株式会社renue
renueについて
renueは、AIで業務を実装する会社です
AIコンサルティングから図面AI・広告運用エージェント・コールセンターAIまで、実際に動いているサービスをご覧いただけます。renueが何をしている会社か、まずはサービス一覧からご確認ください。
医療AIは「規制対応」から「実装と監査証跡」の局面へ。2026年に求められる人材像
2026年、医療・ヘルスケア領域のAIガバナンスは、ポリシー整備からその先のフェーズに入っています。日本では、AI技術を用いた医療機器プログラム(SaMD)に関する規制動向や運用ガイダンスを、独立行政法人医薬品医療機器総合機構(PMDA)と厚生労働省が継続的に整備しています。厚生労働省医薬・生活衛生局が公表した「AI技術を利用した医療機器の医薬品医療機器法上の取扱にかかる対応について」は、AI医療機器の承認・市販後管理の基本論点を整理した一次資料です。市販後の学習や性能評価に関しては、経済産業省/PMDAの医療機器・ヘルスケア開発協議会で2024年5月に公表されたPMDA取組資料でも、AIを用いた医療機器の市販後変化への対応が論点として扱われています。データ利活用の側面では、厚生労働省が公表した「医療デジタルデータのAI研究開発等への利活用に係るガイドライン」は、医療機関等で診療時に得られ、既に保管されている医療情報を用いた共同研究・製品開発を想定しています。特に診断用医療AIソフトウェアの開発を念頭に、研究開発段階に応じた法的根拠、仮名加工情報の作成・共同利用等を整理した資料です。
海外動向としては、米国食品医薬品局(FDA)が2026年1月に一般ウェルネスと臨床判断支援(CDS)のガイダンスを更新しました。疾病の診断・治療等に関係しない健康的な生活の維持・促進を目的とするソフトウェアの法定除外と、低リスクの一般ウェルネス製品に対して規制要件を執行しない方針は別です。CDSの法定除外には、医用画像や機器信号等を取得・処理・解析しない、患者等の医療情報を表示・分析等する、医療従事者の判断を支援する、医療従事者が推奨の根拠を独立して検討できる、という4条件があります。AI製品を低リスクという理由だけで一律に監督対象外とするものではありません。中国では、2025年11月公表の国家衛生健康委員会等の「人工知能+医療衛生」応用発展実施意見とは別に、2026年の医療機関AI応用・ガバナンス専門家合意が、導入審査・臨床応用・患者権利保護・データガバナンス・リスク管理・リテラシー向上の6領域を整理しています。政府方針と専門家による推奨を区別して参照します。
こうした規制・運用整備の進展は、医療・ヘルスケア事業者にとって「ポリシー文書の整備」から「実装と監査証跡で示す」フェーズへの移行を意味します。本記事は、医療AI実装の現場で求められる人材像と、医療・製薬・医療機器・病院・ヘルスケアIT出身者がこの領域に踏み出すときの現実的な経路を整理します。
医療AIガバナンスを「実装」に落とす6つのレイヤー
医療AIの規制・ガイドラインを実装の言葉に翻訳すると、おおむね次の6レイヤーに分解できます。これは厚労省・PMDAの公開資料、海外規制動向、医療機関での実装現場の論点を統合した整理です。
レイヤー1:AIユースケース台帳とクラス分類・承認/認証手続の対応付け
院内・社内で稼働するAIユースケースを台帳化し、それぞれが医療機器(SaMD)該当か非該当かを確認する。日本では一般医療機器に相当する低リスクのプログラムは規制対象から除かれます(PMDAの該当性説明)。該当する場合はリスクに応じたクラス分類を整理し、これとは別に、一般的名称・使用目的・機能が認証基準に適合するか等により承認または認証の手続を確認する(厚労省ガイダンス)。非該当の場合も内部ガイドラインの適用範囲を明示する。
レイヤー2:モデルライフサイクル管理と市販後変化への対応
AI医療機器の市販後学習・モデル更新には、性能変化を考慮したライフサイクル設計が必要です。承認時点と市販後の性能変化の追跡、再学習データの取扱い、変更管理計画の運用を設計します。米国のPCCP最終ガイダンス(2025年8月)では、予定する変更、その検証・実施方法、影響評価を計画に記載し、FDAが販売前の申請の一部として審査します。許可された計画の範囲内の変更について追加申請を不要にする仕組みであり、事前審査を市販後監視に置き換えるものではありません。日本での変更手続は薬機法上の制度として別途確認します。
レイヤー3:医療データガバナンス
診療情報、画像、検査結果、ゲノム情報、遺伝子情報、患者報告アウトカム。次世代医療基盤法や個人情報保護法、医療機関の個別運用ルールを踏まえ、AI学習・推論・ログそれぞれのデータ取扱いを設計する。中国の医療機関AI応用・ガバナンス専門家合意(2026版)の「データ不出院」は、院内またはプライベートクラウドでの運用を勧め、未加工の患者情報を第三者の公開クラウド型モデルへ直接送ることを禁じる考え方です。同合意は、クラウド等での処理が必要な場合の院内での標準化された非識別化処理にも言及しています。あらゆるデータの院外利用を一律に禁じる日本の法規制として扱わず、適用法と利用条件に沿って構成を選びます。
レイヤー4:臨床判断支援AIの説明可能性と医師責任
診断補助、画像読影、リスクスコア、治療推奨など、臨床判断に関わるAI出力には説明可能性が求められます。同時に、最終的な医師責任の所在を実装と運用の両方で担保する設計が必須です。中国の2026年専門家合意も、「人機協同、以人為主」(人とAIが協働し人が主)を掲げ、医師による最終判断・確認を推奨しています。各国での具体的な責任分担は、それぞれの制度と契約・運用に照らして整理します。
