🤖 Clockwork Hippocrates 🧑⚕️
「画面」ではなく「患者」を見るために
医療現場で働く多くの人が、日々実感している「痛み」があります。それは、患者さんの顔を見つめる時間よりも、電子カルテの画面を見つめ、ひたすらにキーボードを叩く時間の方が圧倒的に長いという現実です。
診察室で、「はい、どうされましたか？」と声をかけながらも、目はすでに画面の過去のカルテを追い、手はブラインドタッチで所見を入力していく。本来「医は仁術」であるはずが、膨大な書類作成や記録業務に追われ、「医は記述」になってしまっているのが今の医療の姿と言えるでしょう。私自身も、当直明けでフラフラになりながら退院サマリーの山と格闘しているとき、「自分は一体何をするために医療の道を志したのだろうか」と、ふと虚しさを覚えた経験があります。
この感覚は、決して私たちだけの主観ではありません。米国内科学会誌（Annals of Internal Medicine）で発表された大規模なタイムスタディ研究によると、外来診療を行う医師は、患者との直接対面診療に費やす時間のなんと「約2倍」の時間を、電子カルテ（EHR）の入力やデスクワークに費やしていることが明らかになっています (Sinsky et al. 2016)。私たちは、患者さんを診る時間よりも、パソコンの画面と向き合っている時間の方が長いのです。これでは、心身ともに燃え尽きてしまう（バーンアウト）のも無理はありません。
こうした疲弊した状況の中、世間では「AIが医師の仕事を奪うのではないか」と囁かれることがあります。最新の生成AIが医師国家試験に合格したとか、画像診断AIが専門医の精度を超えたといったニュースを聞くと、「自分たちの存在意義はなくなるのではないか」と不安に思う方もいるかもしれません。
しかし、最前線のテクノロジーが私たちに突きつける未来は、それとはまったく異なります。
例えるなら、AIは「医師から仕事を奪う強敵」ではなく、かつて医療の歴史を大きく変えた「聴診器」のようなものです。19世紀に聴診器が発明された当初、一部の医師たちは「機械を介することで患者との直接の触れ合いが失われる」と批判したそうです。しかし結果として、聴診器は医師の耳を拡張し、より深く患者の体内の声を聞き取るための必須の道具となりました。
現代の医療AIも、これとまったく同じです。何であるかといえば、それは人間の認知能力を拡張するツールです。AIが奪うのは医療者の「仕事」ではありません。AIが奪ってくれるのは、医療者を疲労困憊させている「膨大な情報処理と事務作業」なのです。過去の膨大なデータから一瞬で必要な情報を見つけ出し、カルテの素案をまとめ、人間が見落としがちな微小な異常をこっそりと教えてくれる、超優秀な秘書のような役割を果たします。
世界的な医療AIの権威であるエリック・トポル医師は、その著書の中で「AI最大の可能性は、医療を再び人間らしいもの（Human）にすることだ」と力強く述べています (Topol 2019)。AIという最強の道具に「計算」と「記述」を任せ、正しく使いこなすことで、私たちの視線と両手は解放されます。そして、その自由になった時間と心で、私たちは再び患者さんの目を見て、不安で震える手を握り、「本来の医療（仁術）」を取り戻すスタートラインに立つことができるのです。
世界の医療AIテクノロジー俯瞰（現在〜数年後）
現在、世界中で医療AIに対する莫大な投資と研究が進められており、その最初の果実がすでに診察室の風景を変え始めています。しかし、これは単に「便利な機械が導入される」という次元の話ではありません。「何のために」AIを導入するのか。その本質的な目的は、医療者の有限な時間と精神的リソースを、事務作業から解放し、患者と真摯に向き合う「本来の医療」へと回帰させることにあります。
診察室の「透明な書記」：アンビエントAIの普及
数年以内に当たり前となるのが、「アンビエント（環境）AI」の普及です。アンビエントAIとは、診察室での医師と患者の自然な会話をマイクでパッシブ（受動的）に聞き取り、背後でAIが自動的に解析して、SOAP形式のカルテや紹介状をリアルタイムで生成する技術です。いわば、部屋の隅に控える「極めて優秀で透明な書記」のような存在といえるでしょう。
なぜこの技術がこれほどまでに切望されているのでしょうか。現在の医療現場では、カルテ作成をはじめとする「記録業務」が医師の時間を過剰に奪い、深刻な燃え尽き症候群（バーンアウト）の主要な原因となっています。事実、アンビエントAIを導入することで、医師のカルテ作成にかかる時間や認知負荷が大幅に軽減され、バーンアウトの防止に直接的に寄与することが報告されています (Razaghi et al. 2025)。
