最後に、検証文化を支える2本の柱を確認します。入れてはいけないもの（PHI）と、取るべき距離（信頼較正）です。
PHIゼロ: 確認してから、送る
生成AIの多くは、入力した内容がサービス側に送られ、場合によっては学習に使われる可能性があります。だから、患者を特定できる情報（PHI）は、AIに入れない。
PHIとは、氏名・生年月日・診察券番号・住所・顔写真、そして組み合わせると個人が特定できる所見まで含みます。「80代女性、○○病院、△△の稀な疾患」のように、単独では匿名でも、重なると特定につながる情報にも注意します。
やることは、送る前の一手間です。
置き換える
氏名・ID・生年月日を記号や仮名にしてから貼る
一般化する
稀な疾患・特徴的な経過は特定につながらないようぼかす
確認する
スクリーンショットに患者情報が写っていないか見てから貼る
法的な詳細（個人情報保護法・医療者の守秘義務）は、その患者データ、使って大丈夫?で扱います。ここで身につけるのは、「送る前に一度止まって確認する」という反射です。
信頼較正: 過信と拒絶の、あいだに立つ
検証は「AIを疑うこと」だと思われがちですが、疑いすぎもまた失敗です。AIとの付き合い方には、2つの極端な失敗があります。
AIとの付き合い方、2つの失敗
AIの答えを無批判に信じる
用量も引用も確かめずに使ってしまう
一度の間違いで「AIは信用できない」と全否定する
使える場面でも使わない
正しい立ち位置は、この2つのあいだにあります。AIが得意な場面では信頼し、苦手な場面では確かめる。この距離の調整を、信頼較正（trust calibration）と呼びます。
これは思いつきの標語ではなく、医師のAI活用能力を定めた国際的なコンピテンシー枠組み（AI-PACE や AAMC の原則）でも、中核の能力として挙げられています。
較正できる医師が、いちばん速い
ここまでのコースは、すべてこの較正のためにありました。
仕組みを知る
どこで間違えるかが分かるから、過信しない
確かめる型を持つ
急所だけ確認すればいいから、拒絶しない
強さで語り分ける
根拠の重みが分かるから、振り回されない
見破りドリル
目が鍛えられるから、恐れずに使える
較正ができる医師だけが、AIの速さと安全の両方を手にします。
これが、AMPLの学習すべてを貫く背骨です。この先どのコースでAIツールを覚えても、最後は必ずここに戻ってきてください。
参考文献
- Kawakita T, Wong MS, Gibson KS, et al. Application of Generative AI to Enhance Obstetrics and Gynecology Research（人による検証の必要性・PHIの扱いに言及）. Am J Perinatol. 2025;42(16):2094-2103. DOI（According to PubMed, PMID 40393680）