医療AIの学習を補う「合成データ」 個人情報保護と品質評価の壁
医療AIには代表性のある患者データが要るが、取得費用やプライバシー、希少例の少なさが開発を縛る。合成データは実データの特徴を計算機上で再現して不足を補う一方、匿名性と臨床的な妥当性を自動では保証しない。
AI
記事 20 件
乳がん検診のAI読影、中間期がんで非劣性 日本の二重読影見直しは検証段階
日本の対策型乳がん検診は40歳以上を対象に2年に1回のマンモグラフィを行い、画像は二重読影する仕組みをとる。スウェーデンのMASAI試験は、AIで低リスク画像を一人読影、高リスク画像を二重読影へ振り分け、中間期がん率で標準法への非劣性を示した。
OpenAI、LunaのAPI料金を8割下げ 中国勢台頭で変わるモデル選定
生成AIの業務利用では、処理が長期化するほどトークン費用の管理が難しくなる。OpenAIはGPT-5.6 LunaのAPI料金を8割、Terraを2割引き下げ、中国の低価格・オープンウェイトモデルが伸びる市場で競争を一段と強めた。
診察会話を診療録の下書きにする「AIスクライブ」 負担軽減と責任の境界
診療録作成の負担を減らす目的で、診察中の会話から下書きを作るAIスクライブの導入が米国で広がり、日本でも研究が進む。短期調査では負担軽減との関連が示されたが、日本の既存制度では医師の最終確認と医療機関・事業者間の責任分界が導入の前提になる。
AIアクセラレーター選定で先に測る六項目 GPU・ASICの調達判断
AIアクセラレーターは、カタログ上の演算性能だけで選ぶと、入力処理やメモリー、低い稼働率が隠れた費用になる。モデルの変更頻度から3年間の総保有費用までを同じ表に置き、自社の通常時、ピーク時、障害時の負荷で候補を比べる。
スマートウォッチの心房細動通知 34％の意味と確定診断までの距離
スマートウォッチから不規則な心拍の通知が届いても、それだけで心房細動が確定したわけではない。光学式センサーによる通知は疑いを拾う入口であり、診断には医師が確認する心電図記録が要る。
中国版Apple Intelligence、届け出情報公表 アリババ・百度との連携と不明点
中国本土ではApple Intelligenceの機能が提供されず、海外で購入した対応端末にも利用条件が設けられてきた。中国当局は2026年7月に「Apple智能」の届け出情報を公表し、AlibabaとBaiduが現地版の開発に加わった。
カルテを院外に出さずに医療AIを鍛える「連合学習」 仕組みと残る課題
病院どうしがAIを共同で開発したくても、カルテを院外に出すには高い法的なハードルがある。連合学習は、データを動かす代わりにモデルを各病院へ巡回させ、返すのは学習後の重みの更新だけという設計をとる。
米FDA、携帯型眼底カメラ向けAIを承認 日本の公開情報に残る空白
糖尿病網膜症の眼底検査を眼科以外の診療現場へ広げる手段として、判定まで自動化するAI医療機器の開発が進む。米国では携帯型眼底カメラに対応した製品が承認された一方、日本では臨床試験の登録は確認できるものの、同等品の承認状況は公開資料だけでは判然としない。
介護の見守り機器は「AI」か 導入前に確かめる性能とデータ管理
介護の見守り機器は、同じ製品区分にセンサーの方式も判定方法も異なる製品が並び、名称だけでは性能を比べにくい。日本では「AI」の有無より、実環境での検証条件、誤報と見逃し、取得データの扱いを個別に確かめる必要がある。
「ChatGPT Health」は米国限定 日本の医療データ連携と責任の違い
健診結果や薬剤情報を生成AIに読ませるサービスでは、回答の精度とデータを預ける仕組みを分けて見る必要がある。米国限定のChatGPT Healthと日本のマイナポータルAPIでは、接続主体と公的審査の範囲が異なる。
生成AIはなぜ自信ありげに誤るのか 「ハルシネーション」の仕組み
生成AIは、根拠のない内容でも流暢で確信に満ちた文章として返す場合がある。ハルシネーションは事前学習で生じ、正解数を重視する評価が不確実な場面での推測を後押しするという分析が示されている。
AI創薬に資金流入、承認薬はなおゼロ 初期試験の優位と第2相の壁
AIで候補化合物を絞り込む企業への投資が膨らむ一方、AI起点の新薬が承認に達したとの報告はまだない。初期の探索は速くなっても、人体で安全性と有効性を確かめる臨床試験と承認審査は別の関門として残る。
食後のグルコース変化をAI予測する「Libre Assist」 日本提供は未確認
食事の写真を撮ると、グルコースへの影響を生成AIが食前に予測する機能が米国で始まった。日本では現行製品としてFreeStyleリブレ2が案内されており、Libre Assistの国内提供を示す公式資料は確認できていない。
医療AIの保険評価、精度だけでは加算されず 日本の2026年度基準
医療AIが薬事承認を得ても、その製品に独立した診療報酬が付くとは限らない。日本の2026年度基準は、既存技術の臨床上の有効性を明らかに高めた場合に加算を検討し、労働時間の短縮だけでは原則として加算しない線を示した。
米FDA、対話型医療ソフト「UpDoc」を許可 LLMと投薬判断の境界
患者と対話する生成AIが投薬判断に関わる場合、会話の利便性と臨床上の決定権をどう切り分けるかが審査の焦点になる。米FDAが許可したUpDocは、医師が設定した治療計画と決定論的な投薬ロジックを中核に置き、変更可能な範囲も事前に定めた。
医療データをAIにつなぐ「FHIR」 日本の共有基盤と実装の壁
電子カルテの項目名やコードが施設ごとに異なれば、AIは同じ意味のデータを同じものとして扱えない。FHIRは医療情報を共通のリソースに分けて交換する規格で、日本の電子カルテ情報共有サービスでも実装が進む。
漢方AIを導入する前に確認する六項目 規制・根拠・責任の見分け方
漢方を扱うAIの実力は、デモ画面の回答や単一の正解率からは判断しにくい。日本で導入を検討する際は、使用目的から医療機器該当性を確かめ、学習資料、性能評価、データ管理、相互運用性、最終判断の責任までを分けて見る必要がある。
GPT-5 Pro、3年越しのT細胞研究に仮説 未発表実験の予測と限界
免疫学者Derya Unutmaz氏の研究室では、2022年に得たT細胞の実験結果を説明できないまま研究が止まっていた。GPT-5 Proは未発表データから機序の仮説を組み立て、別に行われていたCAR-T細胞の実験結果と同じ方向を予測した。
GPT-5.4が化学反応1万件を検証 自動実験室が示した発見の条件
生成AIが出した化学の仮説は、実験で確かめなければ発見にはならない。GPT-5.4とMolecule.oneの事例は、1万80件を処理する自動実験室と人間による再検証を組み合わせ、探索量を広げた成果だ。