医療業界でAIをどう使う？看護・病院での活用、個別化治療のメリット、活用相談事例／現場導入事例を解説

近年、AIやIT技術の進歩が医療に恩恵をもたらしていることをご存知でしょうか。遠隔でオンライン診療ができるよう規制緩和が進み、それに伴うIT化も急速に進行しています。

また、今後はAI（人工知能）などの最新技術を用いた機器や診察支援の製品、サービスもさらに定着していくでしょう。

本記事では、画像診断ミスの低減から、ゲノム解析、煩雑な事務作業の自動化に至るまで、医療AIがもたらす具体的なメリットを解説します。

さらに、弊社AI Marketに実際に寄せられた「院内通話の音声解析による空床把握」や「手術動画を用いた術式別の技能評価」といった5つのリアルな相談事例を公開します。

そして、現場の複雑な課題を、どのようにAIの技術要件へと整理・設計していくかのプロセスを紐解き、20を超える最新の企業導入事例も網羅しました。

医療以外の様々な業界のAI導入事例についてはこちらをご参考ください。医療業界でAIシステム開発に強い会社のお探しの場合は、医療・製薬業界に強いおすすめのAI開発の記事をご参考ください。

医療現場が直面する重要課題は？

医療現場では、特に医師の労働環境、データ管理、医療の質の確保という3つの側面で、早急な対応が必要とされています。これらの課題は互いに関連しており、包括的な解決策が求められています。

医療従事者の人材不足

医療従事者のなり手の不足は深刻で、特に地方で人材不足が顕著になために地域間で格差が起こっています。産科や救急、外科などの診療科は労働環境も過酷なことから、働き方に不安を感じることから希望の診療科をあきらめる人が跡を絶たず、ますます医師が集まらない事態となっています。

慢性的な医師不足の地域では、一人の医師があらゆる疾患に対応しなければならない場所も珍しくありません。診療外の分野の担当を受け持つ場合もあり、医師にとっては厳しい状況です。

医師の働き方改革と業務負担

2024年4月から医師の働き方改革が本格的に始まり、時間外労働に上限規制が設けられました。厚生労働省の調査によると、病院常勤勤務医の約4割が年間960時間を超える時間外・休日労働に従事しており、約1割は年間1,860時間を超える深刻な状況にあります。

特に救急、産婦人科、外科などの診療科では、緊急対応や夜間診療の必要性から長時間労働が常態化しています。

医師は人命を預かる職業であるため、患者の容態が悪化した際には労働時間を超過してでも対応せざるを得ない状況が続いています。

医師の働き方改革では、以下のような具体的な取り組みが行われています。

• 勤務時間の上限規制：年間960時間または1,860時間（特定の医療機関）の上限が設定
• 勤務間インターバル制度：連続勤務時間の制限と、勤務と勤務の間に一定の休息時間を設ける制度
• タスクシフト・タスクシェア：医師の業務の一部を他の医療専門職に移管する取り組み

しかし、これらの取り組みにも課題があります。例えば、タスクシフトによって看護師や薬剤師の業務負担が増加する可能性があり、チーム全体での業務バランスの調整が必要となっています。

関連記事：「AIで薬局と薬剤師はどう変わる？AI Marketへの相談事例、効率化できる業務や導入成功事例を徹底解説！」

医療データの管理と分析の複雑化

技術の進歩に伴い、患者一人あたりの診療データは増加の一途をたどっています。例えば、高解像度CT画像1枚のデータ量は約500MB～1GBにも及び、1回の検査で数百枚の画像が生成されることもあります。

がんや糖尿病の治療や予防を目的とした個別医療のために、血液検査結果、高解像度CT画像、遺伝子情報など、多様なデータを適切に管理・分析する必要性が高まっています。

病院内サーバーでの管理では、増加するデータ量に対応しきれず、必要な情報の迅速な取り出しが困難になっています。さらに、個人情報保護法の厳格化により、患者データの管理には高度なセキュリティ対策が求められるようになりました。

データは大きく3つのカテゴリーに分類されます。

1. 請求書データ：医療機関や薬局、健康保険組合から収集
2. 医療機関データ：電子カルテ、オーダリング、画像診断、検査値
3. 調剤データ：患者の薬歴データや患者指導テキストなど

特に重要なのはDPC（診断群分類包括評価）データで、これは全国統一の診療情報として管理されています。

DPCデータには患者の基本情報、治療内容、診療報酬などサービスの提供に関する詳細な情報が含まれており、医療の質の向上や効率化に活用されています。

診断精度と医療安全性の向上ニーズ

医療の高度化と専門化が進む中、診断の見落としや誤診のリスクを最小限に抑える必要性が高まっています。例えば、画像診断の分野では、早期胃がんの診断において人間の目による検出には限界があることが指摘されています。

医師の長時間労働は安全にも影響を及ぼす可能性があります。医師がコンディション不良の状態で医療行為を行うことは、医療の質や患者の安全性を低下させるリスクがあります。そのため、医師の労働環境の改善と診断精度の向上を両立させる新たな仕組みづくりが求められています。

個別化医療

個別化医療とは、患者の体質や病気の特徴に基づいて、最適な治療法を選択する手法です。主にがん領域で進められていますが、将来的には生活習慣病など他の疾患にも適用されることが期待されています。

これまでは、同じ診断を受けた患者に対して同一の治療が行われてきました。しかし、治療効果や副作用の現れ方には大きな個人差がありました。

個別化医療では、治療開始前に患者の遺伝子検査を実施し、病気のタイプや体質を詳しく調べます。これにより、効果がより高く、副作用がより少ないと予測される治療法を選択することが可能になります。

最大の特徴は、同じ病気であっても患者ごとに異なるアプローチを取ることです。

医療・介護業界に強いAI会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 医療・介護業界に強いAI会社選定を依頼する