医師がキーボードや「画面」から目を離し、目の前の患者さんの表情や声のトーンに集中する。ただ対話を楽しんでいる間に、診察が終わる頃には正確な記録が完成している。そんな、人間中心の医療現場が現実のものとなりつつあります。
情報の壁を越える「マルチモーダル医療AI」の進化
さらに、テキスト（電子カルテや論文）だけでなく、レントゲンやCT、MRIといった高次元の画像データ、さらには複雑なゲノム解析データに至るまで、多様な形式の情報を横断的に統合・理解する「マルチモーダル医療AI」の実装も加速しています。
マルチモーダルAIとは、人間が五感（視覚、聴覚など）を駆使して総合的に状況を判断するように、文字、画像、数値など複数の情報形態（モダリティ）を同時に読み解く技術です。従来のAIは「画像診断なら画像だけ」「予測モデルなら数値データだけ」という単機能なものでしたが、実臨床においては、患者の主訴（テキスト）と身体所見、そして検査画像（画像）を統合した「臨床推論」が不可欠です。マルチモーダルAIは、この高度な推論プロセスをデジタル空間で再現しようとしています。
対話型医療AI「AMIE」が示した診断対話の可能性
臨床応用に向けた重要な研究成果として、Googleの研究チームが開発した対話型医療AI「AMIE（Articulate Medical Intelligence Explorer）」が報告されています。AMIEは、大規模言語モデルを基盤とし、患者との診断対話、病歴聴取、鑑別診断の提示、管理方針の検討を支援することを目的に最適化された研究用AIシステムです。
Tu et al.（2025）は、カナダ、英国、インドの提供者による159の症例シナリオを用い、模擬患者とのテキストチャット形式の診察を通じて、AMIEと20名のプライマリ・ケア医を比較するランダム化二重盲検クロスオーバー研究を実施しました。その結果、AMIEは専門医による評価で32項目中30項目、患者役による評価で26項目中25項目において、プライマリ・ケア医を上回る評価を受けました。評価項目には、病歴聴取、診断精度、管理方針、コミュニケーション、共感性などが含まれていました。
ただし、この研究は通常の実臨床ではなく、OSCEに類似した模擬患者とのテキストチャット評価であり、医師にとっては必ずしも通常診療に近い環境ではありません。そのため、AMIEが直ちに実臨床で医師を代替できることを示すものではなく、著者らも実環境への導入にはさらなる検証が必要であるとしています。それでも本研究は、対話型AIが単なる医学知識の検索ツールを超え、診断対話や鑑別診断支援において医師を補助し得る可能性を示した重要なマイルストーンと位置づけられます。
「道具」を使いこなす主導権は、常に人間に
私たちが日常の臨床で直面する難解な症例において、瞬時に膨大な最新文献を読み込み、最適な診断のヒントを囁いてくれる相棒がいれば、どれほど心強いでしょうか。しかし、ここで強調しておかなければならないのは、これらのテクノロジーは魔法ではなく、あくまで私たちの判断を支援する「道具」に過ぎないということです。
診断を確定させ、治療方針を決定する最終的な責任は、常に医療者にあります。AIが出した答えを鵜呑みにするのではなく、その背景にあるデータの偏り（バイアス）や、もっともらしい嘘（ハルシネーション）の可能性を念頭に置きながら、批判的に吟味する。この「AIディレクター」としての姿勢こそが、これからの時代、仁術を取り戻すために最も必要なマインドセットなのです。
【10年後の未来予想図】デジタルツインと「予測・先制医療」の時代
さらに時計の針を10年後の2030年代半ばに進めると、AIの役割は「現在の病気を診断する」ことから、「未来の病気を予測し、未然に防ぐ」ことへと大きくシフトしていきます。これまで私たちが慣れ親しんできた、症状が出てから病院に駆け込む「Sick Care（対症療法）」から、健康な状態を能動的に維持し続ける「Health Care（先制医療）」へのパラダイムシフトです。
この劇的な変化の中核を担うのが、「デジタルツイン（仮想双子）」という技術です。デジタルツインとは、ひと言で言えば「サイバー空間上に構築された、患者自身の高精度なデジタルコピー」のことです。かつては製造業や航空宇宙産業において、エンジンの摩耗や故障を予測するために使われていたこの技術が、今、極めて複雑な人間の生命システムへと応用されようとしています (Bruynseels et al. 2018)。
