患者安全インシデントを“29倍高速”で分析──米研究機関がAI活用システムを発表
医療現場における「患者安全」は、世界中の病院経営者や医療従事者にとって最重要テーマの1つとなっています。特に高度化が進む現代医療では、診療プロセスが複雑化し、小さなミスが重大事故につながるリスクも高まっています。
こうした中、米国のMemorial Sloan Kettering Cancer Center（MSKCC）を中心とした研究チームが、AIを活用して医療インシデントを分析する「AI-ILS（Artificial Intelligence-based Incident Learning System）」を開発したことが注目されています。
この研究は、単なる“AIによる業務効率化”ではありません。
医療安全の考え方そのものを変える可能性を持つ、新しい医療AIの姿を示した研究として世界的に関心を集めています。
医療現場では“分析しきれない”ほどインシデントが増えている
現在、多くの医療機関ではヒヤリハットや医療インシデントの報告制度が導入されています。これは事故を責めるためではなく、再発防止につなげるための重要な取り組みです。
しかし問題となっているのが、「報告件数の増加」と「分析する人材不足」です。
研究によると、米国の放射線治療分野では全国インシデント報告システム「RO-ILS」において、わずか1四半期で1,400件以上の報告が集まっていました。さらにMSKCC単独でも、5年間で約1万件近いインシデントデータが蓄積されていたとされています。
つまり、多くの病院では膨大な報告が存在しているにもかかわらず、それを十分に分析し切れていない現実があるのです。
しかもレビューを担当するのは、通常診療も抱える医師や医療スタッフです。現場では、
「分析したいが時間が足りない」
「人手不足で深掘りできない」
「担当者によって分析の質に差が出る」
という課題が以前から指摘されていました。
AI-ILSは“医療安全の頭脳”として開発された
今回開発されたAI-ILSは、こうした問題を解決するために生まれました。
特徴的なのは、単なる文章解析AIではないことです。
このAIは、医療インシデント報告書を読み取りながら、
「何が起きたのか」
「どこに問題があったのか」
「人的要因なのか、組織要因なのか」
を分析します。
さらに、医療略語の理解や匿名化処理まで行い、患者情報保護にも対応しています。
研究チームは、航空業界などで使用される「HFACS（Human Factors Analysis and Classification System）」という事故分析手法を医療へ応用しました。
これは単純に「誰が悪かったか」を探す仕組みではありません。
むしろ、
「なぜ事故が起きたのか」
「背景にどんな組織課題があったのか」
を多層的に分析する考え方です。
つまりAI-ILSは、“犯人探しAI”ではなく、“再発防止AI”として設計されているのです。
人間の数十分の1の時間で分析
研究では、専門家が分類済みの1,500件以上のデータをAIへ学習させました。
その結果、AI-ILSは高い精度を示し、人間との一致率も非常に高い水準に達しました。
特に注目されたのは分析速度です。
人間が1件の分析に平均2分以上かけていたのに対し、AIはわずか数秒で処理を完了しました。
これは単なる「時短」ではありません。
医療安全の本質は、“事故を早く見つけ、早く改善すること”です。
つまりAIによって分析速度が向上することは、重大事故の未然防止につながる可能性があるのです。
AIでも“人間の判断”は不可欠
一方で研究チームは、「AIだけで全てを判断するべきではない」とも強調しています。
例えば、
「故意のルール違反だったのか」
「現場環境が悪かったのか」
「組織文化に問題があったのか」
といった判断には、人間の経験や現場理解が依然として必要です。
実際、AIが苦戦したのは「違反」や「不適切運用」といった、“意図”や“空気感”を含む分析項目でした。
つまり未来の医療AIは、人間を置き換える存在ではなく、人間を支援するパートナーとして進化していくと考えられています。
医療AIは“診断支援”から“病院運営支援”へ
これまで医療AIと言えば、
画像診断AI、電子カルテ要約、音声入力、診断補助などが中心でした。
しかし今回の研究は、「病院全体を安全に運営するAI」という新しい方向性を示しています。
現在の医療業界では、
高齢化、医療費増加、人材不足、看護師不足、業務負担増加など、多くの課題が同時進行しています。
こうした中で、AIが医療安全管理を支援することは、
医療品質向上だけでなく、スタッフ負担軽減や組織改善にもつながる可能性があります。
つまりAIは、単なる“便利ツール”ではなく、“医療経営を支えるインフラ”へ変わり始めているのです。
日本の医療現場にも求められる“安全AI”
日本でも医療DXは進んでいますが、多くは電子カルテや診療支援に集中しています。
しかし今後は、
医療安全
リスクマネジメント
インシデント分析
組織改善
といった領域へのAI導入が本格化する可能性があります。
特に大規模病院では年間数千件単位でヒヤリハット報告が存在することも珍しくありません。
その全てを人力だけで深く分析することには、どうしても限界があります。
今回の研究は、「AIが病院の安全文化を支える時代」が現実になり始めていることを示した象徴的な事例と言えるでしょう。
まとめ
今回発表されたAI-ILSは、医療インシデント分析を高速化しながら、医療安全の質を高める新しいAIシステムでした。
重要なのは、「AIが人間を置き換える」のではなく、「AIが人間の判断を支援する」という点です。
今後の医療AIは、
診断を助けるAIから、
病院全体を安全に運営するAIへ。
さらにその先には、“事故が起きにくい医療システム”をAIと共につくる未来が待っているのかもしれません。
出典
Jinia AJ, Chapman K, Liu S et al. “Artificial intelligence-based incident analysis and learning system improves patient safety and treatment quality.” npj Digital Medicine (2026)
Institute of Medicine. “To Err Is Human: Building a Safer Health System.”
Ford EC & Evans SB. “Incident learning in radiation oncology.” Medical Physics.
Judy GD et al. “HFACS in radiation oncology incident analysis.” Practical Radiation Oncology.
Hurkmans C et al. “ESTRO and AAPM guideline for AI models in radiation therapy.” Radiotherapy and Oncology.
コメント