実際にAI Marketにいただいた医療分野でのAI活用相談事例

AI Marketには、医療分野の業務効率化、診療支援、研究開発、教育支援を目的としたAI活用相談を多くの企業・医療機関・研究機関からいただいております。

お客様から寄せられたご相談は以下のようなもので、AI Marketでは、コンサルタントがお客様の課題感をヒアリングし、適した技術・ソリューションを保有する企業をご紹介致しました。

1. 病床稼働と人的リソースを踏まえた空床把握
2. 手術動画を用いた術式別の技能評価・改善ポイント抽出
3. 医療画像を用いた病変候補領域の検出・診断支援モデル開発
4. 医学論文から疾患・症状・治療法・技術を抽出する文献マッピング
5. 血圧低下リスクを予測するアラートシステム構築

※実際のお客様からのご相談内容のため、企業特定に繋がる情報は伏せています。

① 病床稼働と人的リソースを踏まえた空床把握

ご相談企業様属性

• エリア：関東
• 従業員数：1,001人〜

要件・技術整理内容

お客様は、病院事業において、病床数と人的余力を踏まえた空床把握、入院調整を検討されていました。許可病床のなかで実際には稼働できない病床もあり、病床数だけでなく、診療科ごとの人員、スキル、当日の退院・入院予定も含めて判断する必要がある状況でした。

現場では、入院可否を各診療科と内線電話で確認しており、会話内容が個別に分散していました。そのため、明日の夕方や3日後に受け入れ可能かを把握しにくいという課題がありました。

要件としては、院内通話の録音データを文字起こしし、各科との会話から入院予定、非予約入院、退院、死亡退院、病床制約などを抽出する仕組みが想定されていました。また、32科にまたがる会話を一元管理し、現場が確認すべき項目や話す順番を整理することで、入院調整業務を安定して運用できる状態を目指していました。

② 手術動画を用いた術式別の技能評価・改善ポイント抽出

ご相談企業様属性

• エリア：関東
• 従業員数：1,001人〜

要件・技術整理内容

お客様は、複数の術式における手術動画の画像認識に取り組んでおられました。単に手術器具や臓器を検出するだけでなく、術式ごとの工程、専門医による評価ポイント、操作の改善余地を把握することが目的でした。

要件としては、術式ごとに異なる工程や評価観点を整理し、動画データから手術の進行状況や操作内容を抽出することが求められていました。さらに、専門医が採点したデータを活用し、術者に対してどの操作を改善すべきかを提示する仕組みも構想されていました。

③ 医療画像を用いた病変候補領域の検出・診断支援モデル開発

ご相談企業様属性

• エリア：関東
• 従業員数：〜100人

要件・技術整理内容

お客様は、画像AI支援診断システムの開発において、日本国内でモデル開発を担える企業を探していました。日本のデータを国外へ持ち出せない事情があり、国内で開発体制を整える必要がある状況でした。

対象は、病理解析やCT画像に近い画像で、色や形状の特徴から診断に必要な情報を出力するモデルが想定されていました。病変が疑われる領域を提示する機能も検討されており、複数モデルを段階的に開発する構想がありました。

④ 医学論文から疾患・症状・治療法・技術を抽出する文献マッピング

ご相談企業様属性

• エリア：関東
• 従業員数：1,001人〜

要件・技術整理内容

お客様は、科学雑誌や医学文献から、対象疾患領域における臓器別の疾患、症状、新たな治療法、技術情報を整理できる社内システムの構築を検討されていました。想定されていた整理軸は、臓器、疾患、症状、治療法、技術です。

要件としては、対象サイトや検索対象をある程度限定したうえで、どのような検索式を使うか、どの情報を抽出対象にするか、抽出結果をどのように分類するかを設計する必要がありました。単なる論文要約ではなく、研究開発や事業検討に使いやすい形で、臓器から疾患、疾患から治療技術へと情報を整理できる仕組みが求められていました。

⑤ 血圧低下リスクを予測するアラートシステム構築

ご相談企業様属性

• エリア：関東
• 従業員数：1,001人〜

要件・技術整理内容

お客様は、患者状態の予測モデル構築を検討されていました。患者が数時間にわたり治療を受けることがあり、看護師が定期的に巡回し、血圧低下などの状態変化を確認しています。

構想としては、取得される血圧、脈拍などのバイタルデータをもとに、5分後または10分後の血圧低下リスクを予測し、危険が見込まれる場合に画面上でアラートを表示する仕組みが想定されていました。既に血圧低下が起きた後はモニターで確認できますが、事前にリスクを把握できれば、看護師の巡回計画や患者ケアの優先順位を判断しやすくなります。

要件としては、まずは血圧や脈拍など、確実に取得できる項目からモデル構築の可能性を検討する必要がありました。また、既存の装置やモニターとの連携が可能か、難しい場合は簡易的なインターフェースで患者名とアラート情報だけを表示する方法も検討されていました。

AI Marketでは、上記のように、様々な企業・医療機関・研究機関からのAI活用相談を受け付けています。

生成AIツールを用いて、AI企業の選定をAIに相談するケースも増えています。しかし、実際のAI導入では、情報の取り扱い、現場業務との接続、既存システムとの連携、実装可能性の判断、企業選定など、人が介在しないと判断が難しい要素も多く存在すると考えています。

特に医療分野では、データの機密性、専門用語の理解、医師・看護師・研究者との要件整理、運用時の責任範囲などを丁寧に確認する必要があります。

だからこそAI Marketでは、実際の人間である専門のAIコンサルタントが直接お客様と対話し、ヒアリングから企業選定までを支援し、実現性の高いAI導入をサポートしています。

貴社でも医療分野でのAI活用をご検討中の際は、ぜひご相談ください。

医療・介護業界に強いAI会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 医療・介護業界に強いAI会社選定を依頼する