「仮想の自分」はどうやって構築されるのか
デジタルツインは単なる静的な3Dモデルではありません。それは、絶えず更新される「生きたデータ」の集合体です。具体的には、以下のような多層的なデータを統合することで、個人の病態をシミュレーション可能な動的モデルとして再現します。
- 動的データ（24時間365日の生体信号）：スマートウォッチやパッチ型デバイスから得られる心拍、睡眠の質、活動量、持続血糖測定（CGM）値など。
- 静的データ（生命の設計図）：個人の全ゲノム解析データ。これにより、特定の疾患に対する遺伝的な脆弱性や、薬物代謝酵素の型を把握します。
- オミクスデータ（分子レベルの挙動）：腸内細菌叢（マイクロバイオーム）やプロテオミクス（タンパク質解析）、メタボロミクス（代謝物解析）などの「マルチオミクスデータ」。
- 臨床データ（医療の足跡）：過去の電子カルテ情報、画像診断データ、病理結果。
これらのデータが統合されることで、あなたの体が「特定の薬にどう反応するか」「どの程度のストレス負荷で心血管系に異常が生じるか」を、細胞レベルから臓器レベルまで統合的にシミュレートできる「もう一人のあなた」が構築されるのです (Laubenbacher et al. 2022)。
インシリコ（In silico）治験：副作用のリスクを仮想空間に封じ込める
デジタルツインがもたらす最大の恩恵は、「インシリコ（In silico）治験」が可能になることです。現在、新しい治療法や多剤併用を試すには、副作用のリスクを抱えながら患者本人の体で試行錯誤するしかありません。いわば「ぶっつけ本番」の側面がありました。
しかし10年後の世界では、飛行機を飛ばす前にフライトシミュレーターで安全性を徹底的に確認するように、まずAI空間内の「デジタルツイン」に数十種類の薬の組み合わせをテスト投与し、副作用のリスクを評価したうえで、最も効果が高いと予測される最適な治療戦略を選択できるようになります。これは、医療の安全性と効率性を飛躍的に高める「生命のフライトシミュレーター」と言えるでしょう。
臨床現場での実装：肺と心臓の「仮想モデル」
臨床応用に近づく研究開発として、肺と心臓の「仮想モデル」は重要な領域です。呼吸器領域では、患者固有の肺構造や呼吸条件を反映した in silico 肺モデルにより、吸入薬粒子が肺内のどの部位にどれだけ沈着するかを高解像度に予測する研究が進んでいます。Grillらは、患者固有の肺モデルを用いて、吸入薬粒子の局所沈着量を肺全体にわたって高解像度に予測する手法を提示し、SPECT/CTデータとの比較によって良好な一致を報告しました（Grill et al., 2026）。ただし、この研究は主に吸入薬や吸入デバイスの開発、将来的な個別化投与設計への応用可能性を示すものであり、日常診療に広く実装済みの技術とまではいえません。
一方、循環器領域では、冠動脈CT画像から患者固有の3Dモデルを作成し、数理シミュレーションによって冠動脈血流予備量比、すなわちFFR-CTを推定する技術が、すでに臨床で利用されています。HeartFlow FFRCTなどの技術は、冠動脈CT血管造影の画像データをもとに、非侵襲的に冠動脈狭窄の機能的意義を評価する補助ツールとして位置づけられています（U.S. Food and Drug Administration, 2014; NICE, 2021）。また、欧州心臓病学会の慢性冠症候群ガイドラインでも、冠動脈CTAに基づく機能評価の一つとしてCT-derived FFRが言及されています（Knuuti et al., 2020）。これにより、侵襲的なカテーテル検査を直ちに行わずに、冠動脈狭窄が実際に血流障害を引き起こしているかを評価する助けとなります。ただし、FFR-CTは単独で診断を確定するものではなく、症状、臨床背景、他の検査所見、医師の判断と組み合わせて用いられるべき技術です（U.S. Food and Drug Administration, 2014）。
「修理」から「ナビゲート」へ：医師の新たな役割
私が研修医だった頃、ガイドライン通りの治療をしても、ある患者さんには劇的に効き、ある患者さんには副作用だけが出てしまうという経験に、言葉にできない無力感を感じることがありました。当時はそれを「体質」や「個人差」という言葉で片付けるしかありませんでしたが、デジタルツインの普及は、そうした「医療の不確実性」に科学的なメスを入れ、真の個別化医療を実現してくれるはずです。
