週刊Dose 2026年8月17日〜23日

6日分 / 全50本(論文39・リリース11)

サトシ

サトシの総括

医療DXエバンジェリスト/薬剤師

承認は1,357件、患者アウトカムを見た研究は3件

50本を取り上げました。論文39本、プレスリリース11本です。5点を付けた記事が18本とこの時期で最も多く、実運用の評価が集まった週でした。

承認と検証のあいだに開きがある

米FDAが承認したAI医療機器1,357件のうち、患者アウトカムを評価した研究があるのは3件、0.2%だったという報告が出ました。承認されていることと、患者の結果が良くなると確かめられていることは別だという話です。同じ週に、音声からパーキンソン病を拾うAIのAUC 0.85〜0.97が、その多くは年齢による交絡だったという報告も出ています。高い数字が何に由来するのかまで見る必要があります。

米FDAが承認したAI医療機器1357件のうち、患者アウトカムを評価した研究はわずか3件(0.2%)にとどまったという論文。

  • 2025年12月5日時点のFDA承認AI/ML医療機器全件を対象に、ClinicalTrials.govとPubMedへの登録・掲載を横断的に調査
  • 1357件中、登録された前向き試験に紐づくのは34件(2.5%)、患者アウトカムを評価したのは3件(0.2%)のみだった
  • 研究の62%は観察研究で小規模・単一集団が多く、脆弱な集団が除外される例も目立ったと指摘している

出典:PLOS Digit Health / 1,357 AI medical devices cleared, 3 actually tested on patient outcomes.

サトシサトシ
承認された1357件のうち転帰まで見た研究が3件というのは、規制と検証のギャップがどれだけ大きいかを示す数字だと思います

音声によるパーキンソン病スクリーニングAIの高い精度(AUC0.85-0.97)の大部分が、実は年齢の交絡によるものだったという論文。

  • Bridge2AI音声データセットを用い、パーキンソン病253人・認知症221人の分類モデルを年齢のみのロジスティック回帰と比較
  • 全コホートでは年齢のみのモデルとAIモデルの精度に統計的な差がなく(AUC0.875対0.843, p=0.36)、年齢が主要な手がかりだった
  • 年齢を60〜80歳に絞り交絡を調整すると、疾患特異的な信号は残る(AUC0.726〜0.798)もののフルコホートの数値より大きく下がった

出典:J Med Internet Res / Demographic Confounding in Voice-Based Parkinson Disease Screening: Methodological Analysis of the Bridge2AI Voice Dataset.

サトシサトシ
AUC0.9超えという数字がどこまで疾患そのものを見ているのか、年齢の影ではないか疑う視点は他の音声AI研究にも当てはまる話です

実際の診療に置いて前向きに測る研究が増えた

造影CTで肝悪性腫瘍を診断するAIを読影補助として日常診療に組み込み、1万333人で前向きに評価した研究。複数のLLMを組み合わせた救急外来の支援システムを4週間・1,138人で評価した研究。どちらもこの週です。アンビエントAIの大規模導入では、1回の診察あたりの記録時間が5.54分から4.09分へ26.2%減り(p<0.001)、手入力は51.7%減りました。ノートの文字数は28.8%増えています。

論文 画像診断AI 注目 2026-08-21

造影CTで肝悪性腫瘍を診断するAIシステムを日常診療に読影補助として組み込み、1万333人の実診療で前向きに評価したという論文。

  • 6443人で学習したAIモデルを2万2251人で多施設検証した上で、1万333人の実診療に読影補助として組み込む単群試験を実施
  • AI導入で見落とされていた病変51件(うち悪性15件)を新たに発見し、放射線レポートの修正37件・多職種カンファ移行22件につながった
  • 単群デザインで対照群を置いておらず、実際の診断精度向上が臨床転帰の改善につながるかは今後の比較試験で確認が必要としている

出典:Nat Med / Large-scale AI-guided liver malignancy diagnosis: multicenter study and a single-arm trial.

