カルテを院外に出さずに医療AIを鍛える「連合学習」 仕組みと残る課題
病院どうしがAIを共同で開発したくても、カルテを院外に出すには高い法的なハードルがある。連合学習は、データを動かす代わりにモデルを各病院へ巡回させ、返すのは学習後の重みの更新だけという設計をとる。
#医療AI
記事 23 件
米FDA、携帯型眼底カメラ向けAIを承認 日本の公開情報に残る空白
糖尿病網膜症の眼底検査を眼科以外の診療現場へ広げる手段として、判定まで自動化するAI医療機器の開発が進む。米国では携帯型眼底カメラに対応した製品が承認された一方、日本では臨床試験の登録は確認できるものの、同等品の承認状況は公開資料だけでは判然としない。
人形ロボットが豚2例の胆嚢摘出 「自律手術」ではない実験の現在地
汎用の人形ロボットを手術室に持ち込み、外科医が遠隔操作して生きた豚の胆嚢を摘出する実験が成功した。実証されたのは自律手術ではなく、既存の腹腔鏡器具を扱う遠隔操作基盤の実現性であり、人体への使用には性能、滅菌、規制の壁が残る。
介護の見守り機器は「AI」か 導入前に確かめる性能とデータ管理
介護の見守り機器は、同じ製品区分にセンサーの方式も判定方法も異なる製品が並び、名称だけでは性能を比べにくい。日本では「AI」の有無より、実環境での検証条件、誤報と見逃し、取得データの扱いを個別に確かめる必要がある。
「ChatGPT Health」は米国限定 日本の医療データ連携と責任の違い
健診結果や薬剤情報を生成AIに読ませるサービスでは、回答の精度とデータを預ける仕組みを分けて見る必要がある。米国限定のChatGPT Healthと日本のマイナポータルAPIでは、接続主体と公的審査の範囲が異なる。
伸びる回路を医療機器へ 液体金属と有機トランジスタの到達点
皮膚や臓器の動きに沿う医療機器では、配線と演算回路を繰り返し伸ばしても性能を保つ設計が課題になる。2026年に公表された二つの研究は、液体金属の配線と有機電気化学トランジスタの集積という別々の方法で、伸縮回路の製造と実験性能を示した。
医療者のSNS発信を生成AIが支援 誤情報対策と広告規制の境界
健康情報はSNSや動画にも広がり、発信者の資格だけでは内容の正確さを保証できない。生成AIは制作を速めるが、出典確認、個人情報の管理、医療広告に当たるかの判定は人が担う必要がある。
医療情報システムを支える乱数 仮IDとSMART認証に潜む死角
医療情報システムでは、識別子や認証値が正しい書式で出力されていても、その予測困難性まで保証されたとは限らない。仮IDの生成とSMART on FHIRの認証を例に、乱数の設計、起動時試験、継続監視、既存データへの対応を分けて検証する必要がある。
生成AIはなぜ自信ありげに誤るのか 「ハルシネーション」の仕組み
生成AIは、根拠のない内容でも流暢で確信に満ちた文章として返す場合がある。ハルシネーションは事前学習で生じ、正解数を重視する評価が不確実な場面での推測を後押しするという分析が示されている。
食後のグルコース変化をAI予測する「Libre Assist」 日本提供は未確認
食事の写真を撮ると、グルコースへの影響を生成AIが食前に予測する機能が米国で始まった。日本では現行製品としてFreeStyleリブレ2が案内されており、Libre Assistの国内提供を示す公式資料は確認できていない。
医療AIの保険評価、精度だけでは加算されず 日本の2026年度基準
医療AIが薬事承認を得ても、その製品に独立した診療報酬が付くとは限らない。日本の2026年度基準は、既存技術の臨床上の有効性を明らかに高めた場合に加算を検討し、労働時間の短縮だけでは原則として加算しない線を示した。
腕時計型睡眠トラッカーはどこまで正確か 6機種比較と医療機器の境界