この時代、医師の役割は大きく進化します。病気をただ「修理」する存在から、患者さんの人生の健康軌道をデータに基づいて「ナビゲート」する存在へ。AIが提示する「このままだと3年後に心不全を起こす確率が85%ですが、今からこの運動と食事を始めれば20%まで下げられます」という、統計に裏打ちされた具体的な予測に基づき、患者さんと共に未来を選択していく。そんな「生命の羅針盤」を共に握るパートナーとしての姿が、10年後の私たちの日常になっていることでしょう。
【20年後の未来予想図】自律型システムと「バイオ・コンバージェンス」
時計の針をさらに進め、2040年代半ばを想像してみましょう。ここでは、AIと生物学、そしてロボティクスが完全に融合する「バイオ・コンバージェンス」という時代が到来する可能性があります。デジタル空間での計算が、物理的な生命現象とシームレスに繋がる、まさにSF映画が現実になるような世界です。
この時代、私たちの働き方は根本から変わります。その代表例が、手術室の風景です。
「マスター・スレーブ」から「監視下自律型（Supervised Autonomy）」へ
現在、多くの病院で導入されている手術支援ロボット（ダヴィンチなど）は、医師がコンソールに座ってアームを動かす「マスター・スレーブ型」です。つまり、医師の手の動きをロボットが忠実に再現しているに過ぎません。しかし20年後には、これが「監視下自律型（Supervised Autonomy）」へと進化します。
何が違うのでしょうか。それは、AI自身がリアルタイムで組織の硬さや血管の走行を解析し、「縫合」や「切除」といった一部のタスクを自律的に行う点です。たとえば、人間には見えない赤外線や光干渉断層計（OCT）のデータを視界に統合し、絶対に傷つけてはいけない神経をミリ単位で回避しながらAIがメスを進めます。実際に、ブタの軟組織を用いた腸管吻合を人間の外科医よりも高い精度で自律的に完了させた「STAR（Smart Tissue Autonomous Robot）」などの研究がすでに報告されており、技術の萌芽は確実に育っています (Saeidi et al. 2022; Rivero-Moreno et al. 2024)。
これは、自動車の自動運転によく似ています。高速道路での運転をシステムに任せるように、定型的な手技はロボットが完璧にこなし、医師はシステム全体を統括する「フライトコマンダー（機長）」の役割を担うことになります。私がもし将来この手術室に立つなら、きっと「執刀する」というよりも「見守り、承認する」という感覚になるのだと思います。人間の疲労による手ブレや判断ミスがなくなり、世界中どこでも最高水準の手術が受けられるようになる。これが自律型システムの最大の価値です。
「デノボ（De Novo）」創薬：あなただけの薬を数日でデザインする
もう一つの革命が、「薬の作り方」です。未知のウイルスによるパンデミックや、これまでの薬が全く効かない特殊ながん細胞の変異に直面したとき、現在の医療は無力になりがちです。なぜなら、新薬の開発には通常、10年以上の歳月と数千億円のコストがかかるからです。
しかし20年後、「デノボ（De Novo）創薬」が標準的な医療となる可能性があります。「デノボ」とはラテン語で「新たに」「ゼロから」という意味です。AIがその場で「世界で唯一、その患者の変異細胞にだけ結合するタンパク質」をゼロから設計（デザイン）し、数日以内に合成して投与するのです。
これは決して夢物語ではありません。タンパク質の立体構造予測に革命を起こしたAI技術以降、タンパク質設計の世界は爆発的に進化しています。現在では、生成AIを用いて、自然界に存在しない全く新しい機能を持つタンパク質を設計する「RFdiffusion」などの技術も登場しており、計算機上の「ドライラボ」でデザインされた分子が、実際の「ウェットラボ」で機能することが証明されています (Watson et al. 2023)。
患者さんの細胞を採取し、AIが最適な分子を設計し、病院に併設された小型のバイオファクトリーで数日後に薬が完成する。この極限の「個別化医療」が実現すれば、私たちは「不治の病」という言葉の定義そのものを書き換えることができるかもしれません。
「Human in the Loop」── テクノロジーが極まるほど「仁術」が光る