AIを活用した医療の診断・支援サービス13選

実際に医療業界でのAIの活用例や具体例をご紹介します。

肝細胞がんのMRI画像解析や診断支援AIの共同研究

医療分野のAI開発を手がける株式会社HACARUSは、神戸大学と肝細胞がんのMRI画像解析、診断支援AIの共同研究の契約締結をしました。

肝がんは死亡者数が多く、世界的に増加傾向にあります。肝がんの一種の肝細胞がんは、MRIの画像診断で早期発見が可能ですが、画像の読影には高い専門性が必要で、実際に行う放射線科医の負担が大きいことが問題でした。

神戸大学との共同研究は、「AIによって画像内のリスク領域の検出」、「リスク領域内での肝細胞がんの病型分類」、「精度の高い病型分類や診断支援」について可能となるよう進めています。

特徴としては、手法がAI開発の主流のディープラーニング（深層学習）ではなく、「スパースモデリング」を用いていることです。機械学習の一手法である「スパースモデリング」を用いて、比較的少ないデータ量でも、どこが本当に必要な情報であるかを見極めて抽出し、データ間の関係性を特定することによって全体像が把握できます。

関連記事：「画像診断AIの現状分析と今後の課題解説！導入メリット・最新事例・展望は？」

眼底画像診断支援システム OPTiM Doctor Eye

AIやIoTのプラットフォーム開発ベンチャーである株式会社OPTIMは、眼底画像解析システムの「眼底画像診断システム OPTiM Doctor Eye」を開発しており、これが医療機器プログラムとして 認証されました。

OPTIMは、大学発のベンチャー企業で、大学との共同でAIやIoTを使った次世代医療の開発を進めています。

AIが眼底の画像を基にして学習を重ねていき、診断の精度を向上させることができます。眼底は全身で唯一、血管を直接観察できる部位なので、目の病気の他にも動脈硬化や糖尿病の兆候を早期発見できると期待されています。

関連記事：「画像診断AIの現状分析を踏まえて、導入メリットについてわかりやすく解説」

医用画像解析ソフトウェア EIRL Chest Nodule

ライフサイエンス領域での画像解析プラットフォーム開発を手がけるエルピクセル株式会社は、AIを活用した医療画像診断の支援技術「EIRL」を開発しています。その中の「EIRL Chest Nodule」は、胸部X線画像から肺結核の疑いがある候補の領域を検出し、医師の診断支援をします。

健康診断などで膨大な数の検査が実施される胸部X線検査での見落としを防ぐことが目的です。

画像診断においては、検査数に対しての読影医が少ないことが課題で、集中力と高い技量や経験が求められており、膨大な検査数に追われてしまい、1つ1つの画像に対しての読影診断にかけることができる時間が限られていたり、読影に不慣れな医師も診断する機会が多いことから、課題となっていました。

健康診断や人間ドックの機会を最大限に活用してプライマリ・ケアへの寄与にも資することができると考えています。

NEC健診結果予測シミュレーション（倉敷中央病院）

NECソリューションイノベータ株式会社と倉敷中央病院は、定期健康診断データから4年以内の生活習慣病発症リスクを予測するAIモデルを開発しました。約45万人分のカルテと約10万人分の健診データを活用し、11種類の生活習慣病の発症リスクを予測することが可能です。

年間利用料は236万3000円からで、3年間で150施設への導入を目指しています。

富士フイルムのAI技術を用いたアルツハイマー病の進行予測

富士フイルム株式会社は、軽度認知障害の患者が今後アルツハイマー病に進行するかどうかを予測するAI技術を開発。アルツハイマー病の新薬開発で症状が進行していない患者が多く治験に参加すると、薬の有効性が証明しにくいという課題がありました。

そこで、画像認識技術を活用し、患者の脳の画像解析を行うAI技術を開発しました。画像認識技術を応用し、学習データが少ない中でも高性能で予測可能な技術を確立しています。

国立精神・神経医療研究センターと共同で開発し、軽度認知障害患者のMRI（磁気共鳴画像装置）画像から、脳の海馬の大きさや形状などの情報を解析できます。

AIによる画像認識の精度は最大で88％を誇り、この技術を治験対象者の患者の絞り込みに用いて、新薬開発の臨床試験の活用へと目指すとしています。

FRONTEOの認知症、うつ病診断のAIの補助活用

株式会社FRONTEOは、自然言語処理を活用し、医師が認知症の進み具合を診断する補助として使うソフトウエアを開発しました。患者と医師の5〜10分ほどの会話データを分析し、認知症の重症度を判定可能とする簡便性の高さを強みとしています。自然言語を用いたAI医療機器としては世界初の開発です。

AIを用いて単語ごとに座標を設定し、コンピューターで解析すると、認知症患者であれば特有の傾向が発見できる仕組みです。医師の属人的な判断に頼りがちであった認知症診断が、AIの活用で客観性の担保が可能となり、医師の能力や経験に関わらず、一定の判断を下すことが可能となるよう期待されています。

認知症だけでなく、うつ病の重症度診断の補助にも活用できるよう慶応大と研究開発の提携をしました。

腫瘍の遺伝子変異と高分子医薬品の設計（インシリコ創薬）

腫瘍は医学上同じ種類であっても、患者ごとに異なる遺伝子変異を抱えており、その違いが薬剤反応性や再発リスクに大きく影響します。特に近年主流となりつつある「がん免疫療法」や「分子標的薬」においては、複雑な構造を持つ薬剤が、標的となるがん細胞（抗原）に正確に結合し、かつ体内で安定して機能し続けられるかが成功の鍵を握ります。

デジタルツイン技術は、この薬剤と腫瘍細胞の相互作用を分子レベルでシミュレーションすることを可能にします。

CDR-Life社とダッソー・システムズ社 スイスのバイオ医薬品企業CDR-Life社は、ダッソー・システムズ社のプラットフォームを活用し、次世代のがん治療薬である「T細胞エンゲージャー（二重特異性抗体）」の開発を加速させています。

