AI医療画像と放射線科 2026完全ガイド - Aidoc · Lunit · Annalise.ai · Qure.ai · Viz.ai · Tempus · PathAI · Paige · メディウェイル(Mediwhale) 徹底解説

プロローグ — なぜ今、医療画像AIなのか

2026年春、アメリカの大規模病院の救急室の風景。午前3時14分、60代男性が頭痛と嘔吐で搬入される。トリアージ看護師がNIHSS 4点を記録し、救急医が非造影頭部CTをオーダーする。3分後、患者がガントリーから出る前にAidocは頭蓋内出血(ICH)を自動検出し、放射線科コンソールに赤いバナーを表示する。同じ画像はViz.aiサーバーにも送られ、LVO(大血管閉塞)の可能性を評価する。LVO陽性であれば脳神経インターベンションチームのスマートフォンが同時に鳴る。放射線科レジデントが読影を始めるときには、脳外科当直とインターベンション医はすでに画像を見ている状態だ。

10年前なら、この一連の流れに30分から1時間かかった。放射線科の読影キュー、コール、ファックス、もう一度コール。2026年の標準は「CTガントリーから脳神経インターベンションチームへの呼び出しまで5分以内」だ。この5分の差が、1人の患者のmTICIスコアを、そして90日後のmRSスコアを左右する。

同じ時刻、ソウル江南セブランス病院のマンモグラフィー室ではLunit INSIGHT MMGが放射線科レジデントの第二の目として動作する。東京大学医学部附属病院の内視鏡室ではAIメディカルサービスのGI Geniusがリアルタイムでポリープを表示する。ムンバイ郊外の結核スクリーニングキャンプではQure.aiのqXRがポータブルX線とともに村を回る。

本稿はそのすべての風景の背後にある2026年春の医療画像AIの地図だ。FDA認可950件以上、米国・韓国・日本・インド・イスラエル・オーストラリアの企業群、画像・病理・眼科・循環器・皮膚・外科・ゲノム・LLM — 一気に。

第1章 · なぜ画像がAI臨床の最前線になったのか — 3つの圧力

医療画像がAIの最初の臨床橋頭堡になったのは偶然ではない。3つの圧力が同時に働いた。

第一に、放射線科医不足。米国ACR(American College of Radiology)の2024年人材レポートによれば、放射線科専門医1人が年間平均約14,000件を読影する。CT 1件の読影が8分なら8時間勤務で60件が限界だが、実際にはその倍がキューに積まれる。夜間・週末のテレラジオロジー会社 — vRad、Nighthawk、Radiology Partners — がグローバル分散読影で穴を埋めているが、需要の伸びの方が早い。

第二に、スクリーニングプログラムの拡大。マンモグラフィー、低線量肺CT、大腸内視鏡、網膜写真 — 無症状人口を対象とした定期スクリーニングが増え、読影対象画像の絶対量が一桁倍に増えた。韓国の国家健診は40歳以上の女性全員に2年ごとのマンモグラフィーを推奨する。日本の胃がん検診、米国のLDCT肺がんスクリーニング(50歳以上の喫煙歴ありに毎年)も同じ圧力を生む。

第三に、トリアージの定量化要請。「救急画像で critical finding を何分以内に見るか」が患者アウトカム(特に脳卒中・心筋梗塞・大動脈解離)を左右するという臨床エビデンスが積み上がり、保険者・病院・規制当局が同時にターンアラウンドタイム(TAT)短縮を要請し始めた。米国CMSはNTAP(New Technology Add-on Payment)をLVOトリアージAIに適用し、英国NHSは胸部画像AIを別予算で支援している。

この3つが作った市場が2026年時点で約35億USD(複数の業界推定)、年30%以上で成長している。

第2章 · FDA認可AI/ML医療機器 — 950件時代

FDAはAI/MLを用いた医療機器の認可リストを公開している。2022年末で521件だったこのリストは、2024年に約880件を経て、2025年末時点で950件を超えた。毎週平均3〜4件の新規認可が追加される速度だ。