どれほどテクノロジーが進化し、デジタルツインが完璧な予測を出し、自律型ロボットがミクロの精度で手術を行えるようになっても、私たちは忘れてはならない事実があります。それは、AIが行っているのはどこまで行っても、高度な「計算」の域を出ないということです。
たとえば、「統計的に99%成功するが、1%の確率で命を落とす」という手術の提案があったとします。AIは過去の膨大なデータセットから、客観的な正解や確率を弾き出すことは得意です。しかし、AIにとっての「1%」は単なる数字のバリアンス（分散）に過ぎません。その1%に直面する患者さん本人の底知れぬ恐怖や、残されるご家族の悲しみに寄り添うことは、シリコンと電気でできた回路には不可能なのです。
私が臨床現場で幾度となく経験してきたことですが、医療における「決断」とは、単なる確率論ではありません。「来月、孫の結婚式があるから、少しリスクがあっても今すぐ治したい」「痛みを伴う延命よりも、穏やかな時間を優先したい」といった、患者さんの人生の文脈を汲み取り、共に悩み、そして万が一のときにはその「責任」を引き受けること。この重圧に耐えうる機能は、どんなスーパーコンピュータにも実装できないのです。
ここで重要になるのが、「Human in the Loop（意思決定の輪の中に人間がいること：HITL）」という概念です。
Human in the Loop とは何か？
Human in the Loopとは、AIが完全に自動で最終決定を下すのではなく、AIの予測や推奨を人間（医師など）が評価・解釈し、最終的な判断を下すシステムの設計思想です。なぜこれを行うかといえば、AIには「文脈の理解」と「倫理的責任の所在」が決定的に欠如しているためです。
世界保健機関（WHO）が発行した医療AIの倫理とガバナンスに関するガイドラインでも、人間の自律性を保護し、AIの判断に人間が介入・オーバーライド（上書き）できるHITLの原則が強く推奨されています (WHO 2021)。
この図式が示すように、究極の医療AIが普及した世界において、私たち医療者の真の価値は根底から変わります。これまで重視されてきた「医学知識の暗記量」や「情報処理の速度」では、私たちは到底AIには敵いません。しかし、だからこそ医療者の役割は、「共感」「倫理的な判断」、そして「責任の引き受け」へと完全にシフトするのです。
AI技術の進展は、人間から仕事を奪うのではなく、人間を「機械的な作業」から解放してくれます (Amann et al. 2020)。冷徹な計算や膨大な事務作業をすべて優秀なAI執事に任せるからこそ、私たちは空いた両手で「患者さんの手を握る」ことができる。患者さんの目を見て、温もりをもって共に未来を歩むこと。それこそが、医療の最も本質的な行為であり、テクノロジーが極まる時代に私たちが取り戻すべき「仁術」なのだと私は確信しています。
医療者はAIの「何」を学ぶべきか？
これほどまでに急速なテクノロジーの進展を前にして、私たち医療者は一体何を準備すればよいのでしょうか。「AIを学ばなければ」と焦るあまり、Pythonなどのプログラミング言語を習得し、コードをゼロから書けるようになる必要があるのではないか、と考える方もいるかもしれません。しかし、結論から言えば、すべての医療者がエンジニアになる必要はありません。
今、私たちに求められているのは、AIを魔法のような万能の箱として崇めることでも、あるいは正体不明の脅威として遠ざけることでもありません。必要なのは、AIを一つの強力な「道具」として自在に操るための、「ディレクター（指揮者）」としての視点です。
なぜ「プログラミング」ではなく「リテラシー」なのか
医療AIにおけるディレクターシップとは、AIの中身（アルゴリズム）を構築する能力ではなく、AIが出したアウトプットを「臨床的に評価し、安全に運用する能力」を指します。具体的には、以下の3つの視点を持つことが、現代の医療者に必須の基礎リテラシーとなります。
- データの出所を見抜く（Inputの理解）：そのAIがどのような集団のデータで学習されたのか。たとえば、欧米人のデータだけで学習されたAIをそのまま日本人の診療に適応してよいのか、という批判的吟味です。
- プロセスの癖を知る（Processの理解）：AIは計算が得意ですが、文脈を読むことは苦手です。どのような時に「知ったかぶり（ハルシネーション）」を起こしやすいのか、そのシステムの限界を把握しておく必要があります。
- 結果に責任を持つ（Outputの評価）：AIの予測はあくまで確率に過ぎません。最終的にその判断を採用するかどうかを決め、責任を負うのは人間であるという自覚です。