サトシサトシ
見落とし50件超をAIが拾い上げたのは大きい。読影の最後の砦としての使い方は消化器領域でも参考になります

複数州の医療システムで大規模導入したアンビエントAI文書化ツールが、記録時間と医師のウェルビーイングに与えた効果を検証したという論文。

  • 外来医師・APP210人を対象に、DAX Copilot導入前後8カ月間のEHR操作ログと導入45日後のアンケートを比較
  • 1回の診察あたりの正味記録時間は5.54分から4.09分へ26.2%減少し(p<0.001)、手入力は51.7%、コピペは42.7%減った
  • ノート文字数は28.8%増えたが、回答者(回答率26.4%)の多くが燃え尽き感の軽減や継続利用の意向を示した

出典:Appl Clin Inform / Large-Scale Implementation of Ambient AI Documentation and Its Effects on EHR Efficiency and Clinician Well-Being.

サトシサトシ
26%の時間短縮という数字は説得力があります。ただ回答率26%なので満足度の数字は割り引いて見た方がよさそうです

国内は入力と転記を削る方向に集まった

電子カルテの患者IDを自動で認識して録音データに紐づける機能、処方箋の事前送信をAI-OCRでレセコンに流し込みGoogleの予約サービスとつなぐ仕組みが発表されました。診断そのものより、その前後の入力を削る話です。効果を測りやすい領域でもあります。

電子カルテの患者IDを自動認識して録音データに紐づける新機能を、カルテAIアシスタント「MC-Drive for Clinic」に追加したという発表。

  • 全国100件の医療機関・保険薬局(2026年6月末時点)で稼働するサービスに、2026年7月1日から患者ID自動認識機能を追加
  • 月額利用料は1台目4万円・2台目以降1台ごとに1万円で、録音データは診療日ごとに最大60日間保存される
  • 対応する電子カルテはメディコム社製のMedicom-HRfとクラウドカルテに限られ、他社カルテとの連携には別途動作検証が必要

出典:東日本メディコム株式会社 / 【医療DX/診療記録の負担軽減】カルテAIアシスタント「MC-Drive for Clinic」、電子カルテの患者IDを自動認識する新機能を提供開始

サトシサトシ
患者IDが自動で紐づくのは地味だけど地味に効く機能。共有や引き継ぎの手間はこういう細部の積み重ねで減っていく実感があります

処方箋の事前送信をAI-OCRでレセコンへ自動連携する仕組みを、Googleの予約サービス「Reserve with Google」と連携させたという発表。

  • 全国7000店舗以上に導入済みのAI-OCR「薬師丸賢太」と、月間1300万人が利用する「ユビー」を連携し、首都圏の調剤薬局約300店舗でサービス提供を開始
  • Google検索・マップの「Reserve with Google」から薬局を予約すると、処方箋画像をAIが解析しレセコンへ自動出力する
  • 対象は東京・神奈川・千葉の大手チェーン加盟約300店舗からで、全国7000店舗への展開時期は明言されていない

出典:NeoX株式会社 / NeoX、Ubieが開始する「Reserve with Google」と連携を開始 処方箋事前送信をAI-OCR「薬師丸賢太」がレセコンへ自動連携

サトシサトシ
予約から入力までを一気通貫でつなぐ発想は良いですが、まずは300店舗規模での使い勝手の検証が見どころです

特に注目された10本

救急部14施設・31万件超のカルテでアンビエントAIの導入効果を後ろ向きに検証したという論文。

  • 米国の救急外来14施設、約31万件のカルテのうち8.6%でAI使用。2024年5月〜2025年6月の実運用データを前後比較した
  • 傾聴評価の高評価率は82.0%対76.6%(p=0.003)、コピペ由来の記載は9.4%対18.3%に半減、NASA-TLXは40.2点低下した
  • 自主的な利用でAI使用率は8.6%にとどまり、正味の編集時間には有意差がなかった(p=0.349)

出典:Appl Clin Inform / The Effect of Ambient AI Documentation on Clinician Workload, Efficiency, and Patient Experience in a Multisite Emergency Department Network.

