIはより臨床に精通し、画像を単独で読み取るだけでなく、データを組み合わせてより豊かで文脈に即したガイダンスを提供するようになるだろう。.

• 拡大する他の専門分野でのAI： 放射線学が牽引してきた一方で、病理学（AIによるがん細胞のスライド解析）、循環器学（AIによる心電図解釈と超音波ガイダンス）、眼科学（糖尿病網膜症の網膜画像解析）などでもAIが同様の進出を果たしている。例えば皮膚科では、皮膚鏡に搭載されたAIアプリが気になるほくろにフラグを立てるのに役立ち、外科ではコンピュータビジョンがリアルタイムで解剖学的構造の特定を支援する。これらのツールが成熟するにつれ、より多くの相互受粉が期待される。 放射線科AIのベンダーは他の領域にも進出している, またその逆もある。脳スキャンで脳卒中を検出するアルゴリズムを構築した企業が、ラボ（病理）で出血を検出したり、肉眼的な手術写真で異常にフラグを立てたりするために、そのアルゴリズムを適応させるかもしれない。このような収束は、分野を超えた臨床医が常に情報を得る必要があることを意味する。今日、放射線科医を助けるAIが、明日、診療所であなたを助けるかもしれないのだ。.

• 重要な収穫だ： AIの範囲は医療全体に広がりつつあり、放射線科におけるAIの成長と勝利は、他の分野への道を開いている。.

• 規制とワークフローの準備： AIは、その兆しを見せている。 ほぼ 規制当局や専門家団体による明確化が進んでいることが、より広範な採用の準備を整えている。FDAは医療用AIツールを着実に承認しており（評価に関するガイドラインもある）、米国放射線学会のような組織はAIの登録と標準を設定している（例えば、ACRのAI Centralは承認されたアルゴリズムを追跡している）。また、相互運用性に関する動きもあり、AI出力がスタンドアロンのアプリとして存在するのではなく、PACS/EHRシステムにシームレスに統合できるようになっている。今後予定されている標準規格（FHIRの更新やAI結果のDICOMなど）は、臨床環境でAIをプラグアンドプレイにすることに重点を置いている。統合がよりスムーズになれば、AIを使用することが、別のソフトウェアを起動するのではなく、ワークフローでチェックボックスをクリックするだけという簡単なものになる転換点が訪れるだろう。まだ完全な規模には至っていないが、多くの病院が試験的な統合を実施している。.

• 重要な収穫だ： AIツールがゴールデンタイムに登場したときに、安全かつ効率的に導入できるよう、（規制、技術、教育の）基礎固めが今行われている。.

過大評価されているもの（そして教訓）

変革をもたらすテクノロジーには誇大広告がつきものだが、AIも例外ではない。臨床医として、私は楽観論と健全な懐疑論のバランスをとっている。以下は、AIヘルスケアにおけるいくつかのシナリオである。 大風呂敷, そして、そこから何を学んだか：

• “「AIが医者を置き換える」-そうはならない： これは誇大広告の母である。ヒントンの2016年の発言のような引用が野火のように広がった後、放射線科医はこの恐怖の申し子となった。現実はこうだ： AIは放射線科医に取って代わらない, また、そうなりそうでもない。むしろ、私たちの働き方を再構築しているのだ。スタンフォード大学のAIの先見者であるカーティス・ラングロッツは、この言葉に対して次のように述べている： “「AIは放射線科医に取って代わることはないが、AIを使う放射線科医は使わない放射線科医に取って代わるだろう。”言い換えれば、AIをツールとして受け入れることが、適切な存在であり続けるための鍵なのだ。人間対機械のゼロサムシナリオではないのだ：AIは 高める しかし、人間の専門知識、監督、共感は依然としてかけがえのないものです。放射線科AIは、放射線科医とアルゴリズムとの間のパートナーシップとして最もうまく機能する。2023年までに自律型ロボット診断医が登場すると期待していた臨床医は、楽観的すぎることが証明された。.

• 重要な収穫だ： 人間とAIが協力することで、最高の結果が生まれるのだ。.

