もし、目の前の医師が一度も診たことのない病気に、AIが気づくきっかけをつくれたら。
「この検査値と、数年前の症状は、つながっているかもしれません」。散らばった記録の間に一本の線が引かれる。それを医師が確かめ、必要な検査や専門医への紹介につなげる。これは仕組みを説明するための仮想場面だが、私が医療AIに期待しているのは、まさにこういう未来だ。
すべての医師を同じ人にする、という話ではない。一人の経験だけに頼らなくても、より広い専門知に手が届く。受けられる医療の質を、底上げできるかもしれない。それは、ずいぶんわくわくする変化ではないだろうか。
カルテをつなぐと、「知っているAI」が「この患者の話をできるAI」に近づく
2026年9月1日、OpenAIはEpicの電子カルテをChatGPT for Healthcareにつなぐ機能を発表した。権限のある診療記録から、前回受診後の変化、検査結果、薬の変更、未完了の紹介などを整理し、根拠のカルテへ戻れる仕組みだ。個人アカウント向けのカルテ接続ではなく、医療機関向けの機能である。OpenAIの発表
ここで、普通の健康相談との違いを想像してみたい。「この症状で考えられる病気は？」と聞く場合、AIが持つのは入力された断片だ。一方、診療の中では、前の医師が何を疑い、どの検査を行い、何を否定し、薬をどう変えたかが重要になる。
一般知識だけなら正しそうな提案も、過去の検査で確認済みなら遠回りになる。別の診療科の記録を見れば、説明が変わるかもしれない。患者の時間をつなげること自体が、AIを役立てるための大きな仕事なのだ。
さらに同社は、PubMedやDailyMedなど、九つの公的医療情報源を扱うプラグインも発表した。患者の記録と、外にある新しい知見。両方を医療者が照らし合わせる入口が、近づいてきている。
「思いつかなかった候補」が、診察室に届く
希少疾患では、診断にたどり着くまでが長い。EURORDISの調査を分析した論文では、欧州の診断済み患者ら6,507人について、症状の始まりから診断まで平均4.7年だった。中央値は0.8年で、全員が何年も待つわけではないが、長い診断の旅をする人がいる。Rare Barometerの研究
2026年6月に公開された希少疾患向けモデルRaDaRの研究は、この問題に踏み込んでいる。医師への支援試験では、インターネット検索だけの場合に比べ、診断正確度が21.44ポイント高かったと報告された。また過去の記録を用いた解析では、臨床的に疑われた記録より前に、最終診断名を上位へ挙げられた症例があった。RaDaR研究・査読前論文
これは、目の前の患者の診断を実際に早めたという実証ではない。査読前で、過去の症例を調べた結果と、支援試験の結果も分けて読む必要がある。それでも、期待する方向は具体的になってきた。誰かが詳しい病気について、その専門知を、別の場所で診ている医師の隣へ届ける。
病名の候補が増えれば、検査のしすぎや誤った疑いが増える可能性もある。だからこそ、単に候補を並べるだけでなく、なぜ考えるのか、何が合わないのか、次に何を確かめるのかまで、医師と検討できることに価値がある。
診療が良くなることと、患者が良くなることをつなぐ
実際の診療に組み込んだ研究もある。ケニアの16施設で行われた試験では、電子カルテ内のAI支援により、診療記録や治療計画などの評価は改善した。一方、主要な評価項目だった14日以内の治療失敗は、AIありとなしで統計的に有意な差がなかった。Nature Medicine掲載の臨床試験
この結果を、期待を消すために置きたいわけではない。目指す場所を取り違えたくないのだ。きれいな要約が増えた、その先で、見落としが減るのか。必要な治療につながるのか。患者の生活が良くなるのか。そこまで確かめてこそ、医療を変えたと言える。
先ほどのEpic接続、RaDaR、ケニアの試験は、別々のシステムの話である。つながったから診断精度が上がる、とひと足飛びには言えない。ただ、記録を集める、候補に気づく、医療者が確かめる、患者の結果を追うという道筋は見えている。
電卓を手放すのではなく、電卓を使う人を育て直す
ではAIが普及したら、医師の力は落ちないのか。ここは、避けずに考えたい。
2025年の多施設観察研究では、ポーランドの熟練内視鏡医がAI支援に触れた後、AIを使わない検査での腺腫発見率が28.4%から22.4%へ低下していた。観察研究なのでAIが原因だと確定したものではないが、支援のない場面の技能を追う必要性を示す結果だ。研究者公開の受理原稿
私は、これを「便利なものは使わないほうがいい」という結論にはしたくない。計算機を使えば、自力で計算する場面は減る。けれど、だから暗算に戻ろうとは思わない。複雑な計算を任せられるから、もっと先の仕事へ進める。
医療でも、知識を引き出す作業の一部を任せることと、判断の力まで手放すことは違う。AIの答えを見る前に自分の見立てを置いてみる。両者が違った症例を振り返る。学習用の症例やシミュレーションで、AIなしの判断力も確認する。これは本稿の提案だが、AIを使いこなす力と、自分で気づける力を、一緒に育てる設計はできるはずだ。
患者の利益を犠牲にして練習する、という話ではない。安全な教育の場を確保し、AIに助けられた理由も、AIを訂正できた理由も、次の経験に変えていく。
「名医を探す」だけではない未来へ
すべての差がなくなるとは思わない。患者の小さな変化を感じ取ること、検査に進むかを見極めること、生活や希望を聞いて治療を選ぶこと。医師の仕事には、知識量だけでは測れない部分がある。
それでも、誰かの頭の中にしかなかった専門知へ、もっと多くの医療者が届くようになるなら。その結果、今まで見逃されていた病気に気づき、間に合わなかった治療に間に合う人が増えるなら。私は、その進歩を歓迎したい。
AIを使ったかどうかではなく、AIを使って、より多くの命と生活を守れたか。そこへ向かって、性能も、使い方も、人の育ち方も、突き詰めていきたい。
2026年9月7日時点の資料に基づく技術・医療体制についての考察です。個別の診断や治療を案内する記事ではありません。冒頭の会話は説明用の仮想例で、実在患者の症例ではありません。