サトシサトシ
使用率8.6%というのが現実的な数字だと思います。TLXは下がっても編集時間は変わらないところが実感に近いです。

ドイツの心臓センターで、LLMパイプラインが医師記載の心血管リスクスコアの精度を上回ったという論文。

  • 心房細動179例と大動脈弁狭窄76例の診療記録から6種のLLMに3つのリスクスコアを算出させ専門家判定と比較した後ろ向き研究
  • 専門家判定との一致度はパイプライン0.78、医師0.39、単体LLM0.32で、数値の誤差もパイプラインが最小だった
  • 対象はドイツの心臓センター1施設のみで、対象疾患も心房細動と重症大動脈弁狭窄の2病型に限られる後ろ向き研究

出典:Eur Heart J Digit Health / Development of an LLM pipeline exceeding physician-documented cardiovascular risk scores under routine clinical conditions.

サトシサトシ
スコア計算みたいな決定的な部分だけLLMに切り出す設計が賢いと思う。丸ごと任せるより再現性が出やすい。

中国の放射線レポート1363件でLLMの誤り検出精度を放射線科医と比較したという論文。

  • 2023〜2024年の実診療で生じた誤りを含む中国語放射線レポート1363件を対象に、8種のLLMと8人の読み手の誤り検出を比較した
  • 最高性能のDeepSeek-R1はテストセットで検出率89%を記録し、上級放射線科医の78%を上回り、外部検証セットでは94%に達した
  • 対象は単施設の中国語レポートが中心で、外部検証は200件の英語レポートのみと限られる

出典:J Med Internet Res / Error Detection and Correction in Chinese Radiology Reports Using Large Language Models: Real-World Clinical Validation Study.

サトシサトシ
レポートのダブルチェックにこの精度なら現実的。ただ中国語での結果で、日本語でどこまで再現するかは別問題。

肝胆膵手術650例の退院時サマリーから、LLMに術後合併症のグレード分類をさせたという論文。

  • 2010〜2024年の肝胆膵手術650例を対象に、6種のLLMにゼロショットでClavien-Dindo分類を判定させ専門家評価と比較した
  • 二値分類(合併症の有無)の精度は0.93〜0.94で、専門家2名間の一致度(κ=0.75)に迫るκ0.76〜0.79を示した
  • 詳細な5段階分類の精度は0.75〜0.78にとどまり、二値分類ほどの精度は出なかった

出典:J Med Internet Res / Zero-Shot Classification of Postoperative Complications From Real-World Discharge Letters According to the Clavien-Dindo System Using Large Language Models in Liver Surgery: Comparative Study.

サトシサトシ
肝胆膵の退院サマリーは自分の領域に近い。合併症の重症度判定を自動で一次仕分けできるのは大きい。
論文 画像診断AI 注目 2026-08-21

造影CTで肝悪性腫瘍を診断するAIシステムを日常診療に読影補助として組み込み、1万333人の実診療で前向きに評価したという論文。

  • 6443人で学習したAIモデルを2万2251人で多施設検証した上で、1万333人の実診療に読影補助として組み込む単群試験を実施
  • AI導入で見落とされていた病変51件(うち悪性15件)を新たに発見し、放射線レポートの修正37件・多職種カンファ移行22件につながった
  • 単群デザインで対照群を置いておらず、実際の診断精度向上が臨床転帰の改善につながるかは今後の比較試験で確認が必要としている

出典:Nat Med / Large-scale AI-guided liver malignancy diagnosis: multicenter study and a single-arm trial.

サトシサトシ
見落とし50件超をAIが拾い上げたのは大きい。読影の最後の砦としての使い方は消化器領域でも参考になります
論文 生成AI・LLM 注目 2026-08-21

複数のLLMを組み合わせた救急外来向け臨床意思決定支援システム「SHAKED」を4週間・患者1138人規模で前向きに評価したという論文。

  • 三次医療機関の救急外来で、SHAKED使用ユニットと通常運用ユニットに分けて4週間・患者1138人を対象に前向き評価を実施
  • 臨床での採用率はシフト経過とともに68%から30%まで低下し、滞在時間は両群とも4.9時間で差がなかった(p=0.99)
  • 精度の問題ではなく、業務負荷が高まるほど医師の利用が離脱する傾向が主な障壁で、現時点では臨床導入を正当化しないと結論している

出典:Nat Med / Prospective evaluation of a large language model clinical decision support system in the emergency department.