実際に、米国内科学会（ACP）や主要な医学教育機関も、医療者がAIの基礎的な仕組みやバイアス、限界を理解すること（AIリテラシー）を、今後の医学教育におけるコア・コンピテンシーの一つとして位置づけ始めています (McCoy et al. 2020; Masters 2023)。
「AIディレクター」の思考モデル
医療者がAIを監督する際、私たちは、単に答えを受け取る受動的な存在ではなく、このサイクル全体を監視する役割を担います。
私自身も、初めてAI診断支援ソフトを触ったとき、その驚異的なスピードに圧倒されました。しかし同時に、特定の条件下でAIが明らかな誤診（人間なら絶対にしないミス）をすることに気づき、ハッとしました。道具の「癖」を知らなければ、最強の武器は諸刃の剣になりかねません。
これからの時代、名医と呼ばれる条件は「知識を誰よりも知っていること」ではなく、「AIという強力な部下を誰よりも上手く使いこなし、最も安全で最適な解を患者さんに提供できること」に変わっていくでしょう。道具に振り回されるのではなく、その手綱をしっかりと握るための知性を磨くこと。それこそが、私たちが今、AIから学ぶべきことの本質なのです。
AIの視界をハックせよ ── すべては「数字」である
AIの視界をハックせよ ── すべては「数字」である
数年後に私たちの頼れる相棒となり、やがてデジタルツインをも創り出す医療AIですが、そもそも彼らは患者の命や病気を「どうやって」認識しているのでしょうか。
私たち人間は、レントゲンの白い影を「視覚的なモヤ」として捉え、患者の痛みを「感覚」として理解します。しかし、AIの目にはそれらは一切映っていません。彼らが処理しているのは、心電図の波形も、複雑なゲノム配列も、そしてレントゲン画像でさえも、すべて圧倒的な「数字の羅列」に過ぎないのです。まるで映画『マトリックス』の緑色の数字の滝のように、AIは世界を冷徹な数値として認識し、計算しています。
では、人間には「絵」や「写真」にしか見えない画像が、AIにはどうやって「数字」として処理されているのでしょうか？ 次回の『SEASON 2：Insight（ブラックボックス透視）』では、いよいよ医療AIの頭脳の中へダイブします。キーワードは「数字の羅列」です。AIの冷徹で緻密な視界をハックし、その本当の姿を解き明かしていきましょう。
※本記事は情報提供を目的としたものであり、特定の治療法を推奨するものではありません。健康に関するご懸念やご相談は、必ず専門の医療機関にご相談ください。
参考文献
- Amann, J., Blasimme, A., Vayena, E. et al. (2020) ‘Explainability for artificial intelligence in healthcare: a multidisciplinary perspective’, BMC Medical Informatics and Decision Making, 20(1), 310.
- Bruynseels, K., Santoni de Sio, F. and van den Hoven, J. (2018) ‘Digital twins in health care: ethical implications of an emerging engineering paradigm’, Frontiers in Genetics, 9, 31.
- Erickson, B.J., Korfiatis, P., Akkus, Z. et al. (2017) ‘Machine learning for medical imaging’, Radiographics, 37(2), pp. 505–515.
- Goodfellow, I., Bengio, Y. and Courville, A. (2016) Deep Learning. Cambridge, MA: MIT Press.
- Grill, M.J., Biehler, J., Wichmann, K.R. et al. (2026) ‘In silico high-resolution whole lung model to predict the locally delivered dose of inhaled drugs’, Communications Medicine, 6, 188.