この薬剤は、免疫細胞とがん細胞を橋渡しする強力な効果を持ちますが、分子構造が複雑で不安定になりやすいという課題がありました。

同社は、薬剤候補の分子レベルのデジタルツインを構築し、仮想空間上で構造解析と安定性試験を実施しています。これにより、従来は実験室で数週間かけて行っていたスクリーニングをデジタル上で高速に処理し、臨床試験に進む前の段階で最も効果的かつ安定した薬剤候補を絞り込むことに成功しています。

日立製作所の糖尿病患者の治療薬選択の支援AI

株式会社日立製作所は、米国の大学や研究所と提携して、複数の治療薬の併用など複雑な治療を必要とする2型糖尿病患者の治療薬選択の支援AIを開発しました。

重症化に伴う合併症を防ぐためには、一部の患者には複数の治療薬を併用し血糖値をコントロールする必要があります。従来は医師が患者に対して、過去の経験などの限られた知見から患者に適した治療を行う必要がありました。症例が少ないケースもあり判断が難しい場合もあります。

AIでの治療薬選択支援には患者のデータを増やして学習させる必要があるので、複数の機関での患者データを組み合わせる専門知識や、複雑なデータを使用した機械学習のモデル開発に関する幅広い経験が必要でした。

株式会社日立製作所が開発した支援AIは、病状が類似する患者をグループごとにまとめる技術を用いています。複数の地域や施設の電子カルテのデータベースをまとめて分析、さらに学習データを増やせる特徴があります。症例が少ない治療法でも、効果予測を高めることで患者それぞれに合わせた医療方法の支援を可能としました。

姿勢推定AIによるリハビリ支援とオンライン診療（ソニー）

ソニーグループが開発した在宅リハビリ支援サービス『リハカツ』は、姿勢推定技術を用いたアプリによるトレーニングとリハビリの専門家によるオンラインサポートを組み合わせています。

このサービスは、脳梗塞をはじめとした疾患の後遺症者や加齢に伴い身体機能が低下した方を対象に、自宅での日々のトレーニングをサポートします。

また、オンライン診療においても姿勢推定AIは重要な役割を果たしています。新型コロナウイルス感染症のパンデミックにより、遠隔医療と遠隔監視ソリューションの採用が加速し、遠隔理学療法と患者評価を可能にしています。

これにより、患者は自宅にいながら専門家の指導を受けることができ、医療アクセスの向上と感染リスクの低減に貢献しています。

このように、姿勢推定AIは患者の自宅でのリハビリテーションの質を向上させ、オンライン診療の可能性を広げています。より効果的で安全なサービスの提供を支援しています。

不妊治療の客観的治療法助言サービス

vivola株式会社は、女性特有の悩みをテクノロジーで解決する「フェムテック」として事業展開をしています。AIを活用し、膨大なビッグデータを分析することで、費用や治療方針に悩んでいる女性の指針になると考え、客観的な治療法の助言サービスを提供しています。

女性の健康課題をAIで見守るさまざまなサービス提供を手掛け、その中の一つに不妊治療に関わるスマートフォン用アプリがあります。

スマートフォン用アプリ「cocoromi」は、通院スケジュールや治療内容のログの管理が可能です。治療の成功率、平均時間、費用などのデータを、疾患の有無や年齢などの属性が自分と似たような人に絞って検索できます。

不妊治療に関わるサービス提供の背景には、日本では病気を抱えた人が最適な不妊治療を選択するための情報が乏しいことがありました。不妊治療は身体面や金銭面での負担が大きく、医療機関や治療を選ぶのに悩む患者が多い傾向にあります。

そこで、利用者が「cocoromi」で入力したデータをもとに類似条件で妊娠したカップルの通院費用や治療法などを紹介。利用者に合った治療法で、通院期間を短くする狙いもあります。アプリの土台となるのは妊娠に成功したおよそ1,000組のカップルの不妊治療のアンケートのデータベースです。

2022年4月から不妊治療への保険適用を開始したため、不妊治療を受ける人のためのデータ活用も期待されています。

AIメディカルサービスによる内視鏡の画像診断支援AI

株式会社AIメディカルサービスは、内視鏡の画像診断AIの開発を手掛けています。内視鏡で胃や大腸を観察する際に、リアルタイムでがんの可能性のある部分を自動的に発見したり、その確率を示したりするAIです。

内視鏡分野は日本が世界でリードしている先進の分野です。しかしながら、内視鏡検査でのがんの見落としは2割以上発生しています。内視鏡専門医とのダブルチェックが義務付けられていますが、通常業務後のダブルチェックは負担が大きく、現場は疲弊しているのが現状です。

胃がんは早期に発見すれば十分に治療可能であり、病期が進行すると死亡率が高まる特徴があります。内視鏡検査は消化管がのがんを早期で確定診断できる唯一の検査であり、患者の救済に直結することから、AI活用で内視鏡検査の精度向上を実現させ、早期のがん発見を促すとしています。

早期の胃がんや動画での利用を想定したAI開発のために、がんの専門医療機関など全国100以上と連携し、20万件を上回る膨大な内視鏡検査画像を収集し、AIに学習させました。研究開発の論文は世界初のものを含め数十本に登り、医学会からの注目を集めています。

脳ドック用AI（湘南鎌倉総合病院）

湘南鎌倉総合病院予防医学センターは、Splinkが開発した脳ドック用AIプログラム「Brain Life Imaging」を導入しました。このシステムは、従来の目視確認では困難だった海馬の詳細な解析を可能にし、海馬体積・海馬年齢を測定します。

経年変化を追跡できる解析結果レポートは、専門知識がない患者でも理解しやすい設計となっており、予防医学の観点からも高い評価を得ています。

胆道がんAI診断支援システム（岡山大学病院）

岡山大学病院と株式会社両備システムズは、国内初となる胆道がんAI診断支援システムを開発しました。このシステムは、内視鏡検査において「Cycle GAN」というAI技術を活用し、白色光画像から疑似的な色素散布画像への変換を実現しています。