サトシサトシ
精度は悪くないのに使われなくなるという結果が面白い。臨床AIの壁はアルゴリズムより運用側にあるという話です

複数州の医療システムで大規模導入したアンビエントAI文書化ツールが、記録時間と医師のウェルビーイングに与えた効果を検証したという論文。

  • 外来医師・APP210人を対象に、DAX Copilot導入前後8カ月間のEHR操作ログと導入45日後のアンケートを比較
  • 1回の診察あたりの正味記録時間は5.54分から4.09分へ26.2%減少し(p<0.001)、手入力は51.7%、コピペは42.7%減った
  • ノート文字数は28.8%増えたが、回答者(回答率26.4%)の多くが燃え尽き感の軽減や継続利用の意向を示した

出典:Appl Clin Inform / Large-Scale Implementation of Ambient AI Documentation and Its Effects on EHR Efficiency and Clinician Well-Being.

サトシサトシ
26%の時間短縮という数字は説得力があります。ただ回答率26%なので満足度の数字は割り引いて見た方がよさそうです

音声によるパーキンソン病スクリーニングAIの高い精度(AUC0.85-0.97)の大部分が、実は年齢の交絡によるものだったという論文。

  • Bridge2AI音声データセットを用い、パーキンソン病253人・認知症221人の分類モデルを年齢のみのロジスティック回帰と比較
  • 全コホートでは年齢のみのモデルとAIモデルの精度に統計的な差がなく(AUC0.875対0.843, p=0.36)、年齢が主要な手がかりだった
  • 年齢を60〜80歳に絞り交絡を調整すると、疾患特異的な信号は残る(AUC0.726〜0.798)もののフルコホートの数値より大きく下がった

出典:J Med Internet Res / Demographic Confounding in Voice-Based Parkinson Disease Screening: Methodological Analysis of the Bridge2AI Voice Dataset.

サトシサトシ
AUC0.9超えという数字がどこまで疾患そのものを見ているのか、年齢の影ではないか疑う視点は他の音声AI研究にも当てはまる話です

処方箋の事前送信をAI-OCRでレセコンへ自動連携する仕組みを、Googleの予約サービス「Reserve with Google」と連携させたという発表。

  • 全国7000店舗以上に導入済みのAI-OCR「薬師丸賢太」と、月間1300万人が利用する「ユビー」を連携し、首都圏の調剤薬局約300店舗でサービス提供を開始
  • Google検索・マップの「Reserve with Google」から薬局を予約すると、処方箋画像をAIが解析しレセコンへ自動出力する
  • 対象は東京・神奈川・千葉の大手チェーン加盟約300店舗からで、全国7000店舗への展開時期は明言されていない

出典:NeoX株式会社 / NeoX、Ubieが開始する「Reserve with Google」と連携を開始 処方箋事前送信をAI-OCR「薬師丸賢太」がレセコンへ自動連携

サトシサトシ
予約から入力までを一気通貫でつなぐ発想は良いですが、まずは300店舗規模での使い勝手の検証が見どころです
リリース その他 注目 2026-08-21

全身MRIスキャンとAIを組み合わせた予防医療サービス「AI Dock」が正式提供を開始し、シードラウンドで約2.6億円を調達したという発表。

  • 被ばくのないMRI撮像法DWIBSを中核に、脳MRI・肺CTなどの画像検査と血液検査、ライフスタイルデータを統合した検査サービスを開始
  • シードラウンドで約2.6億円を調達し、出資者には人間ドック予約サイト運営のマーソ社などが名を連ねる。個別の出資額は非開示
  • 検査後の継続支援を担う「ナラティブAIレポート」や「パーソナルAI」について、現時点で具体的な精度や効果のデータは示されていない

出典:BEC / BECのカンパニークリエーション第一弾、AI Dock社が全身スキャン×AIの予防医療サービス「AI Dock」正式提供を開始、シードラウンド約2.6億円を調達

サトシサトシ
検査を受けて終わりにしないという発想は良いけど、AIレポートの中身がどこまで臨床的に妥当かは今後の検証次第だと思う

テーマの内訳

この週の日次ページ