分野別の分布は大きく偏っている。放射線科(Radiology)が約76% と圧倒的だ。次に循環器(Cardiology)が約10%、神経・眼科・病理がそれぞれ2〜3%程度。これは医療画像が単にピクセルのパターンマッチに還元できるからではない。DICOMという標準が早くから整備され、画像のデジタル保管(PACS)が義務化され、ラベリングが比較的明確だからである。胸部X線1枚に「肺結節あり/なし」のラベルを付けるのは比較的容易だ。

認可経路の大半は 510(k) clearance だ。既存の同種機器(predicate device)と「実質的に同等(substantial equivalence)」であることを示せば通る。新しいカテゴリ(例えば肺塞栓トリアージが初めて登場したとき)は De Novo で入り、その後の同種機器は再び510(k)で流れる。PMA(Premarket Approval) は自律的に診断を出す機器(IDx-DRなど)に限定された少数のみ。

2024年には PCCP(Predetermined Change Control Plan) ガイドが正式化された。モデルを定期的に再学習しても毎回510(k)を再取得しなくてよい道が開かれた。ただし変更範囲と検証手法を事前にFDAと合意しておく必要がある。このPCCPが2026年医療AI市場の構造的分水嶺だ — モデルが「生きた資産」になり得るという意味。

第3章 · Aidoc — トリアージAIの事実上の標準

イスラエル・テルアビブに本社を置く Aidoc は2016年設立。創業者のElad Walach、Michael Braginsky、Guy Reinerはイスラエル軍8200部隊の画像インテリジェンス出身。最初の製品は 頭部CTの頭蓋内出血(ICH)トリアージ で、2018年にFDA認可を取得した。

2026年時点でAidocのアルゴリズムは約14種類。

BriefCase ICH — 頭蓋内出血(SDH、EDH、IPH、SAH)
BriefCase LVO — 大血管閉塞
BriefCase PE — 肺塞栓
BriefCase C-Spine — 頸椎骨折
BriefCase Aortic Dissection — 大動脈解離
BriefCase Rib Fracture — 肋骨骨折
BriefCase Pneumothorax — 気胸
BriefCase Free Gas — 腹腔内遊離ガス
BriefCase Incidental PE / Incidental ICH — 偶発所見
他5種

これらのアルゴリズムはすべて同じプラットフォーム aiOS(Aidocオペレーティングシステム)上で動く。病院のPACS(Sectra、Philips IntelliSpace、GE Centricityなど)から画像が入ると、aiOSがすべてのアルゴリズムを並列実行し、陽性と判定された患者だけをワークリスト上位に押し上げる。放射線科医にとっては「この患者を先に見てください」という赤バナー1行が追加されるだけだ。

Aidocの差別化点は ワークフロー統合 にある。イスラエルの小さなスタートアップが米国の約1,000病院に入った秘訣は、アルゴリズムの精度ではなく「既存のPACS・RIS・EMRに触れずに5分で起動できる」統合のしやすさだった。2024年にはNVIDIAとのパートナーシップでMONAIベースの推論を標準化し、2025年にはEpicのSMART on FHIRと深く結合した。

価格は病院あたり年間数十万USDレベル、NTAP適用アルゴリズム(LVO、PE)については一部費用がメディケアで還元される。

第4章 · Lunit — 韓国の医療AIリーダー

ソウル江南本社の Lunit(ルニット)は2013年設立。創業者の白承郁(Brandon Suh、現CEO)はKAIST出身で、DeepMind流の研究優先文化を医療画像に適用した韓国最初の事例だ。2022年のKOSDAQ上場後、時価総額は2兆ウォン台を行き来している。

