株式会社renue
コンサルティング
コンサルティングで、この記事のテーマを実務に落とし込めます
renueが社内で運用しているシステムをサービス化したものです。何ができるか、どう動くかをサービスページでご覧ください。
医療AI・ヘルスケアAIとは
医療AI（Artificial Intelligence）とは、機械学習・深層学習・自然言語処理などのAI技術を医療・ヘルスケア領域に応用した技術・システムの総称です。画像診断支援から電子カルテの自動入力、創薬の加速、病院経営の効率化まで、幅広い領域で急速に実用化が進んでいます。
ヘルスケアAIはより広い概念で、病院内の診療業務にとどまらず、予防医療・ウェルネス・介護・保険など「健康にかかわるすべての領域」でのAI活用を指します。スマートウォッチによるバイタル監視、メンタルヘルス支援アプリ、遠隔診療プラットフォームなども含まれます。
DataM Intelligenceの市場予測は、2024年を14.2億米ドル、2033年を148億米ドルとしています。元記事の1,420億円・1兆4,800億円という表記には換算レートの根拠がなく、原典の通貨は米ドルです。また、原典記載の年平均成長率36.5%は、両端の金額から9年間で計算した約29.8%と一致せず、算出条件を確認できていません。少子高齢化による医療需要の増大、慢性的な医師・看護師不足、政府の医療DX推進政策が重なり、AI導入への追い風が続いています。
医療AIが注目される背景
1. 医療従事者の不足と業務負担の増大
日本では2024年から「医師の働き方改革」が本格施行され、医師の時間外労働に上限規制が設けられました。一方、高齢化社会の加速により医療需要は増大し続けています。AIによる業務自動化・支援は、限られた人材で医療の質を維持するための不可欠な手段となっています。
2. 政府の医療DX推進政策
厚生労働省は「医療DX推進本部」を設置し、電子カルテの標準化・普及、マイナンバーカードを活用した医療情報連携、AI診断支援システムの薬事承認促進（DASH for SaMD 2）などを推進しています。診療報酬上の評価も追い風となり、医療機関のAI投資を後押ししています。
3. 画像診断・病理診断の精度向上ニーズ
がん検診や内視鏡検査では大量の画像が生成されますが、専門医の不足・疲労による見落としリスクが課題です。AIは24時間・高速・高精度で画像を解析でき、医師の第二の目として機能します。
医療AIの主要な活用領域
1. 画像診断支援AI
医療AIの中で最も実用化が進んでいる領域です。CT・MRI・内視鏡・病理画像などをAIが解析し、病変の候補箇所を医師に提示します。富士フイルムの「CAD EYE（キャド アイ）」は、内視鏡画像から病変が疑われる領域の検出などを支援する機能の総称で、食道・胃を対象とする上部消化管用と、大腸を対象とする下部消化管用ではソフトウェアが異なります。2025年5月の発表では、膵充実性病変が疑われる領域の検出を支援するソフトウェアの薬事承認取得と、同年内の発売目標が示されました。この発売目標は当時の予定で、膵臓がんの確定診断を行う機能という意味ではありません。また、AIによる胸部X線・CT解析は、肺がんの疑いある結節を自動検出し、医師の読影負担を大幅に軽減しています。
2. AI音声入力・電子カルテ自動作成
医師が診察室で患者と会話するだけで、AIが音声を解析してカルテの下書きを自動生成する技術が急速に普及しています。TXP Medicalの救急医療データ基盤を活用した事例が報告されています。JCHO北海道病院・プレシジョン・シーエスアイ・NTTドコモビジネスの共同発表では、厚生労働省のモデル医療機関調査支援事業への採択を受け、音声認識からカルテ下書き作成、電子カルテ連携まで院内で完結させる取り組みの開始が報告されています。オンプレミスでの運用を通じて効果を検証する段階であり、導入効果が確定したという意味ではありません。
3. AI創薬（ドラッグディスカバリーAI）
