医療AI「OpenEvidence」を約100カ国へ無料提供 医師不足を補えるのか

医療AIを手がけるOpenEvidenceとAnthropicが、医療従事者向けサービスの提供地域を約100カ国に広げる。低所得国や中所得国の医療従事者には、専用版を無料で提供する計画だ。Reutersが2026年9月22日、両社への取材をもとに報じた。

医学情報を調べる医師の負担を減らせる可能性はある。ただし、医師そのものを増やせるわけではなく、その効果も確認されていない。診療の質が実際に上がるかどうかも、現地で検証する必要がある。

この記事では今回の発表に加え、世界保健機関(WHO)の統計、ルワンダでの試行、ケニアの臨床試験を照らし合わせる。「約100カ国に提供する」という規模と、実際に効果が検証された国の数は分けて考える必要がある。

何が発表された? 約100カ国で医療従事者に無料提供

提供対象は一般の患者ではなく、医療に携わる人たちだ。OpenEvidenceは、医師らからの質問に対して、医学論文や治療指針をもとに回答する。根拠となった資料もあわせて提示する仕組みだ。

Reutersによると、今回の専用版はウガンダ、アンゴラ、スーダン、ハイチ、モンゴルなど約100カ国へ順次展開される。Anthropicが基盤となるAI技術を支え、OpenEvidenceは地域ごとの医療環境に合わせてサービスを調整するという。提携の金銭条件は公表されていない。

Reutersは、米国の医療従事者による2026年8月の利用回数が4200万回に達したと報じている。ただし、これは質問などの利用回数であり、4200万人の患者で治療結果が改善したという意味ではない。対象国ごとの利用者数や、患者の治療結果も公表されていない。

約100カ国への展開について、今回確認できた国別の詳しい利用条件はReutersによる取材情報が中心となっている。各国での開始時期や職種ごとの登録条件、日本での提供条件まで一律に判断することはできない。

WHOは2030年に医療・介護人材が約1100万人不足すると予測

WHOが予測している約1100万人の不足は「医師だけ」の数字ではなく、看護師などを含む医療・介護人材全体を指す。不足は2030年までに約1100万人に達すると見込まれ、主に低所得国と低中所得国に集中する。

医療AIを使えば、忙しい医療従事者が医学的な根拠を探す時間を短縮できる可能性はある。しかし、診察や検査、処置を担う人員や設備をAIが直接増やせるわけではない。医師不足に対して期待できるのは、まず既存の医療従事者を支援する役割だ。

不足しているものOpenEvidenceができる可能性のあることAIだけでは難しいこと
医学情報・治療指針文献を探して要点と出典を示す現地の指針に合うか最終判断する
専門家への相談考えるべき診断や治療の候補を示す専門医の診察や処置を代わる
薬・検査機器・電力条件に応じた代替案を探す薬や機器を現場に届ける

この表は、OpenEvidenceの効果を実際に検証した結果ではない。各機能から考えられる役割を整理したものだ。

ルワンダの45人による試行が示す「現地向け」の必要性

米国で使われている治療法でも、同じ薬や検査を現地で利用できるとは限らない。こうした問題を確かめるため、OpenEvidenceはルワンダの公的医療機関などと試行を進めてきた。

実施団体Resolve to Save Livesの発表によると、医師や看護職など45人が実際に回答を試し、改善点を伝えている。出典付きの回答を、携帯電話とパソコンから無料で利用できる仕組みだ。

ただし、この45人は世界展開における効果を検証した人数ではない。今回の発表で示されたのは、サービスを現地の条件に合わせるための試行である。診療時間がどれだけ短くなったのか、患者の健康状態がどの程度変化したのかまでは、この発表からは分からない。

独自計算:検索が2分速くなれば、45人で月150時間の余地

医療AIの価値を考えるなら、登録人数よりも「確認作業まで含めて何分短縮できるか」を見る必要がある。ここではルワンダの試行に参加した45人を使い、仮の条件で計算してみる。

