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は、抗菌薬選択に役立つ情報を臨床側へ届ける時期に関わる。治療判断は菌種同定だけで決まるものではなく、敗血症等では臨床側による迅速な評価・治療が必要になる（Surviving Sepsis Campaignの推奨）──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 補助の価値を評価する際には、アラート通知までの時間、夜勤の人員体制に応じた処理件数、病理医の確認業務をどこまで支援できるかを測定します。AIによる優先順位付けは、別の医師から見解を得るセカンドオピニオンそのものではありません。2025年にはModella AIのPathChat DXとPaige PanCancer Detectについて、米FDAのBreakthrough Device指定を受けたことが各社から発表されました。これは販売承認とは別で、両社発表も指定だけで診療利用が認められるものとはしていません。日本では2016〜2018年度の厚生労働科学研究で、病理デジタル画像を用いた支援ツールの開発が報告されています（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」）。こうした研究・開発を踏まえ、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 人病院で病理医の判断を支援する AI 補助の運用

引用する2018年度研究報告では、常勤病理医勤務病院の約50%が1人病理医とされ、ダブルチェックや術中迅速病理診断を提供しにくいことが課題として挙げられています。これは報告当時の記述であり、2026年の現況を示す統計ではありません（厚生労働科学研究成果データベース 病理AI 関連）。承認・認証された用途と性能の範囲内でAIによる病理スライドの事前選別を利用する場合、検討できる業務の一つは、「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) WSIの保存形式（DICOM等）と院内画像管理システム（PACS）の相互運用性の確認、(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ベンダーへの送信時の利用目的、委託・第三者提供の区分、国外移転の有無、契約・安全管理の確認（個人情報保護委員会の医療分野の取扱い）、(5) 病理診断管理加算やデジタル病理画像による病理診断について、算定要件と施設基準の確認（AIを導入しただけで算定できるものではありません）、の5点を院内で確認する整理が考えられます。全施設に同じ順番の承認手続きを求めるものではなく、装置とソフトの組み合わせ、用途、院内体制に応じて具体化します。1 人病理医病院の事務長・検査部長・院長が、この5点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検討する AI・自動化の役割

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など複数の業務に対応します。1人で担当する体制を含め、人員配置は施設により異なります。AIや自動化の導入対象を考える際の観点は、(1) 血算（CBC）の計数・分類・異常フラグと、血液像画像の一次分類を区別すること。例えばDI-60の公開資料には芽球・幼若顆粒球・形質細胞・異型リンパ球等の初期分類が示されており、分類結果は技師が確認する、(2) 尿沈渣の円柱・上皮・結晶などの検出・画像確認を支援すること（自動分類か、撮像後に人が分類する方式かは機種次第。UD-10の資料では人が画像を分類）、(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等に関する異常アラートの有無と対象条件の確認、(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シリーズは、測定分野・方式・対応機能が異なります。計数・フラグ・画像分類・通知連携をすべて「内蔵AI」と一括りにはできません。夜勤1人体制でも、添付文書と施設で検証した基準に沿って技師が確認範囲を定め、異常表示のない結果を含めた品質管理と見逃しへの対応を設計します。

治験 CRO・中央検査室と検体物流──シミック・ICON（旧PRA）・IQVIA・Parexel の役割とAI活用

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）は国内外の中央測定ラボへの検体輸送・管理を支援し、Parexelも検体物流や提携ラボとの連携を提供しています。PRAは2021年にICONが買収しました。中央検査室サービスには日本拠点を持つLabcorpやIQVIAグループのIQVIA Laboratories（旧Q² Solutions、日本法人は2025年に社名変更）などがあります。旧Labcorp Drug Development（旧Covance）関連の事業は、2023年のFortrea分離後、CRO事業とLabcorpに残る中央検査室事業を区別する必要があります。これらを同一の中央検査事業者として並べず、担当サービスを確認してください。検体採取から報告までの流れは、 (1) 検体採取キット作成・配送、(2) 治験施設での採取・検体に応じた遠心分離や凍結等の処理、(3) 検体に指定された温度での中央検査室搬送（凍結検体ではドライアイス輸送等）、(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工程として整理できます。分担や必要な処理は試験プロトコルにより異なります。以下は各社での実装実績ではなく、AI活用を検討する対象です。(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による作成支援です。生成・判定した結果は、プロトコルやデータ標準に沿って検証する必要があります。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 必要な品質管理や検証を踏まえてAI導入を検討する際に、その経験を活かせます。年収や職位は、担当業務・経験・企業の条件によって異なります。

SaMD（Software as a Medical Device）の承認・認証に向けた開発プロセス

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、薬機法上の医療機器該当性とリスク分類、承認・認証等の必要な手続を確認します。承認対象ではPMDAが審査し、厚生労働大臣が承認します。基準に適合する認証対象では登録認証機関の認証を受けます。プログラム単体では、一般医療機器に相当する低リスクのものは規制対象から除かれるため、クラスI〜IVを一律に「承認区分」とする説明は適切ではありません（PMDAの承認・プログラム医療機器の説明、プログラム医療機器の関連情報）。AI／機械学習を含むプログラム医療機器（AI/ML-SaMD）の変更計画では、米国のPCCP（Predetermined Change Control Plan）と、日本の変更計画確認手続制度（IDATEN）を区別します。日本でIDATENの利用を検討する場合は、対象となる変更や提出資料をPMDAと確認します。すべてのAI製品が承認申請時にPCCPを提出するという制度ではありません。開発・申請に向けて整理する事項の例は、(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) 製品と申請区分に応じて必要な治験 / 性能試験の実施、(7) 承認・認証申請書類の取りまとめ、の7点です。法令で全製品に同じ7段階の順序を求めるものではなく、必要な試験や相談の時期は製品ごとに確認します。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。

検査受託企業（SRL〈H.U.グループ〉・BML・LSI メディエンス）と内製 AI の経済

日本の検査受託企業にはSRL（H.U.グループ）・BML・LSIメディエンスなどがあります。SRLとH.U.グループは別の競合企業として数える関係ではありません。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・結果報告という業務を担います。報告までの時間は検査項目等によります。AI投資の効果を検証する対象としては、(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（施設ごとの稼働時間・シフトに合わせた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支援により、再採血を減らせるか評価する）、(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。これらの検査受託企業の経験者は、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。