夜2時の血液培養陽性アラートと常勤病理医1人病院──MALDI-TOFとAI/ML-SaMD PCCP

夜中の 2 時に検査室の電話が鳴る。発熱と血圧低下で救急搬送された患者の血液培養から、グラム陰性桿菌が検出されたという臨床側からのコールだ。当直の臨床検査技師は MALDI-TOF 質量分析器に培養菌を置き、菌種同定を始める。同定までの所要時間で、抗菌薬選択のスピード、患者の生死、そして翌朝までに病棟会議に出せる情報量が決まる──臨床検査の現場は、この種の「分単位の意思決定」が日常的に発生する場所であり、AI 補助がもたらす本当の価値は「3 分早くアラートを上げる」「夜勤 1 人体制で 100 検体さばける」「常勤病理医 1 人病院でセカンドオピニオンを実質的に実現する」といった、目に見えない量の改善にあります。米 FDA が 2025 年に Modella AI の PathChat DX と Paige の PanCancer Detect に Breakthrough Device 認定を与え、厚生労働科学研究班が病理デジタル画像の支援ツール開発を継続している現在（厚生労働科学研究成果データベース「病理デジタル画像・人工知能技術による病理診断支援ツール開発」）、臨床検査技師・病理検査技師・細胞検査士・遺伝子検査担当・治験 CRO 中央検査室スタッフ・大学病院検査部の読者が、自分の業務で実際に何が変わるかを判断できる粒度で本稿は書かれています。

常勤病理医 1 人病院でセカンドオピニオンを「事実上実現」する AI 補助の運用

日本の常勤病理専門医は限られた人数で全国の病院をカバーしており、常勤病理医勤務病院の約半数が 1 人病理医という構造が、ダブルチェック・術中迅速・夜間休日対応を物理的に困難にしてきました（厚生労働科学研究成果データベース 病理AI 関連）。AI 病理スライド事前選別を病院内に置くことの実用上の意味は、「主治医からの依頼ロットの中で、AI が悪性所見の可能性が高いと判定した症例から病理医が読影する優先順位を決める」ことです。これは病理医を置き換えるのではなく、病理医の集中時間を悪性可能性の高い症例に振り向ける運用です。具体的には、(1) ホールスライドイメージ取得装置（NanoZoomer・Aperio・Ventana 等の代表機種）の導入、(2) DICOM や WSI ファイルフォーマットの院内画像管理システム（PACS）統合、(3) AI 事前選別の優先度を病理医ワークリストに反映、(4) 院外 AI ベンダーへのスライド送信時の改正個人情報保護法対応、(5) 病理画像診断管理加算の保険算定との整合、の 5 段階の社内承認を 1 つずつ通します。1 人病理医病院の事務長・検査部長・院長が、この 5 段階のうちどこで止まりやすいかを言語化できれば、AI補助は病理医の判断を支援し、承認範囲と性能限界を踏まえて使用できます。

夜勤 1 人体制の臨床検査室で AI が変える 30 分のタイムライン

夜勤の臨床検査技師は、緊急採血対応・血液培養陽性アラート・救急科からの検体・ICU からの動脈血ガス分析・産科からの胎児採血を、しばしば 1 人で同時に処理します。AI が現場で効くのは、(1) 血算（CBC）の有形成分自動分類で芽球・幼若顆粒球・形質細胞・異型リンパ球を装置内蔵 AI が一次分類し、技師の目視確認時間を圧縮する、(2) 尿沈渣画像のリアルタイム分類で円柱・上皮・結晶の検出を装置側で自動化、(3) 血液培養陽性アラートの臨床側通知ワークフロー自動化、(4) 凝固検査のフィブリン析出異常の自動アラート、(5) 救急採血のクリティカル値（パニック値）通知の自動化、の 5 領域です。シスメックスの XN シリーズ、ベックマンの DxH シリーズ、ロシュの Cobas シリーズ、アボットの Alinity シリーズなどの分析機メーカーが内蔵 AI を世代ごとに進化させており、夜勤 1 人体制の検査室では「装置内蔵 AI が一次判定 → 技師が異常パターンのみ目視確認」という分業設計が、心理的負担と医療安全の両面で意味を持ちます。

