医療ほど声高なAIマーケティングを引き寄せる業界はなく、そしてそれを厳しく罰する業界もない。過剰に約束する営業ツールなら、代償は一四半期の不振で済む。過剰に約束する臨床ツールの代償は信頼であり、時にはそれ以上だ。だから医療AIを誠実に概観するなら、まずこの分野を三つの山に仕分けることから始めなければならない。すでに導入され機能しているもの、真に有望だがまだ初期段階のもの、そして白衣をまとったプレスリリースにすぎないものだ。
朗報は、最初の山がいまや現実になっていることだ。かつては夜に記録を書き終えていた臨床医が、実際の診察室でアンビエント記録アシスタントを使っている。文献レビューのために論文のスクリーニングに何週間もかけていた研究者が、そのスクリーニングを数時間でこなしている。医療システムは、そもそも医師を必要としなかった事務的な配管作業（予約、受付、フォローアップ電話）を自動化している。
本稿では、実際に仕事をこなしている具体的なツールとともに、各山を順に見ていく。ここでリンクしているものはすべて当ディレクトリからのもので、医療・ライフサイエンス向けAIツール241件の全コレクションを閲覧できる。
臨床記録：医療AIがその真価を発揮する場所
医療で最も華のない問題から始めよう。記録だ。あらゆる受診が記録を生み、長年こんな定番の冗談があった——医師は一日中患者を診て、本当の仕事、つまりタイピングは夜にやる、と。
アンビエント記録アシスタントはこれに正面から取り組む。[Nabla](/ja/ai-agent/nabla) は臨床会話を聴き取って記録を下書きし、記録の質とコーディングの正確さを狙ったアンビエントキャプチャ、口述、リアルタイムインテリジェンスを提供する。その掲げる目標は未来的な医療ではない。事務負担と臨床医の燃え尽きを減らすことであり、それが誰が実際にこれを買っているのか、そしてなぜかを物語っている。
Abridge も同じ領域を手掛けており、その導入の証拠は一次情報として読む価値がある。UVM Health Network の事例研究は、Abridge のアンビエント記録を展開した後に臨床医の充実度が53%改善したと報告している。この数字が重要なのは、まさにそれがモデルのベンチマークではなく臨床医の働く日々を測っているからだ。
誠実な留保事項はこうだ。アンビエント記録アシスタントは下書きするのであって、署名はしない。どの記録も診療録に入る前に臨床医のレビューを依然として必要とし、用量や否定（「胸痛なし」対「胸痛」）を聴き間違えるアシスタントは、見た目は整った誤りを生み出す。ツールは実際の時間を節約するには十分によいが、読み直しを飛ばせるほどよくはなく、まともなベンダーは誰もそれ以外を主張していない。
文献調査：すでに機能しているもう一つの導入
二つ目の堅固な山は研究者のものだ。彼らには彼らなりの記録問題がある。文献は誰も読み切れないほど速く増え続ける。
[Elicit](/ja/ai-apps/elicit-ai-for-scientific-research) は1億3,800万本を超える学術論文を横断検索し、システマティックレビューの一部を自動化し、論文からデータを構造化された表へ抽出する。医療用途で最も重要な細部は、文単位の引用だ。あらゆる主張が出典の正確な一文を指し示すため、検証は信仰の行為ではなくワンクリックになる。
[Consensus](/ja/ai-apps/consensus-ai-for-research) は同じ問題に別の切り口で挑む。査読済み文献を対象とする検索エンジンで、公表された研究が実際に見出したことをもって問いに答えるよう作られ、その上にフィルタリングと要約が載っている。大量に抽出・スクリーニングするときは Elicit を使う。特定の問いについて文献が何を言っているのか、素早く出典付きで把握したいときは Consensus を使う。
どちらも、本物のシステマティックレビューにおける判断——組み入れ基準、質の評価、相反する所見の重み付け——を置き換えはしない。両者は機械的な中間部分を圧縮するのであって、抽出したデータは出典論文に照らして依然として抜き取り検査すべきだ。抽出の誤りは、静かな誤りだからである。
研究の執筆段階については、[Trinka AI](/ja/ai-apps/trinka-ai) が、言い換え、剽窃チェック、出版準備ツールを備え、学術・技術・医学のライティング向けに特化して作られた文法・言語チェッカーだ。汎用アシスタントより狭いが、それこそが要点である。