主力製品は2つ。

Lunit INSIGHT CXR — 胸部X線解析。10種類の主要所見(結節、浸潤影、気胸、胸水、肺炎、無気肺、結核、腫瘤、心拡大ほか)を表示する。2024年に米国FDA 510(k)を取得し、韓国MFDS、日本PMDA、EU CE、オーストラリアTGA、ブラジルANVISAなど約40カ国の認可を保有する。臨床検証論文は Radiology、The Lancet Digital Health などに多数掲載されている。

Lunit INSIGHT MMG — デジタルマンモグラフィー(2D)。Hologic、GE、Siemens、富士フイルムの装置で撮影された画像を扱える。2023年に European Radiology に掲載されたスウェーデンのMASAI無作為比較試験は、INSIGHT MMGを活用した群の乳がん発見率が対照群より約20%高かったと報告した。この結果が欧州のマンモグラフィースクリーニングプログラムへの導入の決定的根拠になった。

2024年からは INSIGHT DBT(デジタル乳房トモシンセシス)を本格展開中。DBTは2Dマンモグラフィーより数十倍の情報量(50〜80スライス)を持ち、読影時間延長の問題をAIが直接ほどく。

もう一つの軸は Lunit SCOPE — 病理スライドで免疫細胞(TIL、tumor-infiltrating lymphocytes)を定量化するツールだ。SCOPEは抗がん免疫療法(immuno-oncology)の反応予測に使われ、AstraZenecaやRocheなどの製薬会社が臨床試験に採用している。画像が診断を越え治療選択にまで届く興味深い経路だ。

第5章 · Annalise.ai — オーストラリア発の胸部画像精密度

シドニーを拠点とする Annalise.ai は医師のコンソーシアムから始まった。親会社のHarrison.aiは放射線科医とコンピュータサイエンティストのAengusとDimitry Tran兄弟が立ち上げた。彼らの視点は単純だった — 「胸部X線1枚で放射線科医が見るすべての所見を同時に表示しよう」。

代表製品の Annalise CXR は 124所見 を同時に解析する。単純な結節や気胸を越えて、椎体圧迫骨折、横隔膜の位置、肺門リンパ節、微細石灰化、縦隔腫瘤、肺気腫、肺線維化 — 胸部X線が持ち得るほとんどすべての変化をカバーする。英国NHSのSOM(System One Million)プログラムで採用され、約100万件の画像で大規模検証された。

Annalise CTB は頭部CT用。約130所見を同様に扱う。ICH、LVOだけでなく、微小虚血、白質病変、脳萎縮、動脈瘤、静脈洞血栓症まで。

Annalise.aiの差別化点は 所見の広さ だ。Aidocが「緊急トリアージ」に集中するなら、Annaliseは「この1枚で見落としてはならないすべて」を見る。放射線科医からすると救急以外の通常読影でのセーフティネットの役割が大きい。価格モデルもケース単位課金が可能で、患者1人あたりの追加費用が小さい。

第6章 · Qure.ai — インド発、結核と脳卒中のグローバルスタンダード

ムンバイを拠点とする Qure.ai は2016年設立。創業者のPrashant WarierとPooja Raoは初めから市場をインドと新興国に置いた。結核、外傷、脳出血 — 放射線科医が足りない地域で最も切実な問題群だ。

qXR — 胸部X線。30種類以上の所見。WHOが2021年から結核の能動的症例発見(active case finding)ガイドラインにAI胸部X線を含めて以来、世界保健市場の事実上の標準になった。ベトナム、ナイジェリア、インドネシアの結核スクリーニングキャンプでポータブルデジタルX線とともに動く。資金はThe Global Fund、Stop TB Partnership、USAIDから流れる。

qER — 頭部CT。ICH、骨折、正中偏位、水頭症、腫瘤効果。英国・EU・米国・インド・タイなど40カ国以上で認可。

qCT — 胸部CT。肺結節、肺気腫、肺線維化。

Qure.aiのグローバルな印象は 低・中所得国のインフラ親和性 だ。インターネットが不安定な結核キャンプでも動くようエッジ推論を最適化し、ポータブルX線会社(Delft Imaging、GE Lumify)と深く結合した。結果として韓国・日本の都市病院とインドの農村結核キャンプが同じAIを使うことになる。

