週刊Dose 2026年8月3日〜9日

サトシの総括

医療DXエバンジェリスト／薬剤師

説明を付ければ良くなる、わけではないと分かった最初の週

このサイトの収集を始めた週です。2日分で20本を取り上げました。論文16本、プレスリリース4本です。テーマは記録業務、意思決定支援、予測モデルが4本ずつで、特定の分野に偏らずに始まりました。

説明付きAIの効き方は、読む人によって逆になる

皮膚科の診断支援で、AIの説明が一般人623人とかかりつけ医153人にどう働くかを比べた研究が出ました。一般人はAIが正しいときだけ精度が上がり、誤ったときは下がっています。医師は正誤にかかわらず精度が上がりました。先にAIの答えを見せるほど引きずられるという結果も付いていて、出す順番の設計が効いてくる話です。

論文 臨床意思決定支援 注目 2026-08-09

説明付きAIによる皮膚科診断支援が、一般人と医師で正反対の効果を示したという論文。

• 一般人623人とかかりつけ医153人を対象に、AIの診断説明が判断に与える影響を比較実験で検証した
• 一般人はAIが正しい時は精度が上がり誤った時は下がる自動化バイアスを示したが、医師は正誤に関わらず精度が向上した
• AIの診断結果を先に提示すると、より強いアンカリングバイアスが生じることも確認された

出典：Nat Med ／ Divergent impacts of explainable AI for dermatological diagnosis on clinicians versus lay people.

サトシ

説明があれば安心というのは素人の発想で、経験を積むと表示のされ方に振り回されなくなるのが面白い。

アラートに文脈を足す試みが、実運用で評価された

敗血症のアラートにLLMで看護記録の文脈を付けるCOMPOSER-LLMが、大規模病院2施設の救急部門で動かされました。アラートが「感染疑いなし」として却下される割合が、事前の傾向から予測される水準より下がっています。経験5年未満の看護師のほうが、アラートの後に感染を疑う傾向が強かったという違いも出ました。道具の性能だけでなく、受け取る人によって効果が変わります。

論文 臨床意思決定支援 注目 2026-08-09

LLMで臨床記録を解析し敗血症アラートを強化するCOMPOSER-LLMを、救急部門で実運用評価した論文。

• 大規模病院の救急部門2施設で、LLMが看護記録を解析して敗血症リスクのアラートに文脈情報を付与するシステムを導入した
• 導入後、アラートが「感染疑いなし」として却下される割合は事前の傾向から予測される水準より有意に低下した
• 経験5年未満の看護師は経験豊富な看護師よりもアラート後に感染を疑う傾向が強く、経験差による受け止め方の違いも見られた

出典：Npj Health Syst ／ Improving sepsis best practice utility and clinical acceptance using an LLM-enhanced prediction system.

サトシ

アラート疲れが問題になる現場で、根拠を添えるだけで受け止め方が変わるのは実装のヒントになる。

国内は事務の自動化と、被災地への遠隔医療

国内の発表では、紙カルテや書類を撮影して送るとレセコン入力と返戻・加算チェックまで行うAIエージェントが出ました。初期費用と月額固定費をゼロに置いて、患者数に応じた課金か定額かを選ばせる形です。熊本地震の被災地に遠隔医療システムを緊急導入した発表もありました。東北大学病院のデータで学習した医療特化LLMで退院サマリーを書かせた報告も、同じ週です。

リリース 電子カルテ・記録業務 注目 2026-08-08

病院向けにカルテやX線照射録を撮影して送るだけでレセコン入力や保険請求チェックまで行うAIエージェントを提供開始したという発表。

• 紙カルテや各種書類をスキャンまたは撮影して送信するだけで、既存のレセコンへの入力と保険請求の返戻・加算チェックを行う。
• 初期費用0円、月額固定費0円、契約期間の縛りなしで、患者1人あたりの従量課金か月額定額プランを選べるとしている。
• 既存のカルテ・レセコンをそのまま使う設計で、最終的な入力内容の確認と更新は人が行うとしている。

出典：株式会社クラシテク ／ 株式会社クラシテク、病院向けAIエージェント「SHISHIビョウイン」を提供開始。初期費用・固定費・契約縛りゼロ。カルテやX線照射録を撮って送るだけでレセコン入力完了。加算・返戻チェックもAIが実行。

サトシ

初期費用も固定費もゼロなら、現場は試しやすい。ただ最終確認は人がやる前提だから、業務が本当に楽になるかは運用次第だと思う。

論文 電子カルテ・記録業務 2026-08-09

東北大学病院のデータで学習した医療特化LLMで退院サマリー作成を試した報告。

• 看護記録から退院時サマリーを自動生成する実証と、治験の適格基準に基づく複雑な症例抽出の実証を行った
• 生成されたサマリーは看護師作成分と同等の質と評価され、従来の検索では抽出できなかった症例も見つけられた
• 生成AI特有のハルシネーションのリスクも確認され、臨床実装には人によるチェック（human-in-the-loop）が欠かせないとした

出典：Gan To Kagaku Ryoho ／ [Creation of Patient Summaries from Electronic Medical Records and Integration of Medical Knowledge via Large Language Models-Next-Generation Medical DX and Drug Discovery Support Opened Up by Natural Language Processing].

サトシ

質が同等でも人のチェックは外せないという当たり前の結論が、逆に実装の現実を表している。