これが日々の仕事なら、ブックマークに値する閲覧ページが二つある。研究者向けAIツールと文書要約用ツールだ。
事務自動化：華はないが、静かに最大の面
医療システムでAIを導入する最も安全な場所は、患者とのやり取りが臨床的判断を必要としないところすべてだ。予約、給付に関する質問、退院後フォロー、ケアギャップへのアウトリーチ。そして、そこに量が眠っている。
[Hippocratic AI](/ja/ai-agent/hippocratic-ai-healthcare-agent) はまさにこの領域向けに生成エージェントを構築し、医療システム、支払者、製薬企業に向けて、ケアマネジメント、患者アクセス、再入院防止といったユースケースをカバーしている。研究する価値のある設計上の判断はこうだ。そのエージェントは診断せず、処方もしない。この制約は詫びるべき限界ではない。それこそが製品が導入可能である理由であり、同社はこれまでに1億8,000万件を超える臨床的やり取りを報告している。
医療AIにおいて最初にスケールするツールは、規制当局が線を引かねばならなくなる前に、自ら境界を引いたツールだ。
支払者側では、Oscar の事例研究が、健康保険のプロセスを自動化しコストを削減するためにAIを用いる例を述べている。請求まわりの書類仕事は、賭けられているものが臨床的ではなく金銭的である、もう一つの場所であり、それゆえ反復が安上がりだ。
ライフサイエンス企業も社内で同じ戦法を実行している。Moderna による ChatGPT Enterprise の導入は、臨床向けではなく全社的な生産性ロールアウトだ。そしてNovo Nordisk の事例研究は、創薬における臨床記録作業を数週間から数分へ短縮したと報告している。規制上の書類は、結局のところ文書の問題であり、文書の問題こそ現在のモデルが最も得意とするものだ。
ここでの留保事項はエスカレーションだ。患者に向き合うエージェントの安全性は、その引き継ぎ次第でしかない。給付に関する電話が「それと、ずっと胸が痛いんです」に変わった瞬間、システムには、設計されているだけでなくテスト済みの、人間へのルートが必要になる。
創薬：本物の科学、長い導火線
構造予測は、以前は単に不可能だったことを生物学でAIが成し遂げている最も明快な事例だ。[AlphaFold 3](/ja/ai-model/alphafold-3-google-deepmind) はタンパク質構造と、それが他の分子と行う相互作用を予測し、[ESMFold2](/ja/ai-model/esmfold2-protein-structure-prediction) はアミノ酸配列から高解像度の全原子3D構造を予測し、そのモデルをオープンアクセスで提供している。
研究ツールとしては、これらは導入され機能している。構造生物学者は、誰もが検索を使うのと同じように、これらを使っている。だが創薬パイプラインとしては、導火線が長い。予測された構造は仮説であって分子ではない。ウェットラボでの検証、合成、臨床試験は依然としてモデルの出力と患者の間に立ちはだかっており、最初の段階が短くなったからといって、その後のどの段階も短くはならなかった。この山はこう分類しておこう。研究者にとっては今日すでに機能しているが、臨床に届くものを変える手段としては有望だがまだ初期だ、と。
大規模診断：誠実な「まだだ」
診断AIは、マーケティングが最も声高で、導入の物語が最も薄い場所であり、その隔たりは構造的なものであって、モデルの質の問題ではない。診断ツールは規制対象の医療機器だ。それを使う各施設の集団と機器で自らを証明し、臨床ワークフローに統合され、そして誤ったときに何が起きるかという責任の問いに答えねばならない。
そのどれも不可能ではない。狭い診断補助は今日、医療システムの内部に存在する。だが消費者規模の現実としての「AIがあなたのスキャンを読む」は、二つ目の山の主張を一つ目の山の自信で売っているものだ。この記事で機能している導入が、記録、研究、事務のまわりに集まっているのは示唆的だ。それらは、誤った出力が、すでにワークフローに組み込まれていた人間のレビュー段階で捕まえられる場所である。
| カテゴリ | 代表的なツール | 2026年の立ち位置 |
|---|---|---|