第7章 · Viz.ai — LVOトリアージの時計を書き換えた

米国カリフォルニアに本社を置く Viz.ai は2016年設立。Chris Mansi(英国の脳外科医)とDavid Golanが共同創業した。最初の製品 Viz LVO は頭部CT angiography(CTA)からLVOを自動検出し、脳神経インターベンションチームのスマートフォンにプッシュ通知を送る。2018年にDe Novoで認可を受け、「AIが直接臨床医に通知を出す」最初のFDA認可例となった。

LVO患者にとって時間は脳細胞そのものだ。標準ワークフローではCT → 放射線科読影 → 脳神経内科コール → インターベンションチーム招集に平均30〜60分かかる。Viz LVOはその鎖を圧縮し、CTガントリーから出た画像が5分以内にインターベンション医の手に届くようにする。メディケアはこの時間短縮の価値を認め、2020年にNTAPを適用した。

2026年のViz.aiラインアップはもっと広い。

Viz LVO / Viz CTP / Viz ICH — 脳卒中
Viz ANEURYSM — 動脈瘤
Viz PE — 肺塞栓
Viz HCM — 肥大型心筋症
Viz AAA — 腹部大動脈瘤
Viz Subdural — 慢性硬膜下血腫

Viz.aiのもう一つの武器は Viz Connect — 患者1人のすべての画像と臨床データをモバイルアプリにまとめ、多職種チームで共有するコラボレーションレイヤーだ。医師が病院に到着しなくても患者の非造影CT、CTA、CTP、検査結果を見られる。AI通知が最初のボタンなら、多職種協働は2つ目のボタンだ。

第8章 · Rad AI · HeartFlow · Tempus · Arterys — ワークフロー + 心臓 + マルチオミクス

Rad AI — 米国。放射線科読影ワークフローのLLM自動化。音声認識とGPT-4ベースのレポート下書き生成で読影時間を短縮。2024年にRad AI Continuumをリリース。RSNA・ACR学会の常連キーノート。

HeartFlow — 米国。冠動脈CTから FFRct(冠血流予備能比) をシミュレーションで計算する。侵襲的カテーテル検査なしで狭窄部位の血行動態的意義を非侵襲評価する。NICE(英国NHS)とメディケアが正式な保険コードを付与。2024年にIPO報道。

Cleerly Health — 米国。冠動脈CTでプラークの性状(石灰化/非石灰化/低吸収)を定量化する。ISCHEMIA、MESAコホートとの協業で臨床エビデンスを積んでいる。

Tempus(Tempus AI) — 米国シカゴ。当初はオンコロジー領域で ゲノム(NGS)シーケンシング + 臨床データ 統合企業として出発。2024年IPO。2023年に Arterys(クラウドベース心臓MRI AI)を買収し、画像までマルチオミクスに統合した。1人の患者の腫瘍NGS結果、画像所見、薬剤反応を同じ電子カルテに束ねるのがTempusのビジョン。

Caption Health — 2023年にGE HealthCareが買収。心エコー画像取得をAIがガイドする。一般の看護師でも標準ビューを撮れるようにする。

Ultromics — 英国オックスフォード。心エコーで心不全リスク(HFpEF)を予測。EchoGo製品群。

Subtle Medical — 米国。MRI・PET画像の解像度と信号対雑音比をAIで改善し、スキャン時間を半減させる。ガドリニウム造影剤の投与量も削減。

Imagen Technologies — 米国。プライマリケア(PCP)の現場でX線を撮影し、AI + 遠隔放射線科の組み合わせで30分以内に診断を提供する。

第9章 · 病理AI — Paige · PathAI · Ibex · Owkin

病理(pathology)は放射線科より1段階遅れてデジタル化が進んだ。WSI(Whole Slide Imaging) スキャナー — Leica Aperio、Philips IntelliSite、浜松ホトニクスNanoZoomer — が普及し、デジタルワークフローを受け入れる病理科が増え、AIが入ってきた。