従来のCTやMRIでは困難だった胆道がんの病変範囲を明瞭化することに成功し、3名の内視鏡専門医による評価でも、従来の観察方法と比べて病変境界の視認性が有意に向上したことが確認されています。

電子カルテAI診断支援（昭和大学横浜市北部病院）

昭和大学横浜市北部病院は富士通Japan株式会社と共同で、電子カルテデータを活用した診療支援AIの開発を進めています。このシステムは、過去20年分の電子カルテデータを分析し、患者の主訴や所見から適切な診断候補を提案します。

医師の診断支援による医療水準の均てん化と診療業務の効率化を目指しており、将来的には研修医向け教育コンテンツとしての活用も検討されています。

Amazon Bedrock活用の退院サマリ作成（藤田医科大学病院）

藤田医科大学病院では、Amazon Bedrockを活用した退院サマリーの自動作成システムを導入し、大きな成果を上げています。従来10分かかっていた退院サマリーの作成時間を約1分に短縮し、90%の時間削減を実現しました。

この取り組みは、2024年4月から始まった医師の労働時間規制に対応する具体的な解決策として注目されています。

顔認識技術を活用した遠隔健康チェックシステム（Shen.AI）

エストニア発のShen.AIが開発した顔認識AIベースの健康チェック技術を、ヘルステック企業VivaWellが遠隔診療に導入しました。この診療システムは、スマホやPCのカメラを用いて、顔スキャンによるバイタルモニタリングを実現します。

顔を数十秒間スキャンするだけで、心拍数・血圧・呼吸数・BMI・心拍変動（HRV）など30種類以上の健康指標をリアルタイムに推定します。解析は端末上で行われるため、通信遅延やプライバシー面でも優れた運用性を備えています。

CureAppの高血圧治療アプリのAI活用

治療用アプリを手掛ける株式会社CureAppは、高血圧症向けのアプリを発売しています。厚生労働省からの薬事承認を受けた高血圧治療アプリは世界初で、禁煙治療用のアプリに次いでの承認となりました。公的医療保険の対象にもなります。

誰でも使用可能な健康アプリとは異なり、治療用アプリは医師が処方し治験で効果が確認されているものです。データにより生活習慣病の悪化や投薬を減らすなどの目的があり、膨れ上がる医療費を抑制する狙いがあります。

患者はパスワードを入力して利用を開始し、治療用アプリが、日々の血圧計から無線で得たデータなどを分析。食事や運動などに関する患者個人に適した教育動画などを提供し生活習慣の改善を促します。医師の代わりとして、毎日高血圧症の患者へのアドバイスが治療用アプリから得られます。

病院外での生活習慣をデータ分析によって改善し、治療プログラムの進捗状況を「73％」と数値化するなど分かりやすくすることで達成感が得やすい仕様になっているのが特徴です。患者の血圧値や塩分摂取などのデータは医師側でもアプリで共有し確認ができます。

アステラス製薬のAIを用いた心電図解析サービス

アステラス製薬株式会社は、心電図解析サービスを手掛けるエムハートと共同で、心電図検査のデータから不整脈を見分けるAIプログラムを開発しました。

ホルター型と呼ばれる心電図検査のデータをAIを用いたアルゴリズムによる解析プログラムです。ホルター型心電図検査とは、心電図を継続して24時間記録する検査で、胸に電極を付け、携帯型の小型の記録機に心電図を連続して記録し、脈の乱れを検知するものです。

心電計で測った心電図から心房細動と呼ばれる不整脈を見分けるAIで、クラウド型の心電図解析サービスの医療機関向けの提供も行っています。

専門医だけでなく、かかりつけ医でも心臓病の兆候を早期発見できる仕組みづくりに乗り出しています。医師が患者の心電図をアップロードすると、AIが心電図の波形を自動で解析し、不整脈の検出箇所を提示します。およそ1日で結果が分かり短期間での解析が可能です。

さらに今後は心電計メーカーとも協力し、心電計とAIを組み合わせたサービス提供も考案中とのことです。医薬品開発で培った製薬メーカーのノウハウを生かすことができるでしょう。

対話型AIで患者の感情認識

AIによる自動応答システムを手掛けるクリスタルメソッド株式会社は、対話型AIシステムの「HAL3」を開発。雑談や問診などHAL3からの自然な会話から患者の感情認識や快不快の認識、精神状態などを捉え、医療や介護分野においての異変に気づくことに特化しています。

「HAL3」は人とコミュニケーションをとるために開発され、機械音のない自然な音声にするため、音声合成の技術を利用しています。福祉の面では目の見えない人や失語症の人のサポートとして読み上げサービス提供し、より自然なイントネーションを可能にしています。

クリエートの錠剤不良を99.9%の精度で判別できる装置

クリエートは、錠剤の欠けや異物混入などの不良を99.9%の精度で判別できる「フルカラー錠剤外観異物検査装置」を開発しました。

AIと画像処理技術を組み合わせたハイブリッド方式で、過去の不良品データなどをAIが学習します。AIにより、手間がかかる錠剤の良品・不良品の分別検査を自動化できる仕組みです。

糖衣錠や割れ線がある錠剤、フィルム錠など多種多様な錠剤検査に対応でき、毎時15万錠の高処理能力を持ちます。また、対応できる不良判別も幅広く、異物混入・欠け・擦り・凹凸の有無・糖衣不良・フィルム剥がれなどの検査が可能です。

分別された不良の種類から生産工程の不具合を分析することで、錠剤の生産設備などの予知保全につながることが期待されます。

患者モニタリングシステム×AIの導入事例（慶應義塾大学病院）

慶應義塾大学病院では、在宅医療の質向上を目指し、AIを活用した患者モニタリングシステムの導入に取り組んでいます。

慶応義塾大学病院が導入したシステムでは、在宅患者が使用するスマートフォンやスマートウォッチからリアルタイムで収集・分析し、遠隔からでも患者の健康状態を把握できるように設計されています。血圧や血糖などの自己測定検査データをアプリに集約し、患者に合わせた高品質の診療に役立てています。