| 臨床記録 | Nabla、Abridge | 導入済みで機能中。記録には依然として臨床医の署名が必要 |
| 文献調査 | Elicit、Consensus、Trinka | 導入済みで機能中。判断は人間に残る |
| 事務・患者オペレーション | Hippocratic AI、Oscar | 大量に導入済み。安全性はエスカレーション経路に依存 |
| 創薬 | AlphaFold 3、ESMFold2 | 研究者には機能中。臨床を変えるには数年先 |
| 大規模診断 | なし | 狭い補助は存在。広範な主張は導入を追い越している |
マーケティングと製品を見分ける方法
いくつかのパターンが、買える医療AIと、大半がランディングページにすぎない医療AIとを分ける。
- 製品は、自らがしないことを明言する。Hippocratic AI が「診断も処方もしない」を筆頭に掲げるのは、弱みではなく信頼性のシグナルだ。
- 証拠は導入を名指しする。具体的な医療システムでの事例研究は、分母も母集団も著者もない正確度の百分率に勝る。
- ワークフローは人間を含む。どんなベンダーにも、臨床医が出力をレビューし、修正し、署名するその瞬間を一通り案内してもらうこと。デモがその段階を飛ばすなら、製品もそれを飛ばしている。
- ウェルネスはウェルネスとしてラベル付けされている。[Headspace](/ja/ai-apps/headspace)（ガイド付き瞑想、睡眠リソース、AIコンパニオン、加えて人間によるコーチングとセラピー）と、あなたの記録をプロンプトとパターンの洞察とともに映し返すAIジャーナリングアプリ [Rosebud](/ja/ai-apps/rosebud) は、自分の走行レーンについて正直だ。危険信号はウェルネスアプリが存在することではない。ウェルネスアプリが、身につけてもいない臨床的な言葉を借りることだ。
ベンダーの発表に溺れることなく最新情報を追うには、NEJM AI Grand Roundsがよい習慣だ。機械学習と臨床実践の交差点で働く人々との対話が、この分野にふさわしい懐疑の水準で交わされる。
よくある質問
今日、医療でAIは実際に何に使われているのか？
2026年に実際の勢いを持つ導入は、アンビエント臨床記録（Nabla や Abridge のようなツールが受診記録を下書きする）、文献調査（論文の発見とスクリーニングのための Elicit と Consensus）、そして事務自動化（Hippocratic AI のようなエージェントが予約、受付、フォローアップを担う）だ。診断AIは狭い規制された形では存在するが、マーケティングが示唆するほど広くは導入されていない。
AI医療スクライブとは何か、記録は依然としてレビューが必要か？
AI医療スクライブは臨床医と患者の会話を聴き取り、多くの場合コーディングの提案付きで、臨床記録を自動で下書きする。答えはイエスだ。どの下書きも、診療録に入る前に臨床医のレビューと署名を必要とする。価値は下書きで節約される時間であって、レビュー段階の除去ではない。
AI調査ツールは医学文献レビューで信頼できるのか？
Elicit や Consensus のようなツールは、公表された論文にその出力を根拠づけており、Elicit は文単位の引用を提供するため、主張を出典に照らして検証できる。これらは検索とスクリーニングの作業を確実に圧縮するが、組み入れの決定、質の評価、相反するエビデンスの解釈は研究者に残されるべきで、抽出データは抜き取り検査に値する。
AIは医師に取って代わるのか？
現在の導入状況には、その方向を指し示すものは何もない。今日機能しているツールは、臨床業務を遂行するのではなく、その周りの記録、検索、事務の負担を取り除く。そして最も成功しているベンダーは、診断も処方もしないよう製品を明示的に設計している。近い将来の変化は、書類仕事の少ない医師であって、より少ない医師ではない。
診療所は医療AIツールを購入前にどう評価すべきか？
最も難しいワークフローで実条件下のパイロットを行い、ベンチマークの数字ではなく同等の組織からの導入の証拠を求め、そして患者データが流れる前に、データの取り扱い条件（保持、学習利用、業務提携契約）を書面で得ること。そのうえで代替案を比較すること。当ディレクトリは医療・ライフサイエンス向けAIツール241件を、何をするかでタグ付けして掲載している。