【第10回】放射線技師がClaude Codeを使ってみた—7年越しの「作りたい」が30分で叶った話
「すごいけど、誰も使えんやろ」
学会に行くたびに思っていたことがあります。
大学病院の研究チームやメーカーとの共同研究で発表される、最先端の画像解析手法や定量評価の理論。内容を聞けば「すごい」と素直に思う。面白いし、臨床に活かせたら間違いなく価値がある。
でも、発表が終わって自分の病院に戻ると、現実に引き戻されます。
その理論を実装するソフトがない。あっても高額で手が出ない。学会員限定のツールは使い勝手が微妙。結局、すごい研究はすごいまま、現場には降りてこない。
「理論は面白い。でも、誰も使えんやろ」
放射線技師として16年、ずっとそう感じてきました。同じことを思っている専門職の方は、少なくないんじゃないでしょうか。
この記事は、その状況がひっくり返った話です。
7年前、プログラミングに挑戦して挫折した
話は少し遡ります。
7年ほど前だったと思います。Deep Learningが世の中で騒がれ始めた頃。学会でもAI関連の演題が増えてきて、MRIのT1強調画像からT2強調画像を生成するモデルなんかが発表されていました。
純粋に面白いと思いました。自分でも触ってみたい、と。
そこからPythonの勉強を始めました。本を買い、Udemyの講座を受け、機械学習の理論を1年くらいかけて学びました。
理論的には理解できました。損失関数の意味もわかるし、畳み込みの仕組みも追える。でも、いざ自分で実装しようとすると、手が止まる。エラーが出ても原因がわからない。環境構築だけで半日潰れる。当時はGPU環境を個人で用意するのもハードルが高かった。Mac使いだとそもそもGPU詰めなかった（やり方あったのかもしれないけど私にはムリだった）。
結局、「理論はわかったけど、作れない」という状態で止まりました。
プログラミングが得意な人からすれば大したことない壁なのかもしれません。でも、本業は放射線技師です。毎日の撮影業務がある中で、プログラミングスキルをゼロから実用レベルまで持っていくのは、正直無理でした。
やりたいことはある。知識もある。でも、形にする手段がない。
そのもどかしさを抱えたまま、7年が過ぎました。
バイブコーディングとの出会い
AIのニュースは、ずっと追い続けていました。
Claudeもサービス開始時にしばらく使ってみましたが、当時はメインで使うほどではなかった。Claude Codeが出たときも「へえ、そういうのが出たんだ」くらいの感覚で、特別使いたいとは思いませんでした。
転機になったのは、「バイブコーディング」という概念を知ったことです。
AIに自然言語で指示を出して、コードを書かせる。プログラミングの知識がなくても、やりたいことを言葉で伝えればソフトウェアが作れる。その可能性に気づいたとき、「これは自分にも関係がある話だ」と思いました。
Google Antigravityが出て、無料でも使えたので、まずはGoogle Antigravityを使い始めて、エージェンティックAIに初めて触れました。AIがファイルを作り、コードを書き、エラーを直す。その一連の流れを見て、これは今までのチャットAIとは全く違うものだと実感しました。
その後、Claude Codeに「Cowork」という機能が登場しました。非エンジニアの働き方が変わる、とSNSでもかなり話題。それが背中を押して、Claude Codeを本格的に使い始めました。
30分でMTFツールが完成した
Claude Codeで最初に作ったのは、MTF計測ツールでした。
MTF（Modulation Transfer Function）は、CT画像の空間分解能を評価する指標です。放射線技師なら誰でも知っている基本的な概念ですが、実際に計測しようとすると専用のソフトが必要になります。
業界では「CTmeasure」というCT技術学会が提供しているツールが広く使われています。ただ、学会員でないと使えない（現在は簡易版のみ非会員に開放）。操作性も正直、良いとは言えない。
前からずっと、自分で使いやすいMTFツールを作りたいと思っていました。でも、7年前に挫折した経験がある。プログラミングで作るのは無理だと、半ば諦めていました。
Claude Codeに「Circular Edge法でMTFを計算するWebツールを作ってほしい」と伝えました。
30分で完成しました。
DICOM画像を読み込んで、ESFからLSFを求めて、FFTでMTFカーブを算出する。50%値と10%値を数値で表示して、グラフも出る。しかも、自分が欲しかったオリジナルの機能まで搭載できた。しかもROIは自動設定。
一人で「やば……」と声が出ました。
7年間、作りたくて作れなかったもの。それが30分で目の前に現れた。この感覚は、実際に体験しないと伝わらないかもしれません。でも、あの瞬間に確信しました。
「学会で発表されている高度な理論、全部アプリにできる」
専門知識がある人間こそ、最強になる
Claude Codeを使い始めて気づいたことがあります。
重要なのは「コードが書けること」じゃなかった。「何を作るべきか知っていること」の方が、はるかに価値が高い。
放射線技師として16年間、現場で働いてきました。どの業務が面倒か。どんなツールがあれば助かるか。既存のソフトの何が使いにくいか。それを具体的に言語化できる。
Claude Codeは、その言葉を受け取って形にしてくれます。
逆に言えば、現場を知らない人がClaude Codeを使っても、「何を作ればいいかわからない」という壁にぶつかります。プログラミングスキルの壁はAIが取り払ってくれた。でも、専門知識の壁はそのまま残っている。
つまり、専門職の人間が一番有利なんです。
現場の課題を知っている。理論的な背景も理解している。あとは「作る手段」さえあればいい。その手段が、今はもう手の届くところにある。
私は今、病院のAIチームリーダーとして、部内のAIリテラシー向上のための勉強会を開いたり、Copilotエージェントの実装を進めたりしています。院内でClaude Codeのようなツールを本格活用するにはセキュリティの課題がまだ大きい。でも、個人の学習や研究の場面では、もう使わない理由がありません。
「作りたい」を持っているすべての専門職へ
もしあなたが、かつての自分のように「プログラミングに挑戦して挫折した」経験があるなら。
あるいは、「こんなツールがあれば現場が変わるのに」と思いながら、諦めているなら。
今なら、作れます。
必要なのはプログラミングの知識ではなく、「何が必要か」を自分の言葉で説明する力です。それは、現場で毎日働いているあなたが、すでに持っているものです。
放射線技師に限った話ではありません。看護師、臨床検査技師、薬剤師、医師。あるいは医療以外でも、職人、専門職——自分の領域に深い知識を持っている人すべてに当てはまる話だと思っています。
高度な理論が、学会のスライドの中だけで終わる時代は終わりました。
次回は「作ってみた」編として、RT-Labというツール集をどうやってClaude Codeで構築したか、具体的な話をしていきます。
本記事は筆者個人の体験に基づく内容であり、特定の製品やサービスを推奨するものではありません。記載された情報は執筆時点のものです。ツールの機能や利用条件は変更される可能性があります。
筆者：現役放射線技師16年目 / 300床以上の病院AIチームリーダー