1人が1日に5回調べ、月20日利用すると仮定する。さらに、従来の検索より1回あたり2分早くなるとすると、45人×5回×20日×2分÷60分=月150時間となる。

もちろん、これは実測値ではない。AIが提示した論文や薬の入手状況を確認する時間も含まれていない。確認に1回1分かかれば、実質的な短縮時間は月75時間になる。2分かかるなら、計算上の時間短縮はゼロだ。

時間を短縮できたとしても、そのすべてを診察に回せるとは限らない。患者の治療成績も、この計算からは判断できない。そのため、「医師何人分を補える」と換算する根拠には使えない。

過去の臨床試験では、AI利用と患者の改善は一致しなかった

ケニアで別の医療AIを調べた無作為化試験では、14日以内の治療失敗率に明確な差は確認されなかった。2026年に医学誌「Nature Medicine」に掲載された研究で、OpenEvidenceそのものを調べた試験ではない。

試験には16施設が参加し、9691人の患者が登録された。医療従事者は103人。分析対象では、治療失敗はAI利用側が4693人中102人(2.2%)、非利用側が4654人中94人(2.0%)だった。統計的に明確な差は認められていない。

この結果だけで、すべての医療AIに効果がないとは判断できない。ただ、「医療従事者がAIを使った」という事実だけでは、患者への利益を証明できないことも分かる。地域に合わせた設計や、実際の使い方によって結果が変わる可能性がある。

別のケニアの実地評価では、AIによる1469件の回答のうち115件(7.8%)で、評価者が患者に害を及ぼす可能性のある提案を確認した。調査対象を追跡した範囲では、その提案による患者への悪影響は確認されなかった。ただし、誤った提案を医療従事者が見抜ける仕組みは欠かせない。こちらもOpenEvidenceではなく、別製品を調べた結果だ。

競合の医療AIや過去の展開と何が違う?

今回の特徴は、低・中所得国の医療従事者に向けて、地域に合わせた専用版を無料で広げようとしている点にある。ただし、対象国の多さだけを見ても、患者への効果までは比較できない。

取り組み公表された対象・規模比較時の注意点
OpenEvidenceとAnthropic約100カ国の医療従事者へ無料版を展開対象国の数。現地での効果を示す数字ではない
ChatGPT for Clinicians米国の資格確認済み医療従事者に無料提供範囲と職種が異なる
OpenAIとGates FoundationのHorizon 10002028年までに1000カ所の一次医療施設を目標施設数の目標。国数とは比べられない

各社の発表では、「国」「利用者」「施設」と異なる単位が使われている。対象国が多いからといって、医療機関での利用率や患者への利益まで大きいとは限らない。

患者にはどんな影響がある? 確認すべき3段階

患者への利益を判断するときは、「使える」「判断が変わる」「治療結果が良くなる」という3つの段階を分けて考える必要がある。最初に確認したいのは、医療従事者が現地で実際に使えるかどうかだ。通信環境や言語、登録条件などが影響する。

次に、AIが示す根拠が現地で使える薬や検査設備に合っていて、医療従事者の判断を適切に支援できるかを見る。そのうえで、不要な検査や治療の遅れが減ったのか、患者の転帰が実際に改善したのかを確かめる必要がある。回答数だけを見ても、最後の段階までは判断できない。

WHOは医療向け生成AIについて、誤情報や偏りへの対策に加え、導入する地域や医療現場に合わせた評価を求めている。患者がAIの回答をそのまま診断として使う仕組みではない。医療従事者が根拠と現地の事情を確認し、最終的な判断を担う必要がある。

結論:医師不足の解決策になるか

OpenEvidenceは、医師不足に悩む現場で「必要な医学情報を調べる作業」を支えられる可能性がある。ルワンダでの試行からも、現地の医療環境に合わせた調整が必要なことが分かる。ただし、約100カ国まで提供地域が広がっても、医療人材の不足を何人分補えるのかは現時点では分からない。

今後確認したいのは、対象国の数だけではない。現地での利用率、確認作業を含めた時間短縮、誤った提案の割合、そして患者の治療結果まで見る必要がある。無料提供の発表はあくまで出発点であり、本当の効果を判断するには地域ごとの検証が欠かせない。

関連記事

参考資料

コメントを送信

You May Have Missed