新薬開発は通常10〜15年・莫大なコストを要しますが、AIはこのプロセスを劇的に短縮します。アステラス製薬の統合報告書2025では、2019年から創薬へのAI導入に着手し、AIが設計した約6万種の化合物から研究者が有望なものを厳選して、ロボットによる合成・評価へ進めた事例を紹介しています。短縮対象はヒット化合物から医薬品候補化合物を取得する研究段階で、6万種すべてを合成したという意味ではありません。同社の2025年4月の発表は、AIが設計しロボットで合成した化合物が臨床試験に進む段階に達したと説明しています。元記事の「免疫関連の低分子治療薬候補」との対応や治験開始済みという位置付けは、この発表では確認できていません。エーザイの研究者らによる学会発表では、Ames試験の変異原性予測システム「YosAI」を報告しています。専門家の知識や試験データ、市販の予測ソフトウェアとAIを組み合わせた評価支援で、遺伝毒性全般や医薬品の安全性を確定する仕組みではありません。
4. 予測・リスク管理AI
患者の入院中の状態をリアルタイムで監視し、敗血症・急変・転倒などのリスクをAIが予測するシステムが広がっています。電子カルテのデータをAIが学習し、数時間後の急変リスクをスコアで可視化することで、看護師の優先度判断を支援します。また、術後の合併症リスク予測や、がん患者の予後予測AIも研究・実用化が進んでいます。
5. 病院経営・地域医療のAI支援
病院経営においても、AIによる病床管理・外来予約最適化・資材調達支援などが実用化されています。AIエージェントを活用した地域医療機関の経営効率化支援の取り組みも報じられており、持続可能な地域医療モデルの構築が期待されています。
医療AI・病院DXの具体的な活用事例
事例1：富士フイルム「CAD EYE」による内視鏡診断支援
富士フイルムが開発した「CAD EYE」は、内視鏡検査中にリアルタイムでAIが画像を解析し、医師が見落としやすい微小ながんや前がん病変を検出します。下部消化管用「EW10-EC02」は2024年6月1日から、同プログラムを用いて内視鏡的大腸ポリープ・粘膜切除術を実施する場合の病変検出支援プログラム加算の対象となりました。検出機能を使うすべての検査に一律で加算されるという意味ではありません。2025年3月17日に提供が始まったVer2.0は、食道・胃を対象とする「EW10-EG01」の更新版です。同発表は、学習画像を増やして誤検出の低減を目指すと説明しています。また、国内累計1,000台超は同日時点の機能拡張ユニット「EX-1」の導入台数であり、Ver2.0だけの販売台数ではありません。
事例2：アステラス製薬のAI×ロボット創薬プラットフォーム
アステラス製薬は「人×AI×ロボット」を統合したHuman-in-the-Loopの創薬プラットフォームを構築。AIによる化合物デザイン、自動合成ロボットによる高速試験、研究者による評価・フィードバックというサイクルを高速で回すことで、創薬の初期探索から候補化合物の決定まで大幅な短縮を実現しました。同社が公表した到達点は、AIとロボットで得た化合物が臨床試験へ進む段階です。「免疫関連」という疾患領域との対応や治験開始済みであることは、この資料だけでは確認できません。
事例3：JCHO北海道病院のAIカルテ下書き実証（厚生労働省採択）
2026年1月19日の共同発表によると、NTTドコモビジネス・プレシジョン・シーエスアイとJCHO北海道病院が、厚生労働省事業に採択された「音声認識AI×電子カルテ連携」の実証を開始しました。スマートフォンを用い、プレシジョンの「今日のAI音声認識」でカルテ下書きを作成し、シーエスアイの電子カルテ「MI･RA･Is V」への連携を進める取り組みです。外部クラウドを使わず院内で処理を完結させる、セキュアかつ効率的なモデルとして注目されています。
事例4：TXP Medical「SpeechER」による音声カルテ入力
TXP Medicalは2025年10月15日、音声入力カルテアプリ「SpeechER」のグッドデザイン賞受賞を発表しました。スマートフォンへの発話を電子カルテ向けの形式に変換し、同社はカルテ記録時間を最大70%削減としています。これは提供元の自社調べによる最大値で、すべての施設・業務での削減率を保証するものではありません。救急・急性期から外来まで幅広い診療科での活用が進んでいます。
医療AIの導入メリットと課題
主なメリット
- 診断精度の向上：AIは疲労の影響を受けず画像解析を支援できますが、見落としや誤検出をなくす保証はありません。CAD EYEも病変が疑われる領域を提示して医師の検出を支援する製品です