Paige.ai — 米国ニューヨーク。Memorial Sloan Kettering(MSKCC)からのスピンオフ。2021年に Paige Prostate Detect がFDA認可第1号の前立腺がんAIとなった。2024年には Paige PanCancer Detect で複数がん検出に拡張。臨床利用はデジタル病理科を持つ大規模病院・機関で活発だ。

PathAI — 米国ボストン。最初は製薬会社との協業 — 臨床試験の病理評価のAIによる標準化 — から始まり、診断ワークフロープラットフォーム AISight まで拡張した。NASH(非アルコール性脂肪肝炎)臨床試験評価の標準となり、2024年にIPO報道。

Ibex Medical Analytics — イスラエル。消化管(GI)生検と乳房生検に集中。Galen Prostate、Galen Breast、Galen Gastric。欧州の大規模病理科に採用されている。

Owkin — フランス・パリ。連合学習(federated learning)ベースの病理 + 創薬。患者データを病院外に出さず、モデルだけを共有して学習する。Sanofi、Bristol Myers Squibbと提携。

第10章 · 眼科AI — メディウェイル · Verily · Eyenuk

網膜は1枚の写真で全身疾患の手がかりを最も多く示す。2024年に Nature Medicine と The Lancet は、網膜画像で心血管リスク、糖尿病、アルツハイマー病リスクまで予測できるとする研究を相次いで掲載した。

メディウェイル(Mediwhale) — 韓国ソウル。2016年設立。代表製品の Reti-CVD は網膜写真1枚から 心血管リスク(冠動脈石灰化スコア) を予測する。韓国MFDSとEU CEの認可を保有。2024年には英国NHSの医療技術評価(NICE Early Value Assessment)候補に挙げられた。

Verily — Alphabet傘下。糖尿病網膜症(DR)自動診断 — Automated Retinal Disease Assessment(ARDA)。インド、タイのプライマリケアクリニックに配備。

Eyenuk — 米国。EyeArt — DR自動スクリーニング。FDA認可。プライマリケアの現場でカメラ + AIにより眼科紹介が必要な患者だけを抽出する。

IDx-DR(Digital Diagnostics) — 2018年FDA PMA第1号の自律診断AI。医師の解釈なしに「紹介/非紹介」を直接判断する。

Optos — 超広角網膜画像 + AI。

第11章 · 皮膚・内視鏡・外科AI — SkinVision · AIメディカル · Theator

SkinVision — オランダ。スマートフォンで撮った皮膚病変写真からメラノーマ疑いを評価する消費者向けアプリ。CE Mark。

DermaSensor — 米国。分光器 + AIで皮膚がんを非侵襲評価。2024年にFDA認可。

Skinive — ポーランド/ベラルーシ。プライマリケア向け皮膚がんスクリーニング。

AIメディカルサービス(AIM) — 東京。胃・大腸内視鏡AI。胃がん内視鏡分野のグローバルリーダーの一つ。gastroAI Model G が日本の厚生労働省・PMDAの認可を取得し、韓国・東南アジア・欧州に拡大中。

オリンパス EndoBRAIN — 日本オリンパスの自社製大腸ポリープAI。内視鏡装置との自然な統合。

Theator — イスラエル。手術動画を自動解析し「いつどの動作が起きたか」をインデックス化する。外科教育と品質評価に使われる。

C-SATS(Johnson and Johnson) — 外科分析。JOMICS・CSATSは外科医の技術評価に使われる。

Activ Surgical — 米国。AR + AIで術中の蛍光(fluorescence)画像を合成し、リアルタイム可視化を実現する。

第12章 · ゲノム + マルチオミクスAI — Tempus · Foundation · GRAIL

Tempus — 第8章参照。画像 + ゲノム + 臨床の統合。

Foundation Medicine — Roche子会社。FoundationOne CDx — 固形がんのNGS同行診断(companion diagnostic)。FDA・MSACなど広範囲の認可。ゲノム変異の検出で分子標的薬の選択をガイドする。