- Knuuti, J., Wijns, W., Saraste, A. et al. (2020) ‘2019 ESC Guidelines for the diagnosis and management of chronic coronary syndromes’, European Heart Journal, 41(3), pp. 407–477.
- Masters, K. (2023) ‘Ethical use of artificial intelligence in health professions education: AMEE Guide No. 158’, Medical Teacher, 45(6), pp. 574–584.
- McCoy, L.G., Nagaraj, S., Morgado, F. et al. (2020) ‘What do medical students actually need to know about artificial intelligence?’, NPJ Digital Medicine, 3, 86.
- Paranjape, K., Schinkel, M., Nannan Panday, R. et al. (2019) ‘Introducing artificial intelligence training in medical education’, JMIR Medical Education, 5(2), e16048.
- Razaghi, M., Hafez, A., Farina, J.M. et al. (2026) ‘Transforming clinical documentation with ambient artificial intelligence (AI) scribes: a narrative review of technology, impact, and implementation’, Cardiovascular Diagnosis and Therapy, 16(1), 11.
- Rivero-Moreno, Y., Rodriguez, M., Losada-Muñoz, P. et al. (2024) ‘Autonomous robotic surgery: has the future arrived?’, Cureus, 16(1), e52243.
- Saeidi, H., Opfermann, J.D., Kam, M. et al. (2022) ‘Autonomous robotic laparoscopic surgery for intestinal anastomosis’, Science Robotics, 7(62), eabj2908.
- Sinsky, C., Colligan, L., Li, L. et al. (2016) ‘Allocation of physician time in ambulatory practice: a time and motion study in 4 specialties’, Annals of Internal Medicine, 165(11), pp. 753–760.
- Tomašev, N., Glorot, X., Rae, J.W. et al. (2019) ‘A clinically applicable approach to continuous prediction of future acute kidney injury’, Nature, 572(7767), pp. 116–119.
- Topol, E.J. (2019) Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. New York: Basic Books.
- Tu, T., Schaekermann, M., Palepu, A. et al. (2025) ‘Towards conversational diagnostic artificial intelligence’, Nature, 642(8067), pp. 442–450.
- Watson, J.L., Juergens, D., Bennett, N.R. et al. (2023) ‘De novo design of protein structure and function with RFdiffusion’, Nature, 620(7976), pp. 1089–1100.
- World Health Organization (2021) Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: World Health Organization.
ご利用規約（免責事項）
当サイト（以下「本サイト」といいます）をご利用になる前に、本ご利用規約（以下「本規約」といいます）をよくお読みください。本サイトを利用された時点で、利用者は本規約の全ての条項に同意したものとみなします。
第1条（目的と情報の性質）
- 本サイトは、医療分野におけるAI技術に関する一般的な情報提供および技術的な学習機会の提供を唯一の目的とします。
- 本サイトで提供されるすべてのコンテンツ（文章、図表、コード、データセットの紹介等を含みますが、これらに限定されません）は、一般的な学習参考用であり、いかなる場合も医学的な助言、診断、治療、またはこれらに準ずる行為（以下「医行為等」といいます）を提供するものではありません。
