週刊Dose 2026年9月21日〜27日

6日分／全64本（論文41・リリース4・ニュース19）

サトシの総括

医療DXエバンジェリスト／薬剤師

AIの助言は、外れたときに人を引きずると数字で出た週

今週は64本を取り上げました。論文41本、ニュース19本、プレスリリース4本です。ニュースは前週の8本から19本に増え、リリースは14本から4本に減りました。テーマでは生成AI・LLMが12本（前週7本）で一番多く、前週最多だった電子カルテ・記録業務は13本から7本になりました。5点をつけたのは8本です。

AIの助言：当たれば精度が上がり、外れると引きずられる

今週いちばん考えさせられたのは、AIの助言が外れたときの話です。薬剤師と薬学生の計77人の処方監査にGPT-4oの助言を付けた試験では、正確性は上がりました（調整OR1.58）。ところがAIが誤ると正答率は26.1%に落ち、誤った助言の73.9%がそのまま受け入れられています。家庭医13人が音声AI診断アシスタントを使った試験でも、上位3診断の正答率は74.6%対62.3%で上がった一方、誤った提案に同調する傾向が見られました。こちらは有意差には届いていません。

論文生成AI・LLM 注目 2026-09-26

薬剤師と薬学生の処方監査にGPT-4oの助言を付けたときの正確性と自動化バイアスを調べたランダム化シミュレーション試験という論文。

学生・レジデント・薬剤師の計77人が10問の症例に回答し、問題ごとにAI助言の有無を割り付けた
AI支援で正確性は上がった（調整OR1.58）が、AIが誤ると正答率は26.1%に落ちた
誤ったAI助言の73.9%がそのまま受け入れられ、AIに反対した場合の正答率は21.7%だった

出典：Am J Health Syst Pharm ／ Impact of AI assistance on pharmacist and pharmacy trainee accuracy and automation bias during medication order verification: A randomized simulation trial.

サトシ

薬剤師として耳が痛いです。AIに逆らったときの正答率が2割というのは、監査の設計ごと見直す話だと感じます。

論文臨床意思決定支援 2026-09-24

リアルタイム音声AI診断アシスタントを使った模擬診療のランダム化シミュレーション試験という論文。

家庭医13人が260件の模擬音声診察を、AI支援ありなしの条件で担当した
上位3診断の正答率はAI支援ありで74.6%、なしで62.3%とAI支援群で有意に高かった(P=.01)
AIが誤った提案をした場面では支援群の方が誤りに同調する割合が高い傾向だったが、有意差はなかった

出典：JMIR Form Res ／ Real-Time Artificial Intelligence Diagnostic Copilot in Simulated Primary Care Consultations: Randomized Simulation Study.

サトシ

便利になるほど間違った提案にも乗りやすくなる、という警告に近い結果だと思います。

評価の物差し：高得点と臨床の質が一致しなかった

評価の物差しそのものがずれていた報告も続きました。不妊治療のLLMでは、自動評価で最高（正解率92.57%）だったGRPOより、専門医は保守的なSFTを高く評価しています。肺CTの基盤モデルは、画像を使わず撮影条件6項目だけでもAUC0.996が出て、結節部分に絞ると外部検証で0.682まで下がりました。AIスクライブ3社の比較では、医師評価で最高だったベンダーの誤りが8件、最少は別ベンダーの3件です。点数の高さと臨床での質が一致しない例が、1週間で3本そろいました。

論文生成AI・LLM 注目 2026-09-22

不妊治療の意思決定支援AIで、自動評価の性能向上が臨床的な質の向上と一致しなかったという論文。

中国の不妊治療の電子カルテ8201件を使い、4種類のLLM調整手法(SFT・DPO・GRPO・ICL)の性能を比較した
自動評価ではGRPOが最高精度(不妊タイプ正解率92.57%)だったが、専門医評価では保守的なSFTの方が高く評価された
幻覚(事実と異なる内容)の発生率はGRPOで15%、SFTで18.5%あり、いずれも臨床導入には至らないと結論づけた

出典：J Med Internet Res ／ The Alignment Paradox of Medical Large Language Models in Infertility Care: Decoupling Algorithmic Improvement From Clinical Decision-Making Quality.

サトシ

数字上の性能が良くても専門医の評価とは一致しない、という冷静な報告です。AIの導入判断は現場の目で見ないといけませんね。

論文画像診断AI 2026-09-24

肺CTの良悪性分類で示された基盤モデルの高精度が、撮影条件の違いによる見せかけだったという論文。

単施設381例のCTで、画像特徴量による分類のAUCは0.994に達した
画像を一切使わず撮影条件6項目だけで分類しても精度はAUC0.996とほぼ同じだった
結節部分だけに絞ると外部検証のAUCは0.682まで下がり、真のがん所見の寄与は限定的だった

出典：J Imaging Inform Med ／ Multicohort Evaluation of Acquisition Confounding in Single-Site Lung-CT Malignancy Classification with Frozen Foundation-Model Features.

サトシ

高いAUCがそのまま実力とは限らない好例です。数字を見たら検証方法まで確認したくなります。

論文電子カルテ・記録業務注目 2026-09-24

アンビエント型AI医療記録システム3社を、医師の主観評価と誤り監査の両面で比較したという論文。

56人の医師が2種類の模擬診察を録音し、3社のAIが生成した記録を7段階で評価した
医師評価で最高評価だったベンダーAは誤り監査で8件、最少の3件だったのは別のベンダーBだった
医師は監査で確認された数より多くの幻覚を指摘する「疑似幻覚」の傾向がみられた

出典：J Am Med Inform Assoc ／ Comparative evaluation of ambient digital scribe systems in clinical documentation.

サトシ

見た目の完成度と正確さは別物だと分かる結果です。導入前に自院で誤りを実際に数えたくなります。

記録AIとお金：米国は資金と請求増、国内は月額の予価

記録AIの周りではお金も動いています。AIスクライブのHeidiは3億4000万ドルを調達し、評価額は9億ドルになったとFierce Healthcareが報じました。一方で米国の保険者団体BCBSAは、病院のAIコーディングで同程度の医療への請求が増えたとして、2年間の追加費用を約9億4,200万ドルと推計しています。これは払う側の分析です。国内では、オプティムが電子カルテ記載の下書きまで作る病院向けスマホサービスを2027年1月に始めると発表しました。予価は1IDあたり月額1,500〜1,980円（税抜）です。

ニュース電子カルテ・記録業務注目 2026-09-24