GRAIL Galleri — Illuminaからスピンアウトし、その後分離した独立企業。Galleri は1回の採血で 50種類以上のがんを早期検出 する多がん早期検出(MCED)検査。英国NHS-Galleri無作為化試験(約14万人)が2026年に結果発表を控えており、この分野で最大の節目になり得る。

Exact Sciences — Cologuard(大腸がんの便DNA検査)、Oncotype DX。

Guardant Health — リキッドバイオプシーctDNA NGS。

マルチオミクスAIの核心は「1人の患者の画像 + ゲノム + 臨床ノート + 検査結果 + 薬剤履歴」を同じモデルに入れて次の臨床判断を出すことだ。データ統合とプライバシー(連合学習)が技術的ボトルネックで、FDA・CMSのマルチオミクス同行診断ガイドが2025〜2026年に整備されつつある。

第13章 · 韓国の医療AI — Lunit · VUNO · JLK · Coreline · Deepnoid · Medical IP

韓国は世界的にも活発な医療AIエコシステムの一つだ。MFDSが2017年からAI医療機器の認可ガイドを別途整備し、健康保険審査評価院(HIRA)が保険適用ガイドを整理することで市場ができた。

Lunit(ルニット) — 第4章。KOSDAQ上場。胸部・乳房・病理。

VUNO(ビューノ) — ソウル。胸部X線(VUNO Med-Chest X-ray)、胸部CT、骨年齢、脳MRI、心電図(VUNO Med-DeepECG)。2021年にKOSDAQ上場。VUNO Med-DeepCARS は入院患者の心停止予測システムで、ソウル大学盆唐病院などに導入。

JLK Inspection(JLK) — 脳卒中に集中。JLK-CTL(LVO)、JLK-NCCT(ICH)、JLK-CTP(灌流)、JLK-MRA。2019年にKOSDAQ上場。

Coreline Soft(コアラインソフト) — 胸部CT。AVIEW LCS Plus が韓国・米国・欧州の肺がんLDCTスクリーニングプログラムに採用。2023年にKOSDAQ上場。

Deepnoid(ディープノイド) — 脳・脊椎画像。Deep:NeuRAD、Deep:SPINE。

Medical IP(メディカルIP) — 医療画像シミュレーションと3Dモデリング。

Standigm(スタンディム)、Syntekabio(シンテカバイオ) — 創薬AI。

Promedius(プロメディウス) — 骨密度X線AI。

MFDSの2024年統計は韓国のAI医療機器認可を約250件と報告している。胸部・神経・筋骨格が大半で、眼科・循環器・病理が追走している。

第14章 · 日本の医療AI — AIメディカルサービス · エルピクセル · PFN Med · CureApp · Ubie

日本は胃がんと大腸がん内視鏡の本場だ。2026年春時点での日本の医療AIエコシステムの主要プレーヤーたち。

AIメディカルサービス(AIM) — 東京。第11章を参照。内視鏡分野のグローバルリーダー。

エルピクセル(LPixel) — 東京大学発スタートアップ。EIRL aneurysm(脳動脈瘤)、EIRL Chest、EIRL Bone。PMDA認可多数。

PFN Med(Preferred Networks) — 東京。Chainer時代のPFNが医療に入ってきた。画像・病理。

CureApp — 東京。治療用アプリ(digital therapeutics)領域。ニコチン依存症アプリ、高血圧アプリがPMDA正式認可 + 保険適用。

Ubie — 東京。AI問診 + 患者向け症状チェッカー。日本の約1,000病院に無償で導入され、患者向けアプリ(Ubie AI 症状検索)にも拡張。

Caregia(M3・MICINライン) — オンライン診療 + AI。

PMDAの医療機器審査期間は平均11〜15ヶ月。2023年からSaMD(Software as a Medical Device)の優先審査トラックが運用されている。

