【第9回】医療AIは今の日本では使えない。だから自分で作ることにした―Copilotエージェント、最初の一歩。
前回の記事で、ChatGPT Health、Copilot Health、MedGemmaの3つを紹介しました。「使ってみたい」「どこで使えるの？」というコメントやDMをいただきました。正直に答えます。
今の日本では、ほぼ使えません。
そう書くと前回の記事を否定しているように聞こえるかもしれませんが、そういうことではありません。あれらは間違いなく本物の進化です。ただ、私たちの手元に届くまでには、まだいくつかの壁があります。そしてその壁を前に、待ち続けることをやめた話をします。
「使えない」の正体
なぜ使えないのか。大きく3つの理由があります。
①薬機法の問題
1つ目は薬機法の問題です。AIを医療診断に使う場合、それは「医療機器プログラム（SaMD）」として薬機法の規制を受けます。学習データの妥当性、バイアスの検証、機器ごとの性能差など、審査で確認すべき項目は多く、開発から承認まで相応の時間がかかります。2026年11月から改正薬機法が段階的に施行されることで体制は整いつつありますが、今はその整備過程の途中にいます。
②電子カルテの問題
2つ目は電子カルテの問題です。ChatGPT HealthやCopilot Healthが米国で提供している「電子カルテとのシームレスな連携」は、医療情報インフラが整備されていることが前提になります。日本政府は2030年の電子カルテ100%普及・標準化を目標としていますが、現時点では病院ごとにシステムがバラバラで、外部AIとのAPI連携はほぼ整備されていません。
③地域の問題
3つ目はサービスの展開地域の問題です。ChatGPT Healthは米国・EEA・英国を中心に段階的な提供を開始しており、日本への展開時期は公式にアナウンスされていません。Copilot Healthも同様です。これらが日本で使えるようになる日は来ると思っていますが、「今すぐ」ではありません。
規制、インフラ、サービス展開。この3つが重なっている以上、待ち続けても現場は変わりません。
待つのをやめた理由
MRI検査には、ペースメーカーや体内金属など、安全確認が欠かせない項目が数多くあります。植込み型デバイスの機種ごとの条件、金属製インプラントのMR適合性、造影剤との組み合わせ。ガイドラインは定期的に改訂され、デバイスの情報は製品ごとに異なります。
以前はこの確認をほぼ手作業でやっていました。製造元へ問い合わせ、資料を探し、ガイドラインと照合する。患者を待たせながら確認している時間が積み重なると、「もっとスムーズにできないか」という気持ちは自然に出てきます。でも、既製品の医療AIはまだ届かない。
待ちながら手作業を続けるより、今使えるものを使って動いた方がよい。そう判断しました。
なぜCopilotを選んだか
新しいツールを導入しようとするとき、病院という組織の壁は思っているより高いです。セキュリティ審査、情報管理委員会の承認、ベンダーとの契約。どんなに良いツールでも、承認が下りなければ動かせません。
Copilotは違いました。私の病院にはすでにMicrosoft 365が入っています。つまりCopilotはすでに院内にいました。新たに外部サービスの導入申請を出す必要がありません。
もう一つ、Copilotを選んだ理由があります。医療情報との相性が思ったより良かったことです。疾患の概要、画像所見の確認、治療方針、ガイドライン。何でも答えてくれる汎用AIとして試したとき、「これは使える」と感じました。ガイドラインを参照させたり、論文の要旨を整理させたりする用途では、かなりしっかりした回答が返ってきます。最終確認は人間がするという前提で使う分には、業務の補助として十分な水準です。
ただ、このままでは弱点があります。「なんでも答えてくれるAI」は、使う側に一定のリテラシーが必要になります。何を聞けばいいか、どう聞けばいいか、返ってきた答えをどう評価するか。これがわからないと、結局使われないまま終わります。
最初に作ったもの、「MRI安全確認エージェント」
