「AIが医師の仕事を奪う」という話題を耳にする機会が増えました。
特に放射線科医は、その標的として頻繁に名前が挙がります。
しかし、NVIDIAのCEO Jensen Huangは興味深い見解を示しています。
本記事では、Fortune誌のインタビュー記事を起点としたRedditでの議論を参考に、医療画像診断におけるAIの現状と限界について考察します。
Jensen Huangの発言：タスクと目的の区別
Jensen Huangは、放射線科医の仕事について次のような趣旨の発言をしました。
放射線科医の役割はスキャンを撮ることではない。
その画像を解釈して病気を診断することにある。
そして、画像を研究すること自体は、病気を診断するためのタスクに過ぎない、と。
この発言は一見シンプルに見えます。
しかし、その本質は深いものです。
AIが得意とするのは「タスク」の処理です。
一方、放射線科医が担うのは「診断」という目的の達成。
この違いを理解することが、AIと医療従事者の関係を考える上で重要になってきます。
現場で使われているAIツールの実態
Reddit上では、実際に医療現場で働く人々から多くのコメントが寄せられていました。
AIDOCというプログラムがあります。
このツールは、頭部CTでの出血検出、頸椎の骨折検出、CTA画像での閉塞や動脈瘤の検出に使われているそうです。
ある放射線科医は約6ヶ月の使用経験を共有していました。
頸椎骨折の検出については、いくつかの骨折を拾い上げる一方で、誤検出も同程度発生しているとのこと。
一方、CTA脳動脈瘤・閉塞の検出や脳出血の検出については「非常に有用」との評価でした。
別の医療機関からは、気胸検出ツールをオフにせざるを得なかったという報告もありました。
理由は、偽陽性と偽陰性の両方が多すぎて、臨床上使い物にならなかったから。
肺塞栓症の検出については評価が分かれています。
「唯一本当に役立っている部分」という声もあれば、末梢の小さな塞栓とアーチファクトの区別が難しいという意見も。
アラートの優先度設定に苦慮しているという現場の声が印象的でした。
AIの定義を巡る議論
興味深いのは、「AIとは何か」についての議論です。
Jensen HuangがPodcastで「すべての放射線科医は何らかの形でAIを使っている」と発言しました。
これに対して、懐疑的な反応もありました。
しかし、あるコメントはこう指摘しています。
AIはLLMや生成モデルだけではない。
機械学習技術は医療画像の分野で数十年前から使われてきた。
現在のセグメンテーションツールの多くは畳み込みニューラルネットワークを使っている。
さらに、スキャナー自体にも超解像度処理、モーション補正、高速再構成などでAI技術が組み込まれている、と。
この視点は重要です。
私たちは「AI」という言葉を聞くと、ChatGPTのような対話型AIを想像しがち。
でも実際には、AIは広い概念です。
その一部は既に医療機器の中で静かに機能しているのです。
ただし、別のコメントでは慎重な見方も示されていました。
医療画像分野では確かに多くの計算処理のイノベーションがあった。
新しいハードウェアや従来型アルゴリズム（MRIの圧縮センシングなど）の進歩もある。
だから、ベンダーが製品に貼る「AI」というラベルに、すべてのパフォーマンス向上を帰属させるべきではない、という指摘です。
深層学習と従来のAIの違い
この議論をさらに整理するコメントがありました。
「人工知能」は傘のような用語です。
コンピュータが人間の知的活動に参加する方法全般を指します。
40年前のチェスコンピュータのアルゴリズムも「AI」に分類される。
その中に「機械学習」があります。
これはニューラルネットだけでなく様々なアルゴリズムを含む概念。
Excelで行う線形回帰フィットも、広義には機械学習と言えます。
機械学習の特徴は、データからの手動での特徴抽出が必要なこと。
そして機械学習の中に「深層学習」があります。
これが現在の「AI」ツールの中心。
ニューラルネットと計算能力による自動的な特徴抽出がその特徴です。
放射線科は確かに長年にわたって一般的な「AI」や機械学習技術から恩恵を受けてきました。
しかし、深層学習技術の応用はまだ発展途上にある。
そう見ることもできるでしょう。
人間にしかできないこと
Redditのコメントの中で、ある放射線技師の言葉が印象的でした。
AIが、鎮静剤でケタミンホールに落ちかけている患者をガントリーから飛び降りないようにする仕事を引き継いでくれるなら歓迎だ
これは皮肉を込めた表現です。
しかし、本質を突いています。
医療現場には、画像解析だけでは対処できない場面が無数にある。
人間の判断と対応が必要な瞬間の連続なのです。
また、「手技のスキルを磨け。
スーツ姿の人間を信用するな。
彼らは金儲けのためにいるだけだ」というコメントもありました。
放射線科医の中でも、診断読影だけでなくインターベンショナル・ラジオロジー（IVR）のような手技を行う領域があります。
こうした領域は、AIによる代替が困難です。
AIは置き換えではなく補助
何年も前から言い続けてきた。 放射線科でのAIの最善の使い方は、放射線科医や技師の仕事を補助すること。 置き換えることではない
この見方は多くの医療従事者に共有されているようです。
AIツールの役割として期待されているのは、次のような機能です。
- 優先度の高い症例を素早く見つけ出すトリアージ
- 見落としを防ぐダブルチェック
しかし、最終的な診断と患者への説明は人間が行う。
この構図は変わりません。
現状のAIツールは、感度・特異度ともにまだ完璧とは言えません。
偽陽性が多ければワークフローを妨げる。
偽陰性が多ければ信頼性を損なう。
そのバランスを取りながら、人間とAIが協働するモデルが現実的な解となりそうです。
まとめ
Jensen Huangの発言は、AIと医療従事者の関係を考える上で示唆に富んでいます。
画像を分析するというタスク。
病気を診断するという目的。
この二つは同じではありません。
AIはタスクの効率化において大きな力を発揮します。
しかし、診断という目的の達成には、人間にしかできない要素が数多く含まれています。
文脈の理解、患者とのコミュニケーション、臨床的判断。
これらは現時点でAIには難しい領域です。
現場からの声を聞くと、AIツールの有用性は領域によって大きく異なることがわかります。
動脈瘤検出のように「非常に有用」と評価されるものもある。
一方、気胸検出のように「オフにせざるを得なかった」ものもある。
AIの進化は続くでしょう。
しかし、少なくとも現時点では、AIは放射線科医を「置き換える」存在ではありません。
「補助する」存在として機能しています。
この関係性が将来どう変化するかは誰にもわかりません。
ただ、タスクと目的の違いを理解しておくこと。
これは、技術の進化に振り回されないために重要な視点となるはずです。