第15章 · 規制 — FDA · MFDS · PMDA · EU MDR + AI Act

各地域の規制フレームを1段落ずつ。

FDA(米国) — 510(k)が主力、De Novoが新カテゴリ、PMAが自律診断。2024年にPCCP(Predetermined Change Control Plan)ガイドが正式化され、事前合意の範囲内でのモデルの逐次再学習が認められた。

MFDS / 食品医薬品安全処(韓国) — 2017年にAI医療機器認可ガイドを初回発行。2023年改訂でSaMD分類と変更管理が整備された。保険適用はHIRAの新医療技術評価(nHTA)を経る。

PMDA(日本) — 厚生労働省所管。SaMD優先審査。CureAppのデジタル治療薬への保険適用で世界の注目を集める。

EU MDR(EU) — 2021年5月発効。すべての医療機器に適用。AI医療機器の多くはClass IIa/IIbに分類され、Notified Bodyの評価を受ける。

EU AI Act — 2024年発効。医療AIはほぼすべて「高リスク(high-risk)」システムに分類される。MDRとAI Actが二重で適用される。適合性評価、データガバナンス、人的監視、堅牢性、サイバーセキュリティの要件。

WHO(国際) — AIベース保健ツールのガイドライン。結核・マラリアなどの分野でAI X線の標準作業手順(SOP)を定義。

第16章 · データ標準 — DICOM · HL7 FHIR · OpenEHR · SNOMED CT

医療AIの真の武器はアルゴリズムではなくデータだ。データは標準の上にしか流れない。

DICOM(Digital Imaging and Communications in Medicine) — 1983年にACR-NEMA標準として始まった。ほぼすべての医療画像の保存・送信フォーマット。AI結果を再度DICOM SR(Structured Report)やDICOM SEG(Segmentation)としてPACSに戻すのが標準フローだ。

HL7 FHIR(Fast Healthcare Interoperability Resources) — REST + JSONベースの電子カルテ(EHR)交換標準。R4が安定版。Epic、Cerner、AllscriptsすべてがSMART on FHIRをサポートする。AI結果を患者カルテに書き戻すにはFHIR Observationリソースを作る。

OpenEHR — 臨床データモデル標準。欧州・オーストラリア・韓国の一部で使用。

SNOMED CT — 臨床用語体系。30万概念以上。診断・所見コーディング。

LOINC — 検査コード。

ICD-10 / ICD-11 — 診断分類。

DICOMとFHIRをつなぐのが医療AIの日常仕事だ。PACS(Sectra、Philips、GE、富士フイルム)から画像AI、FHIR Observation、EHR(Epic、Cerner)、臨床ワークフローへ。

第17章 · 病院統合 — Epic · Oracle Cerner · PACSベンダー

Epic Systems — ウィスコンシン本社。米国EHR市場約40%。2024年にGPT-4ベースの臨床ノート要約機能をリリース。画像AIとの統合は Epic Cosmos(連合データプラットフォーム)と SMART on FHIR で行う。

Oracle Health(旧Cerner) — 2022年にOracleがCernerを約283億USDで買収。Epicの強力な競合。AIはOracleクラウド + 自社LLMの連携。

Allscripts(Veradigm) — 外来EHR。

PACSベンダー:

Sectra — スウェーデン。米国放射線科調査でPACS第1位に挙げられることが多い。
Philips IntelliSpace — オランダ。
GE Centricity / Edison — 米国。AIマーケットプレースに拡張。
富士フイルム Synapse — 日本。
Agfa Enterprise Imaging — ベルギー。