• 目もくらむような実験室でのパフォーマンスと実世界での実用性： 私たちは、多くのAIモデルが研究において超人的な精度を誇っているにもかかわらず、様々な臨床現場で使用されたときに躓くのを見てきた。その典型的な例が 胸部画像におけるCOVID-19検出のためのAIモデル パンデミックの初期にX線やCTでCOVID肺炎を見分ける精度が驚くほど高いという論文もあった。しかし、よく精査してみると、方法論的な欠陥や偏りが見つかった（一部のAIは、患者の体位や病院特有のアーチファクトのような明らかな違いを拾っていた）。あるレビューでは、COVID画像処理AIの誇大広告の多くが「実行可能なタスクを誇張し、その有効性と規模を誇張し......人間の関与のレベルを軽視している」と指摘している。実際には、初期の「99%の精度」のCOVID検出AIはどれも信頼できる臨床ツールにはならなかった。ある状況下で訓練されたアルゴリズムは、母集団や装置を超えて厳密に検証されない限り、別の状況では失敗する可能性がある。.

• 重要な収穫だ： 性能のパラドックスに注意 - AIは管理されたテストでは優秀でも、野生のテストでは失敗することがある。AIに患者ケアを任せる前に、実世界での検証（および継続的なモニタリング）が不可欠である。.

• 過大な期待を抱かせるベンダーと「AI洗脳」： AIへの関心の高まりに伴い、一部のベンダーは残念ながら次のような状況に陥っている。 過剰な製品宣伝 を目立たせる。マーケティング資料では、エビデンスやFDAの認可にさえ十分に裏付けられていない能力を宣伝している場合がある。2023年の分析によると 8人に1人 承認された画像処理AI機器には、マーケティング上の主張とFDAが実際に承認したものとの間に食い違いがあり、承認されていない用途や誇張された性能を宣伝するものもあった。この “AIウォッシング”-従来のソフトウェアにバズワードをかぶせる-は、臨床医を惑わす可能性がある。IBMのワトソン・フォー・オンコロジーは、臨床の神託と謳われながら、実際には意味のあるガイダンスを提供するのに苦労し、よく知られた撤退につながり、懐疑的な見方を強めることになった。臨床医にとっての教訓は明確だ： 主張を精査し、独立した検証を求める. .査読のある研究、FDAへの申請、実際のユーザーからのフィードバックは、光沢のあるパンフレットよりも信頼できる。AI搭載」と銘打たれたツールのすべてが、本当に最先端で効果的であるとは限らない。.

• 重要な収穫だ： 健全な懐疑心を維持する - AIソリューションに根拠を求め、データと実際のユーザー体験が裏づけるまで誇大広告を買わない。.

• 落とし穴バイアスと倫理的課題 AIは客観的で人間のバイアスがかからないというのも、誇張されすぎた思い込みだった。現実には、そうではない、, AIは学習データのバイアスを受け継ぐ. .特定の患者グループ（例えば、マイノリティ、女性、高齢者）がトレーニングセットで十分に表現されていなかったり、誤って表現されている場合、AIの性能はそれらのグループに対して悪化する可能性が高い。例えば、骨折を検出するアルゴリズムが主に若年成人の画像で訓練された場合、骨粗鬆症の高齢患者の微妙な骨折を見逃してしまうかもしれない。この分野のリーダーたちは、「患者の美しい多様性」を反映したデータセットが必要だと警鐘を鳴らしている。これは単に理論的な話ではなく、画像アルゴリズムにおいて人種的に偏ったパフォーマンスが示された例もある。倫理的な懸念は、プライバシー（トレーニングデータには患者の機密情報が含まれていることが多い）、そして 説明不足 いくつかのAIの “ブラックボックス”。これらの問題は、AIが悪いとか絶望的だということを意味するものではないが、初期の誇大宣伝の中では、いくらか覆い隠されていた。しかし現在では、これらの問題は正面から取り上げられるようになっている。医療AIコミュニティは、バイアスの緩和、説明可能なAI、強固なガバナンスに積極的に取り組んでいる。.

• 重要な収穫だ： 私たちは、AIが無謬でも本質的に中立でもないことを学んだ。これらのツールがすべての患者を助け、害を与えないようにするには、慎重な設計、多様な訓練、倫理的監視が必要である。.