- 本サイトのコンテンツは、特定の製品、技術、または治療法の有効性、安全性を保証、推奨、または広告・販売促進するものではありません。紹介する技術には研究開発段階のものが含まれており、その臨床応用には、さらなる研究と国内外の規制当局による正式な承認が別途必要です。
- 本サイトは、情報提供を目的としたものであり、特定の治療法を推奨するものではありません。健康に関するご懸念やご相談は、必ず専門の医療機関にご相談ください。
第2条（法令等の遵守）
利用者は、本サイトの利用にあたり、医師法、医薬品、医療機器等の品質、有効性及び安全性の確保等に関する法律（薬機法）、個人情報の保護に関する法律、医療法、医療広告ガイドライン、その他関連する国内外の全ての法令、条例、規則、および各省庁・学会等が定める最新のガイドライン等を、自らの責任において遵守するものとします。これらの適用判断についても、利用者が自ら関係各所に確認するものとし、本サイトは一切の責任を負いません。
第3条（医療行為における責任）
- 本サイトで紹介するAI技術・手法は、あくまで研究段階の技術的解説であり、実際の臨床現場での診断・治療を代替、補助、または推奨するものでは一切ありません。
- 医行為等に関する最終的な判断、決定、およびそれに伴う一切の責任は、必ず法律上その資格を認められた医療専門家（医師、歯科医師等）が負うものとします。AIによる出力を、資格を有する専門家による独立した検証および判断を経ずに利用することを固く禁じます。
- 本サイトの情報に基づくいかなる行為によって利用者または第三者に損害が生じた場合も、本サイト運営者は一切の責任を負いません。実際の臨床判断に際しては、必ず担当の医療専門家にご相談ください。本サイトの利用によって、利用者と本サイト運営者の間に、医師と患者の関係、またはその他いかなる専門的な関係も成立するものではありません。
第4条（情報の正確性・完全性・有用性）
- 本サイトは、掲載する情報（数値、事例、ソースコード、ライブラリのバージョン等）の正確性、完全性、網羅性、有用性、特定目的への適合性、その他一切の事項について、何ら保証するものではありません。
- 掲載情報は執筆時点のものであり、予告なく変更または削除されることがあります。また、技術の進展、ライブラリの更新等により、情報は古くなる可能性があります。利用者は、必ず自身で公式ドキュメント等の最新情報を確認し、自らの責任で情報を利用するものとします。
第5条（AI生成コンテンツに関する注意事項）
本サイトのコンテンツには、AIによる提案を基に作成された部分が含まれる場合がありますが、公開にあたっては人間による監修・編集を経ています。利用者が生成AI等を用いる際は、ハルシネーション（事実に基づかない情報の生成）やバイアスのリスクが内在することを十分に理解し、その出力を鵜呑みにすることなく、必ず専門家による検証を行うものとします。
第6条（知的財産権）
- 本サイトを構成するすべてのコンテンツに関する著作権、商標権、その他一切の知的財産権は、本サイト運営者または正当な権利を有する第三者に帰属します。
- 本サイトのコンテンツを引用、転載、複製、改変、その他の二次利用を行う場合は、著作権法その他関連法規を遵守し、必ず出典を明記するとともに、権利者の許諾を得るなど、適切な手続きを自らの責任で行うものとします。
第7条（プライバシー・倫理）
本サイトで紹介または言及されるデータセット等を利用する場合、利用者は当該データセットに付随するライセンス条件および研究倫理指針を厳格に遵守し、個人情報の匿名化や同意取得の確認など、適用される法規制に基づき必要とされるすべての措置を、自らの責任において講じるものとします。
第8条（利用環境）
本サイトで紹介するソースコードやライブラリは、執筆時点で特定のバージョンおよび実行環境（OS、ハードウェア、依存パッケージ等）を前提としています。利用者の環境における動作を保証するものではなく、互換性の問題等に起因するいかなる不利益・損害についても、本サイト運営者は責任を負いません。
第9条（免責事項）
- 本サイト運営者は、利用者が本サイトを利用したこと、または利用できなかったことによって生じる一切の損害（直接損害、間接損害、付随的損害、特別損害、懲罰的損害、逸失利益、データの消失、プログラムの毀損等を含みますが、これらに限定されません）について、その原因の如何を問わず、一切の法的責任を負わないものとします。
- 本サイトの利用は、学習および研究目的に限定されるものとし、それ以外の目的での利用はご遠慮ください。
- 本サイトの利用に関連して、利用者と第三者との間で紛争が生じた場合、利用者は自らの費用と責任においてこれを解決するものとし、本サイト運営者に一切の迷惑または損害を与えないものとします。
- 本サイト運営者は、いつでも予告なく本サイトの運営を中断、中止、または内容を変更できるものとし、これによって利用者に生じたいかなる損害についても責任を負いません。
第10条（規約の変更）
本サイト運営者は、必要と判断した場合、利用者の承諾を得ることなく、いつでも本規約を変更することができます。変更後の規約は、本サイト上に掲載された時点で効力を生じるものとし、利用者は変更後の規約に拘束されるものとします。
第11条（準拠法および合意管轄）
本規約の解釈にあたっては、日本法を準拠法とします。本サイトの利用および本規約に関連して生じる一切の紛争については、東京地方裁判所を第一審の専属的合意管轄裁判所とします。
For J³, may joy follow you.
