患者は、診察室に来る前にChatGPTを開いている

外来で、こんな場面が増えてきた。

「先生、これってAEDを使う系の不整脈ですよね」 「ChatGPTで調べたんですけど、この薬の副作用が怖くて」 「AIに聞いたら大学病院に行けって言われました」

10年前、患者がインターネットで調べてくる時代を Dr. Google と呼んだ。診察室で「ググったんですけど」と言われる時代だった。今はもう、Dr. ChatGPT に変わっている。

しかも、Dr. ChatGPTのほうがDr. Googleよりずっと賢い。

これまで4レッスンかけて、AIで広がる景色を見せてきた。このレッスンでは、その同じ景色の影の側を見にいく。

研修医のあなたが、これから5年で必ず立ち会うことになる4つの問題がある。

1. 患者はもう、診察室に来る前に答えを持っている

2026年1月、OpenAIは ChatGPT Health を launch した。launch から数週間で、約4000万人が毎日、健康関連の質問をChatGPTに投げるようになった（MDTalks 2026）。

これは「検索エンジンで症状を調べる」のレベルではない。

患者は今、自分の症状をChatGPTに伝えて、考えられる疾患のリストと、推奨される検査と、行くべき医療機関と、可能性のある治療と、副作用までを、診察室に来る前に手にしている。

外来で医師が告げる病名を、患者は5分前にスマホで読み終えている。

これは医師にとって、純粋に脅威ではない。

患者の理解度が上がっていれば、医師の説明時間が短縮できる。患者が自分の症状を構造的に話してくれれば、問診が早く済む。「医師に質問する力」が上がれば、診療の質も上がる。

問題は、ChatGPTの答えが正しいときと、間違っているときがある、ということだ。

ある研究では、AIによる症状推定が「危険な過小トリアージ」を起こすパターンが報告されている。「これくらいなら明日でいい」とAIが言ったあとに、夜間に重症化したケース。逆に、「すぐERへ」と煽って、軽症で救急が混雑したケース。

ChatGPTで調べてから来院した患者を、医師はどう扱うべきか。

「あなたはAIに騙されている」と否定するのは簡単だが、患者はあなたではなくAIを信じることもある。「AIの答えと、私の答えはここが違って、なぜならば」という説明力が、これからの医師の必修スキルになる。

『攻殻機動隊』が描いた「ネットに流れる情報と、自分の判断を区別する」感覚が、診察室の現場で必要になっている。

2. AIで誤診したら、誰の責任になるのか

二つ目の影は、責任の話だ。

仮に、AIが推定した鑑別を医師が採用して、実は別の疾患で患者に不利益が出たとする。誰の責任か。

現在の法的枠組みでは、責任は基本的に医師にある（Medical Economics 2026）。

「AIが間違えました」は法廷で通用しない。医師には独立して標準的医療を提供する義務がある。AIはあくまで補助で、最終判断は医師の責任、というのが原則だ。

ここで興味深い研究がある。

ブラウン大学とセトン・ホール大学法科大学院の合同研究で、放射線科医がAIが指摘した脳出血を見落として訴訟になった、という仮想ケースを陪審員に提示した。AIに警告された後で1回だけ画像を見直した医師と、2回見直した医師。陪審員が原告側に立つ確率は、1回しか見直さなかった医師に対して、約50%高かった（Penn State 2026年3月）。

何が言われているかというと、AIに警告されたら、医師は念入りに確認する義務が、新しく発生している、ということだ。

「AIが言ったから安心」ではない。「AIが言ったからこそ、自分でもう一度確認する」が標準になりつつある。AIが診療の補助に入った瞬間に、医師の認知労力はむしろ増えるかもしれない。

加えて、規制も動いている。カリフォルニア州のAssembly Bill 2013 が2026年1月1日に施行された。AIシステムの訓練データと用途について、開示義務がかかる。これは他州にも波及する見通しで、日本のPMDA・厚労省もそう遠からず似た方向に動く。

研修医のあなたが指導医になるころ、「AIをどう使ったか」を診療記録に残すことが、医療過誤訴訟の防衛に必須になっているかもしれない。

3. Never-skilling ── 育つ前にAIに任せると、何が起きるか

三つ目の影は、研修医にとって一番深刻だ。

最近の医学教育研究で Never-skilling という新しい概念が出てきた（Frontiers of Medicine 2026）。研修医がトレーニングの早い段階からAIに依存すると、基礎的な臨床推論や手技を「そもそも獲得しない」。脱スキル化（一度持ったものが減る）よりも、never-skilling（最初から持たない）のほうが深刻、という主張だ。

ChatGPTに鑑別を立てさせて承認するだけの研修医が、5年後、10年後にAIなしで判断できるかどうか。

ハーバード医学部とBeth Israel Deaconess医療センターの合同研究では、最新のLLMが救急の判断、鑑別診断、次のステップの選択で、すでに医師を上回るタスクが増えている、と報告されている（Science 2026）。

つまり、AIのほうが上手いのに、研修医がわざわざ自分で考える意味はあるのか、という問いが立ってしまう。

ここで分かれ道がある。

ひとつは、「AIが上手いから任せればいい」と早期に思考を委譲する道。

もうひとつは、「AIが上手くても、自分でまず考えてからAIに照合する」と決める道。

前者を選んだ研修医は、5年後にAIなしで判断できなくなる。後者を選んだ研修医は、AIと自分の判断を比較できる、というセカンドオピニオン構造を自分の中に持てる。

ブラックミラー的な5年後を避けるために、研修医のあなたが今、決められることがある。

4. 5年後、AIに頼った医師がたどり着く場所

ここで、ブラックミラー風のシナリオを1つ書いてみる。

2031年、ある外来。

患者はChatGPTで自分の病気を「確定診断」してきている。研修医を経た若手医師は、診察中も画面で AI の鑑別をリアルタイムで参照している。AIは患者の声と表情も解析して、不安レベルと信頼レベルをスコア化している。医師の発言は AI scribe で全部記録され、患者にも医療事務にも共有される。

医師は AIの提案を「承認する」役になっている。

このとき、医師の意義は、AIにはない何か、を提供することだ。

候補は3つある。

ひとつめは、責任を取ることだ。AIは責任を取らない。誰かが取らないといけない。これは法制度がそう設計しているから、医師の役割が残る。

ふたつめは、患者の感情と文脈を読むことだ。家族関係、経済状況、価値観、宗教、宗教的タブー。AIはまだ、患者の家族の沈黙を読まない。

みっつめは、AIが間違っているときに気づくことだ。AIの限界を知っていて、「これはAIが間違えるパターンだ」と分かる医師は、最後の砦になる。

逆に言うと、これら3つを訓練しないまま、AIの「承認役」だけになった医師は、5年後、患者の評価でAIに負ける。「先生はAIと同じことしか言わない」と。

5. 影に対処する研修医の4つの構え

影は分かった。じゃあ、何をすればいいのか。

この4つは、そんなに難しくない。意識して習慣にするかどうかだ。

意識した研修医と、意識しなかった研修医の差は、5年後に大きく開く。

6. 次のレッスンへ

ここまで5レッスンで、世界の景色（L01-L02）、海の向こうの現場（L03-L04）、影（L05）を見てきた。

次のレッスンでは、自分の足元を見る。

日本だけ、なぜこんなに遅いのか。

OpenEvidenceは日本語版がない。AbridgeもHippocraticも日本未進出。日本の電子カルテは閉じている。診療報酬と医療法は、AIを前提に書かれていない。

なぜか、を構造で見ないと、対処できない。

次は自国の現在地を見にいく。

Sources & Further Reading