スマートウォッチの睡眠記録は身近になったが、画面に示される睡眠段階は脳波を直接測った結果ではない。6機種の比較研究では睡眠の検出感度が9割を超えた一方、覚醒の特異度は29.39〜52.15％にとどまった。
乳児脳波で言語発達を予測 118人研究、「92%」は診断精度にあらず
言葉がまだ出ていない乳児の将来の言語発達を、脳波から予測する研究が進んでいる。香港中文大学のチームは118人のデータで最大AUC 0.92を報告したが、診断の正答率を示す数字ではなく、新生児を対象にした実用的な検査もまだ確立していない。
米FDA、対話型医療ソフト「UpDoc」を許可 LLMと投薬判断の境界
患者と対話する生成AIが投薬判断に関わる場合、会話の利便性と臨床上の決定権をどう切り分けるかが審査の焦点になる。米FDAが許可したUpDocは、医師が設定した治療計画と決定論的な投薬ロジックを中核に置き、変更可能な範囲も事前に定めた。
AI「心の相談」規制、米2州が先行 日本の専用ルールは確認できず
心の悩みを会話型AIに打ち明けるサービスに対し、米国では州ごとに治療行為の制限や危機対応の義務化が始まった。日本ではAI法と一般ガイドラインは整ったが、心理支援をうたうチャットボットに特化した義務は公的資料から確認できない。
医療データをAIにつなぐ「FHIR」 日本の共有基盤と実装の壁
電子カルテの項目名やコードが施設ごとに異なれば、AIは同じ意味のデータを同じものとして扱えない。FHIRは医療情報を共通のリソースに分けて交換する規格で、日本の電子カルテ情報共有サービスでも実装が進む。
漢方AIを導入する前に確認する六項目 規制・根拠・責任の見分け方
漢方を扱うAIの実力は、デモ画面の回答や単一の正解率からは判断しにくい。日本で導入を検討する際は、使用目的から医療機器該当性を確かめ、学習資料、性能評価、データ管理、相互運用性、最終判断の責任までを分けて見る必要がある。
医療AIの「ブラックボックス」 説明可能性だけでは測れない安全性
診断や治療を支えるAIでは、出力が外れた時の影響が患者の生命や健康に及びうる。説明可能AIは判断材料を人に示す設計だが、分かりやすい説明とモデルの正しさは別に検証する必要がある。
医療AI導入前に潰す五つの盲点 監査ログから人の最終判断まで
医療AIは、精度試験を終えただけでは診療情報を扱うシステムとして本番環境に移せない。監査ログから人の最終判断までを一続きの統制として設計し、各段階の証跡と責任者を先に決める必要がある。
医療データ連携が動く日本 電子カルテ標準化と二次利用が重なる転機
日本では電子カルテを導入していない医療機関がなお多く、導入済みでも情報が同じ形式でつながるとは限らない。診療時の共有基盤と研究向けの二次利用制度が同時に整い始めたことで、医療データ活用は普及率から運用と信頼を問う段階へ移りつつある。
マイナポータルの医療情報とAI学習 混同できない三つのデータ経路
診療歴や薬剤情報をスマートフォンで確認できても、その情報がそのまま医療AIの学習に回るわけではない。日本では本人による取得、医療機関間の共有、研究開発への二次利用に別々の仕組みがあり、同意や拒否の設計も異なる。
GPT-5 Pro、3年越しのT細胞研究に仮説 未発表実験の予測と限界
免疫学者Derya Unutmaz氏の研究室では、2022年に得たT細胞の実験結果を説明できないまま研究が止まっていた。GPT-5 Proは未発表データから機序の仮説を組み立て、別に行われていたCAR-T細胞の実験結果と同じ方向を予測した。
GPT-5.4が化学反応1万件を検証 自動実験室が示した発見の条件
生成AIが出した化学の仮説は、実験で確かめなければ発見にはならない。GPT-5.4とMolecule.oneの事例は、1万80件を処理する自動実験室と人間による再検証を組み合わせ、探索量を広げた成果だ。