- 業務効率化・医師の負担軽減：カルテ入力・文書作成・画像読影などの定型業務をAIが代替し、医師が本来の診療に集中できます
- 医療アクセスの均等化：専門医が少ない地方や夜間でも、AI診断支援により質の高い医療を提供しやすくなります
- 創薬コスト・期間の削減：AIにより候補化合物の探索・最適化が加速し、新薬開発の期間・コストを大幅に圧縮できます
- 予防医療の高度化：ウェアラブルデバイスとAIを組み合わせ、個人の健康リスクを早期に察知・介入できます
主な課題と注意点
- 規制・薬事承認：診断支援AIがプログラム医療機器（SaMD）に該当する場合は薬機法の規制を受けます。承認が必要な製品はPMDAの審査を経て厚生労働大臣が承認し、指定された認証対象製品は登録認証機関が認証します。開発・申請には専門的な対応が求められます
- データプライバシー・セキュリティ：患者の医療情報は最も機密性の高い個人情報の一つです。AI学習データの匿名化・同意取得・セキュリティ管理が不可欠です
- AIの説明可能性（XAI）：医師がAIの判断根拠を理解できない「ブラックボックス問題」は、医療現場での信頼獲得の障壁になります
- 導入コストと人材育成：AIシステムの導入・運用には初期コストと、使いこなせる人材の育成が必要です
- 最終判断は医師が行う：現行の法制度・医療倫理では、診断・治療の最終判断は医師が行う責任があります。AIはあくまで支援ツールです
医療AIの規制・法律について
日本では、診断・治療等を目的とし、不具合が生命・健康に影響するなどの条件を満たすAIプログラムが、プログラム医療機器（SaMD: Software as a Medical Device）として薬機法の規制対象となります。単なる業務支援や、一般医療機器相当の低リスクのプログラムは区別して判断します。DASH for SaMDは厚生労働省が2020年に公表し、DASH for SaMD 2は厚生労働省・経済産業省が2023年に取りまとめた実用化促進策です。PMDAは相談・審査体制の整備等を担い、個々のAI製品の承認や効果が保証される制度ではありません。
主なポイントは以下の通りです：
- 医療機器全体はリスクによりI〜IVに分類。プログラムでは一般医療機器（クラスI）相当の低リスクのものは規制対象から除外され、規制対象品は承認・認証の要否を確認する
- 機械学習モデルの市販後変更（継続学習）に関する審査基準が整備されつつある
- バイアス・公平性の評価が求められる
- 個人情報保護法・医療情報安全管理ガイドラインへの適合が必要
2026年度診療報酬改定では、医師事務作業補助体制加算の配置人数の算入方法が見直されました。所定の生成AI文書作成補助システムの組織的導入・日常活用、安全管理等のガイドライン準拠、全補助者への研修と常時利用できる体制などの条件を満たす場合、1人を1.2人として算入できます。新規届出には直近3か月以上の従前の配置区分等での継続算定も必要で、届出後は年1回程度の時間・負担の評価等を行います。AI音声入力を導入するだけで一律に適用される制度ではありません。
医療AIの今後の展望
DataM Intelligenceは、日本のAI医療市場を2033年に148億米ドル（2024年の14.2億米ドルに対し約10倍）と予測しています。米ドル建ての将来予測であり、円換算額ではありません。原典のCAGRと両端値の不整合にも留意が必要です。少子高齢化・医療従事者不足という構造的課題を背景に、AI導入は加速し続けるでしょう。
今後特に注目される領域は以下の通りです：
- マルチモーダルAI：画像・音声・テキスト・検査値を統合解析し、より精度の高い診断支援を実現
- ゲノム・精密医療AI：個人のゲノム情報に基づいた最適治療の選択・副作用予測
- 生成AI×電子カルテ：大規模言語モデル（LLM）を活用した診療録要約・退院サマリー自動生成の本格普及
- 予防医療・デジタル治療（DTx）：ウェアラブルとAIを組み合わせた慢性疾患管理・メンタルヘルスケア
- AIエージェントによる病院経営支援：複数のAIが連携して病床管理・人員配置・資材調達を自動最適化
貴社の医療AI・ヘルスケアDXをご支援します