他にもAIを日常業務に転用した医療環境の構築に取り組んでおり、現場の負担を減らし、患者さんに寄り添った医療を実現しています。

医療・介護業界に強いAI会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 医療・介護業界に強いAI会社選定を依頼する

医療業界で事務効率を向上するAIサービス7選

実際に医療業界でのAIの活用例や具体例をご紹介します。

福岡和白病院によるAI問診Ubieの導入

AIでの問診アプリ「AI問診 Ubie」は、スタートアップ企業のUbie株式会社が開発しました。AI問診Ubieは、初診での問診の支援ツールです。

患者にタブレットで問診票に入力してもらうことで、カルテに反映できます。AIが患者の入力した内容に対して、質問内容を自動生成し、より詳細な深い内容までを聴き取ることも可能です。

社会医療法人財団池友会　福岡和白病院ではAI問診Ubieを導入して、成果をあげています。患者の待ち時間が20分前後削減できたほか、薬の入力ミスが大幅に削減できました。

東京ミッドタウンクリニックによる疾病リスク予測AIサービスの活用

東芝デジタルソリューションズ株式会社と株式会社東芝が共同開発した「疾病リスク予測AIサービス」は、1年分の健康診断データを基にして、6年先の6疾病（糖尿病、肥満症、高血圧症、肝機能障害、腎機能障害、脂質異常症）のリスクを予測できます。

人間ドックを主に行っている東京ミッドタウンクリニックは、人間ドックを受診した後の結果レポートへ、疾病リスク予測AIサービスを活用した疾病リスクの予測結果を掲載する取り組みをしています。

これにより、生活習慣病の個別化した予測データを健康診断のレポートに反映して、より具体的な健康指導が可能となりました。

凸版印刷×ZETA、AIによる病院内の施設見守りサービスを開発

凸版印刷株式会社とは、低消費電力広域ネットワーク「ZETA」を活用し、病院内の施設見守りAIサービスを開発。施設内でもとくにトイレやシャワー室などは見守りが行き届きにくい場所で、何かあったときの対処ができないことが課題でした。

施設見守りAIサービスでは、緊急時の検知パターンを蓄積・解析し、パターンから外れた行動が見られた場合、異常としてセンサーが発動するといった仕組みです。患者さんのプライバシー配慮のため、カメラなどを一切使用していないのもポイント。個人情報が取得できない複数のセンサーにて開発を行いました。

このAIサービスを開発することにより、看護師や医師の目が届かない個室での体調把握などが可能になり、より緊急時の早期発見に期待ができます。

Medical AILABのレセプトチェックのAIによる精度向上

レセプト（診療報酬の明細書）のチェックミスは許されず、医師や医事課の職員によるレセプトのチェックには多くの時間が割かれています。そこで、株式会社Medical AI LABは、適応病名候補の提示を高精度で行えるシステムの「AIレセチェッカー」を開発。

AIレセチェッカーによって、複雑な設定なしで、修正が必要なレセプトである要修正レセプトの判定を可能としています。チェック作業を大幅に削減できるため、本来注力すべき業務に集中できるようになったとのことです。

学習機能を備えたAIレセチェッカーは、登録したレセプトを読み込み、蓄積されたビッグデータと照らし合わせ、修正が必要かどうかを高精度で判定します。処理速度も速い点が特徴であり、より迅速な対応が可能です。

またレセプトの情報からAIが適切と思われる病名を当てる病名レコメンド機能も備えています。運用にあたっては、人手を極力かけることなく、大半のチェック作業をシステムに任せることが可能です。

プレシジョンのAIを組み込んだ電子カルテと診察データベース

株式会社プレシジョンは、AIを活用した医療サービスを手掛けています。電子カルテ大手の富士通Japanと共同で、患者の症状をもとにAIがカルテを下書きするシステムを開発しました。

患者が診察の前にスマートフォンやタブレットなどのデバイスで症状を入力しておくと、医師の電子カルテ上に、AIが導き出した疑われる疾患名が表示されます。

誤診や医療の属人化を削減するとして、担当する医師が不慣れな病気であってもAIによる適切な治療方針で現場を後押しする狙いがあります。特に人材が不足している地方の医師にとっては、専門外の領域でも診察しなくてはならないケースが少なくありません。

システム上の診療マニュアルには3,000もの疾患と700の症状、全処方薬の情報を掲載しており、感染症や糖尿病など各分野に精通した2,000人の医師が監修して随時更新しています。

AIがデータベースと患者の症状を照らし合わせて、専門医が選ぶと推定される診断内容や治療法を表示する仕組みになっています。

マルチモーダルAIによる医療ビッグデータの多角的活用（NEC・理化学研究所・日本医科大学）

日本電気株式会社（NEC）と理化学研究所、日本医科大学は、医療分野での電子カルテとAIの融合の研究を進めています。さまざまなビッグデータを統合的に解析するマルチモーダルAIを構築しました。

このマルチモーダルAIでは、複数種類の検査データから病気の状態や経過を統合的かつ多角的に判断や予測ができます。電子カルテのデータや、がんの組織画像などを用いてマルチモーダルAIが解析したところ、手術後から再発までの年数によりAIが捉えた予測因子のパターンに違いが見られたということです。

こちらでマルチモーダルAIとは？詳しく説明しています。

日本人男性が罹患する最も多いがんの一つ前立腺がんを対象とした研究で、病気の早期発見や治療計画の最適化を可能とします。データの組み合わせにより、治療計画の最適化や早期発見が可能となり、効率的な医療提供の実現に向け一歩を踏み出しました。

医療分野におけるAI活用の可能性

医療分野でのAI活用は、診断精度の向上から業務効率化まで、幅広い領域で成果を上げています。特に画像診断、電子カルテ、予防医療の分野では、具体的な成果が表れ始めています。