• ハイプ・サイクルそのもの： 最後に ハイプ・サイクル 数年前と比べると、放射線科のAIは少し落ち着いてきた。当初の非現実的な期待は、医療へのAIの統合はスプリントではなくマラソンであるという、より冷静な理解へと変わってきている。医療におけるAIは ハード高い規制基準を満たし、複雑なワークフローの中で動作し、医療専門家の信頼を得なければならない。私たちは、いくつかのAIスタートアップがこれらの課題を迅速に満たすことができず、炎上したり、ピボットするのを見てきました。しかし、着実な進歩や真の改善も見られ、私たちは楽観視している。2016年から2018年が「AIは医者より優れている！」といった見出しの誇大広告のピークだったとすれば、2020年代初頭は次のような時期である。 真摯な実行と反復的改善. .良いニュースは、幻滅の段階で弱小プレーヤーが淘汰され、残ったAIツールや新たに登場したAIツールは、より堅牢で、検証され、ユーザー中心である可能性が高いということだ。.

• 重要な収穫だ： 熱狂は集中的な革新へと成熟し、誇大宣伝は抑えられたが、熱狂は実際の結果によって正当化されつつある。.

ヘルスケア（特に放射線）における主要AIプレーヤー：簡単な比較

物事を整理するために、以下はいくつかの比較である。 話題のAIベンダー／ツール そして、それらがどのように積み重なるのか：

(アイコン：✔️、❌はそれぞれ長所と短所を示す。すべての情報は、2024-2025年現在の文献および製品レポートに基づいている)。

結論AI時代の情報化された熱狂

最先端テクノロジーと患者ケアの交差点に立つと、私は慎重な楽観主義を感じる。臨床ワークフローにおけるAIをめぐる物語は成熟した。 恐い (AIは私の仕事を奪うのか？ 変わり種 (AIは一夜にしてすべてを解決する！」）。 エビデンスに基づく熱意. .新しいアルゴリズムやデバイスが私の読書室に入ってくるたびに、同業者たちは同じような疑問を抱くのだろう： これは実際に、より良いケアを提供するのに役立ちますか？時間の節約になるのか、正確さが増すのか。 その答えが「イエス」であった場合（上述のワークフロー統合型AIツールの多くがそうであるように）、私たちは喜んでそれを採用する。答えが不明確な場合は、パイロットテストを行い、主張を検証しながら慎重に進める。そして、答えがノーである場合、つまり製品が役立つというよりも誇大広告である場合、私たちはそれを脇に置くことを恐れない。.

について ボトムライン AIは医療、特に集中的なデータを扱う放射線科のような分野で、力を与える存在になりつつあるということだ。より多くの画像をより速くスクリーニングするなど）私たちの手の届く範囲を広げ、精度を研ぎ澄まし（私たちが見逃してしまうかもしれないものをキャッチする）、そしてそう、私たちに学び続けるよう挑戦しているのです。しかし、それは魔法ではない。 人間的なタッチに取って代わるものではない. .私自身の診療では、AIが（緊急所見のスクリーニングや事前比較の自動取得など）煩雑な作業の一部を代行してくれるようになり、複雑な意思決定や患者とのコミュニケーションに時間を割くことができるようになりました。 人間の得意技.

AIに対して神経質になっている臨床医に対して、私はこう言いたい。AIは、あなたの専門家によるコントロールの下で、強力なツールではあるが、単なるツールのひとつに過ぎないことがわかるだろう。そして、AIをあらゆる場所に導入しようと躍起になっている人たちに忠告したい。私たちは患者に対してその義務がある。.

結局のところ、私が選ぶ物語は次のようなものだ。 “情報通の熱意” 私たちは、その限界と初期の失敗（不正確さ、偏見、誇張）から得た教訓を認めますが、同時に、私たちのワークフローをよりスムーズにし、患者のケアをより良くしている、まさに現実的な成功も祝福します。臨床ワークフローにおけるAIは、多くの面で現実のものとなり、準備が整いつつある。そして、それは興奮すべきことなのだ。. 重要な収穫だ： AIは臨床医の代わりとしてではなく、私たちの能力を拡大し、これまで以上に効果的なケアを提供するための、常に向上し続ける味方としてです。.

情報源 本記事の情報および主張は、米国放射線学会のAIデータベースからの報告、スクリーニングにおけるAIに関する査読済み研究、以下のような信頼できる機関からのニュースなど、最近の研究、規制データ、専門家のコメントによって裏付けられている。 放射線事業 そして スタット 業界の動向や、アカデミック・センターやベンダーによる実際のケーススタディについて。.