医療AIの導入を検討しているが何から始めればよいかわからない、社内にAI活用のノウハウがない、規制対応も含めたトータル支援がほしい——そのようなお悩みをお持ちの医療機関・製薬・ヘルスケア企業の皆様に、renueのAI導入支援サービスをご活用ください。
- AI活用戦略の策定・ロードマップ設計
- 医療AIシステムの選定・導入・運用支援
- 生成AI・LLMを活用した業務効率化
- 社内AI人材育成・研修プログラム
よくある質問（FAQ）
Q1. 医療AIと医療機器AIは何が違いますか？
医療AIは広い意味で医療領域でのAI活用全般を指します。一方、医療機器AIはAIを搭載した医療機器を広く指し、そのうち単体のソフトウェアで医療機器に該当するものがSaMDです。診断・治療等の目的と不具合時のリスクに応じて医療機器該当性を判断し、該当品は承認または認証等の区分を確認します。電子カルテの音声入力補助やスケジュール管理など、医療機器に該当しない業務支援AIまで一律に薬事承認が必要になるわけではありません。導入前に規制区分の確認が重要です。
Q2. 医療AIの導入には何が必要ですか？
医療AIの導入には、①目的・課題の明確化、②適切なシステムの選定と薬事区分の確認、③既存の電子カルテ・システムとの連携設計、④スタッフへのトレーニング・使用方法の教育、⑤患者への説明と同意取得プロセスの整備、⑥導入後の効果測定と継続改善、が必要です。補助金や助成制度（東京都等）を活用することでコスト負担を軽減できます。
Q3. 医療AI診断の精度はどの程度ですか？
領域・システムによって異なりますが、富士フイルムCAD EYEの大腸ポリープ検出では、臨床試験でAI支援ありの場合の検出率向上が確認されています。ただしAIの精度は学習データの質・量に依存し、未知のパターンや希少疾患には弱い場合があります。AIはあくまで「医師の補助ツール」であり、最終診断は医師が行うことが前提です。定期的なモデルの更新・再検証も重要です。
Q4. 個人の医療データをAIに使うことはプライバシーに問題ありませんか？
個人の医療データはとりわけ機密性の高い情報です。日本では個人情報保護法・医療情報の安全管理に関するガイドライン（厚生労働省）に従ったデータ管理が義務づけられています。AI学習に利用する場合は、原則として本人の同意取得か、適切な匿名化処理が必要です。近年は院内オンプレミスで処理を完結させ、データを院外に出さないアーキテクチャを採用するシステムも増えています。
Q5. AI創薬で実際に承認された薬はありますか？
2025〜2026年時点で、AIが設計・候補選定に関与した化合物が臨床試験（治験）フェーズに入った事例は複数存在します。アステラス製薬は、AI設計・ロボット合成した化合物が臨床試験へ進む段階に達したと公表しています。「免疫関連」という疾患領域との対応や治験開始済みであることは同発表だけでは確認できません（同社の2025年4月の発表）。ただし、AI創薬で設計された化合物が最終的に承認・販売される薬になるまでにはまだ時間がかかるケースが多く、現在は「候補発見・最適化フェーズでの活用」が主流です。今後数年で承認事例が増加すると期待されています。
Q6. 中小病院・クリニックでも医療AIを導入できますか？
はい、導入可能です。近年はクラウド型・SaaS型の医療AIサービスが増え、初期費用を抑えて月額利用できる形態が普及しています。AI問診システムや音声カルテ入力補助は、比較的低コストで始められるものも多くなっています。東京都をはじめ自治体の補助金制度も活用可能です。まずは業務負担が大きい特定の業務から部分的に導入するアプローチが現実的です。
まとめ
医療AI・ヘルスケアAIは、診断支援・創薬・電子カルテ自動化・病院経営支援など多岐にわたる領域で急速に実用化が進んでいます。日本でも富士フイルムのCAD EYEやアステラス製薬のAI創薬プラットフォーム、TXP MedicalのSpeechERなど、具体的な成果が出始めています。
一方で、薬機法の規制対応・データプライバシー・AI人材の育成など、克服すべき課題も存在します。成功の鍵は、技術の正しい理解と、医療現場の実態に即した段階的な導入計画です。医療AIの活用は、医師の診療品質の向上と業務負担軽減を同時に実現する、医療の未来を切り拓く鍵となるでしょう。