治験 CRO 中央検査室と検体物流──シ・PRA・IQVIA・Parexel の AI 適合度

治験 CRO の中央検査室は、製薬企業の治験プロトコルに基づき、世界中の治験施設から検体を集中させて統一基準で解析する施設です。シミック（CMIC）・PRA・IQVIA・Parexel・Labcorp Drug Development（旧 Covance）・Q² Solutions などが日本市場でも稼働しており、その業務は (1) 検体採取キット作成・配送、(2) 治験施設での採取・遠心分離・凍結、(3) ドライアイス物流での中央検査室搬送、(4) 中央検査室での解析（NGS・フローサイトメトリー・バイオマーカー）、(5) データ管理（EDC 統合・CDISC SDTM 準拠）、(6) 治験依頼者への中間解析報告、の 6 工程に分かれます。AI が効く領域は、(2) の遠心分離 RPM 検証と凍結温度履歴の AI 異常検知、(3) のドライアイス昇華量予測と物流路線最適化、(4) のフローサイトメトリーゲーティングの AI 半自動化、(5) の SDTM 変換コードの AI 自動生成、です。治験 CRO 中央検査室の経験者は、ICH-GCP や 21 CFR Part 11・GxP コンプライアンスの上で AI 導入を設計できる稀少な人材で、業界内で年収レンジの上位に位置づけられる職種です。

SaMD（Software as a Medical Device）認証取得の社内承認プロセス

病理 AI・血算 AI・尿沈渣 AI を「医療機器」として日本国内で正式販売するには、医薬品医療機器等法（薬機法）に基づく PMDA 承認が必要で、特に「プログラム医療機器」の承認区分（クラス I-IV）の判定が出発点になります。AI／機械学習を含むプログラム医療機器（AI/ML-SaMD）は、PMDA の AI/ML 適応型変更管理計画（Predetermined Change Control Plan / PCCPの要否と提出内容は、対象製品と承認方針に応じてPMDAと確認があります。社内承認プロセスは、(1) 想定使用目的の文章化（「補助診断」「スクリーニング」「最終診断」のどの位置づけか）、(2) 学習データの収集・アノテーション・品質管理 SOP、(3) 性能評価試験計画（前向き／後ろ向き・国内／海外）、(4) 市販後安全管理計画、(5) PMDA との対面助言の予約、(6) 治験 / 性能試験の実施、(7) 承認申請書類の取りまとめ、の 7 段階が標準です。臨床検査技師・病理検査技師の業務経験者は、(1)(2)(4) の段階で「現場でどう使われるか」を提案書・SOP に落とし込めるかが、SaMD 設計責任者として最も重要な差別化軸になります。

検査受託 4 社寡占（SRL・BML・LSI メディエンス・H.U.グループ）と内製 AI の経済

日本の検査受託市場は SRL（H.U.グループ傘下）・BML・LSI メディエンス・H.U.グループの 4 社寡占で、各社が全国の医療機関から検体を集めて夜間搬送・大型ラボでの自動化分析・翌朝結果報告という事業モデルを回しています。AI が経営指標に直接効くのは、(1) 夜間検体物流の路線最適化（路線数 × 配車 × 燃料 × 配達確実性）、(2) 大型ラボの装置稼働率最適化（24 時間 3 シフトの分析装置のキュー管理）、(3) 再検率低減（前処理段階の品質判定 AI で再採血を減らす）、(4) 受託項目の新規開発（コンパニオン診断・希少疾患・遺伝子検査の社内ノウハウ蓄積）、(5) 個別契約病院との CSV・電子報告フォーマットの自動整合、の 5 領域です。検査受託 4 社の経験者は、自社の事業 KPI（売上・受託項目数・夜間稼働率・再検率・人件費率）と AI 投資の効果を数字で結びつけられる立場にあり、業界内の AI 設計責任者として強い競争力を持ちます。