画像診断支援AIによる病変検出率向上と専門医の判断補完

画像診断の分野では、画像認識AIによる高精度な診断支援が実現しています。特に早期胃がんの診断において、AIは93.4%の陽性的中率と83.6%の陰性的中率を達成しており、専門医の診断精度を補完する役割を果たしています。

国立がん研究センターの内視鏡検査では、AIが0.1秒以内に98%の病変発見率を実現し、偽陽性率も1%に抑えることに成功しています。

また、マイクロソフトの研究機関である Microsoft Research と米医療機関大手の Providence、米ワシントン大学が共同開発した医療向けAIモデル「GigaPath」は、デジタル病理画像を分析し、13億枚もの病理画像タイルを事前学習しました。結果として、がんの種類や特徴をより正確に見分けることができるようになりました。

画像生成AIによる診断画像の画質改善

GANを用いた画像生成と画質改善技術は、画像診断の質を向上させつつ、患者の負担を軽減するという、相反する課題を同時に解決する可能性を秘めています。

GANは2つのニューラルネットワーク（生成器と識別器）を競争させることで、高品質な画像を生成する技術です。

具体的な活用方法としては、低線量で撮影したCT画像を入力とし、通常線量で撮影したような高品質画像を生成できます。これにより、患者の被ばく量を大幅に低減できます。特に小児や妊婦など、放射線感受性の高い患者に対して大きな恩恵となります。

また、より鮮明で詳細な画像が得られることで、微小な病変の発見や正確な診断が可能になります。

音声認識および自然言語処理による電子カルテ入力の自動化

電子カルテのAI活用により、現場の効率化が進んでいます。音声入力システムの導入により、診察中のカルテ入力が可能となり、一般内科では午前中に40～50人の診察ができるようになりました。

また、クラウド型電子カルテシステムでは、新規患者の情報入力が2～3分で完了できるようになり、医師の業務負担が大幅に軽減されています。

さらに、LLM（大規模言語モデル）の自然言語処理技術を用いて、患者のカルテを自動的に解析し、病歴や病状の情報を効率的に抽出することが可能になっています。併せて、患者の体重、体調、血圧、過去の服用データなどを分析し、より適切な薬の処方を支援するシステムが実用化されています。

NEC社は2024年4月に生成AI機能を搭載した電子カルテ「MegaOak/iS（メガオーク アイエス）」をリリースしました。このシステムは、電子カルテに記載の診療情報をもとに、診療情報提供書（紹介状）と退院時サマリーに活用できる文章案を自動生成する機能を持っています。

予防医療・健康管理へのAI応用

AIを活用した予防医療は、個人の健康管理に新しい可能性を開いています。患者の健康記録や生活習慣のデータを分析し、心血管疾患や糖尿病などの発症リスクを予測することが可能になりました。

また、映像を通して患者の状態を自動分析し、診断結果を出すシステムが開発されています。これにより、来院が困難な患者でも適切な診察を受けられるようになっています。

具体例として、東京ミッドタウンクリニックでは、健康診断データをもとにAIが6年先までの6つの疾病リスク（糖尿病・高血圧症・脂質異常症・腎機能障害・肝機能障害・肥満症）を予測するシステムを導入しています。

また、国立がん研究センターは、AIを活用してがんの発症リスクを予測するシステムを開発しています。

生成AIを用いた問診支援

生成AIの医療分野での活用も急速に進んでいます。一部の病院では、生成AIを用いて医師の問診を支援する会話型システムの導入を開始しています。このシステムでは、生成AIを用いたアバターの医師が症状を聞き取ったり治療の流れを説明したりします。

各学会の診療ガイドラインをAIに学習させることで、正しい受け答えを生成し、診察時間や医師の負担を削減するとともに、新たな治療法や新薬の開発にも活用することが期待されています。

診療内容や患者情報から自動的に診断書や治療計画、さらには臨床試験（治験）に関連する膨大なプロトコルや報告書などの文書を生成することができます。

また、生成AIを活用して退院時サマリー作成時間を削減する実証実験を実施している病院もあります。この取り組みにより、年間約540時間の医師の作業時間削減が可能になると試算されており、医療の質向上と業務効率化の両立を目指しています。

患者教育と情報提供の改善

生成AIを活用することで、患者個々の病歴や症状に基づいた、カスタマイズされた健康情報やアドバイスを提供できます。これにより、患者は自分の状態に関してより深く理解し、適切な健康管理を行うことが可能になります。

具体的には、生成AIは患者向けの説明文やアドバイスを生成するのに用いられます。

トレーニングと教育資料の生成

医療分野のトレーニングは、複雑で繊細なスキルが求められます。生成AIは、疑似患者ケースやシナリオを生成し、医療従事者のトレーニングを強化することが可能です。

例えば、生成AIに患者を模倣させることで、どのようなことを質問すべきか、逆に何を聞くべきではないかなど、新米医師の方の問診を実際の環境に即してトレーニングし、評価を行うことなども可能です。

手術前に患者の3Dモデルを使ってシミュレーション

患者のCTやMRIのスキャンデータを基に、生成AIが臓器や血管の微細な構造まで再現した3Dモデルを構築し、それをデジタルツインとして活用する動きが加速しています。

単なる静的な形状確認とは異なり、デジタルツインでは臓器の弾性や血流動態といった物理特性までシミュレート可能です。外科医は手術前に、「ここを切開すると組織がどう変形し、どの血管に出血リスクが生じるか」といった動的な反応を仮想空間でリハーサルできます。

これにより、最適な切除ラインや手順を事前に確立でき、手術の精度と安全性が飛躍的に向上するとともに合併症リスクを低減し患者の負担も軽減できます。

また、3Dモデルを活用した医学教育も期待されています。学生は立体的な臓器モデルを観察し、インタラクティブに操作することで、より深い理解が得られます。さらに、植込み型医療機器のデザインや、患者へのインフォームドコンセントの際にも、3Dモデルが有効活用できるでしょう。

