米国の医師は、AIと働く実験を始めている

2026年の変化は、医療AIの名前が増えたことではありません。診療の一部にAIを置き、実際の時間や判断を測る研究が出てきたことです。

大切なのは「AIを使うか」ではなく、「どの仕事を、どの条件で任せるか」です。

診療を一つの仕事として見ない

外来には、会話を拾う、記録の下書きを作る、根拠を探す、診断と治療を決める、患者へ説明する仕事があります。全部を同じ危険度で扱うと、導入の議論がぼやけます。

会話の文字起こしと記録の下書きは、誤りを後から確認しやすい仕事です。診断や治療方針は、誤りが患者へ届く前に止める必要があります。任せる範囲は、モデルの賢さより、確認できる場所があるかで決まります。

記録AIは時間を減らすが、確認は消えない

2025年のランダム化試験では、外来医師238人をDAX Copilot、Nabla、通常診療に割り付けました。Nabla群のtime-in-noteは対照群より9.5%減少しました。一方、DAX群の差は統計学的に有意ではありませんでした。試験の抄録

利用された診察はDAXで33.5%、Nablaで29.5%でした。つまり、導入された道具が全診察で使われたわけではありません。医師の事後質問票では、臨床的に重要な誤りも「ときどき」と報告され、著者らは継続した注意が必要としています。

別の6医療システムの前後比較では、30日後に自己申告の負担や燃え尽きの指標が改善しました。ただし対照群のない品質改善研究です。JAMA Network Open

Human plus AIは足し算ではない

AI単独のベンチマークが高くても、医師にAIを渡せば同じだけ改善するとは限りません。

50人の医師を対象にした診断推論のランダム化試験では、LLMを使える群と従来資料のみの群に有意差がありませんでした。JAMA Network Open

一方、92人の医師が模擬症例の治療方針を考えた試験では、GPT-4を使える群の得点が6.5ポイント高くなりました。ただし1症例あたり約2分長くかかり、実臨床で患者転帰を調べた試験ではありません。Nature Medicine

診断と治療方針で結果が違う。ここに重要な示唆があります。AIの効果は「医療全体」ではなく、仕事、画面、使い方、評価項目の組合せで決まります。

小さく入れ、同じ画面で確かめる

最初の候補は、公開資料の要約、架空症例の患者向け説明、記録テンプレートの下書きです。採用前に原文と照合し、誤りの種類と確認時間を記録します。患者情報は、組織が承認していない一般向けAIへ入力しません。

1週間の試行では、速さだけでなく、修正した箇所、見逃した誤り、使わなかった理由も残します。「便利だった」ではなく、どの仕事なら任せられるかが答えになります。

仕事を分けて測れたら、次はその結果を少人数のチーム設計へ戻します。