最初に作ったのは、読影支援AIのような大掛かりなものではありません。「MRI安全確認エージェント」です。
MRIの安全確認で必要な情報——植込み型デバイスのMR条件、金属製インプラントの適合性、ガイドラインの該当箇所——をCopilotに参照させ、技師が確認作業をする際のサポートをする、という役割を持たせました。Copilot Studioでナレッジソースを設定し、「このデバイスはMRI対応ですか」「撮像条件に制限はありますか」といった問いに対して、参照すべき情報を提示できる状態にしました。
最初の一歩としてここを選んだのには理由があります。
まず、診断行為に関わりません。安全確認のための情報提示は「参考情報の整理」であり、最終判断は必ず人間が行います。この設計なら薬機法のSaMD規制を避けられますし、病院の情報管理規程とも整合が取れます。
次に、現場の困りごとに直接当たれます。MRI安全確認は業務の中で実際に時間がかかる工程です。理想論ではなく、今日の自分の仕事が楽になる。それが最大の選択理由でした。
そして、構築の全手順はすでに有料記事として公開しています。「PMDA添付文書×Copilotエージェント」MRI安全確認の全記録として、プロンプト全文・設定手順・ナレッジソースの設計まで書いているので、実際に作ってみたい方はそちらを参照していただけると幸いです。
動かして初めてわかったこと
エージェントを実際にチームで使い始めて、気づいたことがあります。
「何でもできるAI」より「特定のタスクを担うAI」の方が、現場に刺さります。
CopilotをそのままチームAIとして展開したとき、反応は思ったより鈍かったです。「何を聞けばいいかわからない」「使い方がわからない」。AIリテラシーが高くないスタッフにとって、白紙のチャット画面は取っつきにくいものです。そこに「何でも聞いていいよ」と言われても、逆に何もできなくなります。
でも「MRI安全確認のときに使うやつ」という説明をしたとき、反応が変わりました。「あ、それは便利だ」「具体的にどう使えばいいの？」。タスクが具体的で、役割が明確で、使うシーンがイメージできる。そうなって初めて、AIが現場の道具になります。
これはAIチームリーダーとして動いて初めてわかった事実です。AIの能力の問題ではなく、使う人間の側の問題です。「何でもできる」は、リテラシーがある人間には武器になりますが、そうでない人間には逆にハードルになります。特定の仕事に特化したエージェントを作り、「これはこういう仕事をするAIだ」と説明できる状態にして初めて、組織にAIが根付いていきます。
汎用AIを一人の天才として雇うより、専門家を何人か雇う方が組織はうまく回ります。AIエージェントも同じだと思っています。
まとめ
今回の話を整理します。
・日本の医療現場では、薬機法・電子カルテの非標準化・サービスの未展開という3つの壁により、話題の医療AIはまだ使えない状態にあります
・待ち続けるのではなく、すでに院内にあるM365 CopilotでAIエージェントを自作する方法を選びました
・最初のステップは「MRI安全確認エージェント」。診断行為に関わらず規制リスクを避けながら、現場の実際の困りごとに直接当たれます
・動かしてみてわかったのは、「何でもできるAI」より「特定の役割を持つAI」の方が現場への定着率が高いということです
次回は、さらにその先の話をします。「AIで何かを作れるようになりたい」と思ったとき、私が行き着いたのはバイブコーディングとClaude Codeでした。7年前にプログラミングで挫折した放射線技師が、AIを使って30分でツールを完成させた話を書きます。
---
本記事の内容は筆者個人の見解であり、所属する医療機関の公式見解を代表するものではありません。記事中の情報は執筆時点のものです。臨床判断・業務運用にあたっては、必ず最新の公式情報（添付文書・診療ガイドライン等）をご確認ください。本記事を参考にしたことによって生じた損害・不利益について、筆者は一切の責任を負いかねます。
筆者：現役放射線技師16年目 / 300床の病院AIチームリーダー