ゲノム解析の活用

最近話題のゲノム情報の臨床利用には、AIによるデータ解析技術が欠かせません。ゲノム解析とは、生物の遺伝情報（ゲノム）を総合的に解析することです。「ゲノム（genome）」は”gene（遺伝子）”と”-ome（オーム、ラテン語で全体）”を組み合わせた言葉で生物のもつ遺伝情報全体を指す言葉です。

生物の細胞内にあるDNAには、遺伝子や遺伝子の発現を制御する情報などが記録されています。遺伝子の情報をもとに転写・翻訳されることでタンパク質がつくられ、さらにタンパク質が細胞をつくり生命活動に必要な仕事をしています。

つまり、ゲノム解析はDNAの塩基配列を解読し、遺伝子の機能などの情報を総合的に解読していきます。

生成AIに強いAI会社の選定・紹介を行います

今年度生成AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 生成AIに強い会社選定を依頼する

AIを活用した個別化医療のアプローチ手法

個別化医療の実現において、AIは患者データの解析から治療薬の開発まで、幅広い領域で重要な役割を果たしています。AIの活用により、膨大なデータを効率的に分析し、患者一人ひとりに最適な治療法を選択することが可能になりました。

データ分析による治療計画の自動最適化

AIは患者の健康記録、生活習慣、臨床データを総合的に分析し、個々の患者に最適な治療計画を提案します。例えば、患者の病歴や検査結果から治療効果を予測し、副作用のリスクを最小限に抑えた治療オプションを提示できます。

高度なデータ分析のアプローチにより、医師は患者の特性に応じた治療法を効率的に選択でき、治療効果の向上と医療コストの削減を同時に実現できます。

関連記事：「AIによるデータ分析の基本的なことから活用するメリット、失敗しないためのポイント」

医用画像の認識・解析による診断・治療支援

医用画像のAI認識、解析は、X線、CT、MRIなどの画像から異常を高精度で検出し、早期診断と治療方針の決定を支援します。マルチモーダルAIモデルは、異なる種類の画像を統合的に解析し、より包括的な診断情報を提供することができます。

特に、がん治療においては、AIによる画像解析が腫瘍の早期発見や治療効果の判定に大きく貢献しています。治療計画の立案から経過観察まで、一貫した支援を提供することで、より精度の高い医療の実現が可能となっています。

ビッグデータ・生成AIに基づく投薬最適化システム

AIは患者の遺伝子情報や生活習慣を解析し、個々の患者に最適な薬剤と投与量を提案します。これにより、薬剤の効果を最大限に引き出しながら、副作用のリスクを最小限に抑えることができます。

また、LLMなど生成AIを用いて膨大な医学文献や患者記録を分析し、医療従事者が最新の情報に基づいた治療を決定する支援を行います。

例えば、がん治療では、腫瘍の遺伝子変異に基づいて最適な分子標的薬を選択することで、治療効果を高めることができます。また、患者の代謝能力に応じた投与量の調整も可能となり、より安全で効果的な治療を実現できます。

AIによる創薬で薬の反応予測

AIによる創薬は、膨大な生物学的データを解析し、新薬候補の発見から臨床試験の最適化まで、創薬プロセス全体を効率化します。特に、患者の遺伝子情報や臨床データを活用することで、特定の患者グループに効果的な治療薬の開発が可能となります。

例えば、薬物の作用機序をAIで予測し、副作用のリスクを事前に評価することができます。これにより、開発期間の短縮とコスト削減を実現しながら、より効果的な個別化治療薬の開発が進められています。

医療・介護業界に強いAI会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 医療・介護業界に強いAI会社選定を依頼する

医療業界でAIを活用する際の注意点・問題点

医療業界でAIを活用する際には、以下のような注意点や問題点があります。

AIによる誤診の可能性

AIは万能ではないため、適切な使用方法を理解せずに利用すると、誤診を生む可能性があります。フレーム問題を完全に解決できたとは言えないAIの判断に完全に依存するのではなく、最終的な判断は医師が行うべきです。

AIは医師の判断を補助するツールとして活用することが望ましいでしょう。

質の良い教師データの収集・アノテーション

AIの精度向上には、信頼性が高く質の良いデータの収集が不可欠です。特に医療分野では、人命に関わるため、高品質なデータを集めることが重要な課題となっています。

それらのデータをAIに学習させるためには、データに正解を付けるアノテーション作業が必要ですが、医師がこのアノテーション作業を行う場合、この作業が医師の負担を増やす可能性があります。医師の負担軽減のために導入されるAIが、逆に負担を増やすことにならないよう、役割分担を適切に行う必要があります。

患者データの流出リスク

AIを活用する際には、患者のデータを扱うことになるため、データ流出のリスクがあります。ビッグデータやセキュリティ対策に関する知見を持った人材が必要です。

データ流出は大きな問題に発展する可能性があるため、十分な対策が必要でしょう。

専門人材の確保

AIを開発・導入するためには、医療分野の知識だけでなく、AIやビッグデータに関する知見を持った人材が必要です。適切な人材を確保できなければ、AIの開発・導入は難しいでしょう。

医療・看護・病院のAI活用事例についてよくある質問まとめ

まとめ

医療業界におけるAI活用は、単なる概念実証（PoC）のフェーズを抜け、実際の診断支援や複雑な病床管理の最適化といった実践段階に移行しています。

しかし、医療領域のプロジェクトには特有のハードルが存在します。

データの機密性確保、レガシーな医療システムとのデータ連携、そして何より、現場の医師や看護師の忙しい業務フローに「いかに手間をかけずに定着させるか」という運用設計です。

自社の事業や現場課題に対して、どの技術から着手し、どう費用対効果（ROI）を描くべきか。要件定義や実装可能性の判断においては、業界の商習慣とAI技術の双方に精通した専門家の知見が不可欠です。

具体的なプロジェクトの構想や、国内の医療データ規制に対応できる最適な開発パートナー選定にお悩みの際は、ぜひAI Marketの専門コンサルタントにご相談ください。