レイヤー5:監査証跡と市販後モニタリング
AI出力、医師の採用/不採用、入力データ、モデルバージョン、性能ドリフトのモニタリング。FDAのAI医療機器のライフサイクル管理ガイダンス案(2025年1月)は、販売前申請に必要な資料と製品全期間のリスク管理を併せて提案しています。2026年9月28日時点でも案であり、事前審査より運用中の証拠を優先する制度への移行が確定したとは読めません。
レイヤー6:患者同意とインフォームド・コンセント
AI活用に関する患者への説明、同意取得、データ利用範囲の明示、撤回権の設計。米国の州法レベルでもチャットボット利用時の患者開示や同意要件が議論の中心になっています。
医療・ヘルスケア領域でAI実装を主導する人材に求められる素養
医療AI実装のリードロールに必要なのは、技術力だけでも医療知識だけでもありません。両者を翻訳できる稀少人材です。
第一は、薬機法・医療機器規制・関連ガイドラインの理解。SaMDの該当判定、クラス分類、承認・認証の手続、市販後変更管理。法律家ほど詳細でなくても、自社のAIユースケースに照らして規制論点を切り出せる力が必要です。
第二は、臨床業務の解像度。診療科ごとのワークフロー、医師・看護師・臨床検査技師・薬剤師の役割、診療報酬制度、保険適用範囲。AIを「臨床業務のどこに当てるか」を分解できる解像度が求められます。
第三は、AI実装そのものの技術理解。医用画像処理、自然言語処理(電子カルテからの情報抽出)、生体信号処理、生成AI(医療文書要約・患者対話)、評価基盤、データパイプライン。
第四は、データガバナンス設計力。次世代医療基盤法、個人情報保護法、医療情報システムの安全管理ガイドライン、HIPAA(米)、GDPR(欧)などの規制を、自社の運用に翻訳できる力。
第五は、医療従事者との協働。医師・看護師・薬剤師・臨床検査技師との対話、現場ワークフローの観察、業務再設計の合意形成。AIに過度な期待を持つ層と、過度に警戒する層の両方と対話できることが必要です。
転身ルート別の入り口
医療AI実装を担える人材は、いくつかのルートから出てくることが多い印象です。
第一に、医療機器メーカー・製薬企業のデジタル部門・データサイエンス部門出身者。SaMD開発、医療データ分析、臨床試験データ取扱いの実務経験を持つ人材は、AI実装側でも稀少です。
第二に、病院・診療所のIT部門・医療情報技師出身者。電子カルテ、医療情報システム、院内データガバナンスの実務経験は、医療AI実装側で他では得難い資産です。
第三に、臨床現場(医師、看護師、薬剤師、臨床検査技師)からデジタル・データ側にキャリアを伸ばした人材。臨床業務の解像度を持っていることは、医療AI実装で決定的な差別化軸になります。
第四に、ヘルスケアIT・電子カルテベンダー・PHRサービス出身者。医療データの構造と運用を理解しており、AI側の知見を補強すれば移行しやすい。
第五に、コンサル(規制対応、ライフサイエンス特化、デジタルヘルス特化)出身でAI実装プロジェクトを複数回した人材。論点整理力と利害調整力が、医療領域で活きます。
renueとして見ている人物像
renueは「実装型AIコンサル」として、業界・テーマに深く張り付くスタイルを取っています。医療・ヘルスケア領域は、規制・データ・組織・倫理の四重の制約があり、汎用LLMを使いこなしながら個別事情に落とし込む難易度が高い領域です。社内外の境界を越え、規制対話と実装の両方の言語を扱える人を、長期で迎えています。
必須経験は問いませんが、医療機器・製薬・病院・ヘルスケアITのいずれかでの実務経験と、AI/データ領域での何らかのプロジェクト経験があると、入社後の立ち上がりが早くなります。汎用LLMを使いこなし、業界・テーマ固有のドメイン知識を言語化して仕組みに落とすという基本スタンスは、医療AIでも変わりません。具体的ポジション像は、医療AI実装プロジェクトをリードできるシニアコンサルタント、SaMD承認・市販後管理に責任を持てるレギュラトリーアドバイザリー、医療データ基盤・MLOpsを病院制約下で設計できるエンジニアなどです。
renueで医療・ヘルスケアAI実装に踏み出す
医療機器・製薬・病院・ヘルスケアITで実務経験を持ち、AI実装側に踏み出したい方を募集しています。薬機法・規制対応の経験、臨床業務の解像度、データガバナンス設計力、医療従事者との協働経験。これらを実装と組み合わせ、医療AIの本丸に踏み出したい方を歓迎します。
まとめ:医療AIは「実装と監査証跡」を語れる人材の局面に
厚生労働省・PMDAの医療機器に関する規制・評価の整備、FDAの販売前審査と市販後変更管理、中国の医療機関向け専門家合意、そして欧州医薬品庁(EMA)の医薬品ライフサイクルにおけるAI利用のリフレクションペーパー(2024年)。それぞれ対象と文書の位置付けが異なり、EMAの同資料は創薬から承認後までの医薬品分野の考え方を示しています。2026年は医療AIの規制・運用整備が国際的に加速する年であり、現場で求められているのはポリシー文書ではなく、AIユースケース台帳・モデルライフサイクル管理・医療データガバナンス・臨床判断支援の説明可能性・監査証跡・患者同意の6レイヤーを実装で語れる人材です。医療機器・製薬・病院・ヘルスケアIT・臨床現場、いずれの出身でも入り口はあり、必要なのは規制と実装、医療と技術の両方を翻訳できる力です。