放射線科ワークリストオーケストレーション — Backbone AI / Rad AI / Aidoc aiOS — 複数のAIアルゴリズムを1つのワークリストで管理し、放射線科医1人が見る患者順序を優先度付けする。2026年市場の新カテゴリ。

第18章 · 臨床LLM — Med-PaLM 2 · GPT-4 + DAX Copilot · Hippocratic · OpenEvidence

画像がコンピュータビジョンの領域なら、臨床ノート・患者対話・文献検索はLLMの領域だ。2026年春の臨床LLM風景。

Med-PaLM 2(Google DeepMind) — 医療Q&A。2023年発表時、USMLE(米国医師国家試験)正答率約86%で医師合格ライン突破。MedLM としてGoogle Cloudで商用化。Mayo Clinicなどとパイロット。

GPT-4 + Microsoft Nuance DAX Copilot — 臨床音声認識 + GPT-4による臨床ノート自動作成。医師と患者の会話をそのままSOAPノートに変換。Epic・Cerner連携。米国で約2万人の医師が使用。

Hippocratic AI — 米国。安全性を中心に設計された医療専用LLM。「Gen-AI healthcare workforce」のスローガンで、患者モニタリング・慢性疾患コーチング・服薬指導でGPTを代替する。

Glass Health — 米国。臨床推論(clinical reasoning)LLM。鑑別診断(differential diagnosis)を自動生成。

OpenEvidence — 米国。医学文献ベースの検索と回答。NEJM AIのパートナー。医師が1人の患者の質問でPubMedを検索する時間を分単位に短縮する。

Abridge — 米国。臨床音声 → 自動ノート。DAXの競合。Epic公式パートナーの一つ。

Nabla Copilot — フランス。欧州の臨床音声LLM。

第19章 · 連合学習 + プライバシー — Owkin · NVIDIA FLARE · Rhino Health

医療AIのデータ問題は単純だ。1つの病院のデータでは一般化が難しく、複数病院のデータを集めれば患者情報が中に入る。答えは 連合学習(Federated Learning) だ — データは病院外に出ず、モデルだけがラウンドごとに交換される。

Owkin — 第9章参照。欧州の病理 + 創薬連合学習の先頭。

NVIDIA FLARE(Federated Learning Application Runtime Environment) — NVIDIAのオープンソース連合学習フレームワーク。MONAIと結合して医療画像の事実上の標準。

Rhino Health(米国) — 連合学習プラットフォーム自体をSaaSとして販売。画像AI開発企業がデータアクセスのために加入する。

MELLODDY(EU・IMIコンソーシアム) — 10数社の製薬会社が自社の化合物ライブラリを共有せずに学習するモデル。

技術スタックは: DP(Differential Privacy)、HE(Homomorphic Encryption)、SMPC(Secure Multi-Party Computation)、TEE(Trusted Execution Environment、SGX/SEV/H100 Confidential)、連合学習自体の組み合わせ。どこまでどの方式を使うかはデータ機密性と計算コストのトレードオフ。

第20章 · 臨床ワークフロー1ページ — 救急頭部CT 5分の中身

冒頭のシナリオに戻り、救急頭部CT 1ケースの5分を分単位で広げてみよう。

T+0:00 — 患者到着、トリアージNIHSS 4点、救急医が非造影頭部CT + CTAをオーダー。
T+1:30 — 患者がCTガントリーから出る。DICOMシリーズがPACS(Sectra)に流れる。
T+1:45 — PACSのDICOMルーターが画像をAidoc aiOSとViz.aiサーバーの両方に同時送信。
T+2:30 — Aidoc BriefCase ICHが非造影画像で頭蓋内出血を評価。結果: 陰性。ワークリスト標準優先度。
T+2:45 — Viz LVOがCTAで右中大脳動脈(MCA)M1閉塞疑いを評価。結果: 陽性。Viz Connectアプリが脳神経インターベンションチームと脳神経内科当直のスマートフォンにプッシュ通知。
T+3:30 — 放射線科レジデントがワークリストの赤バナー患者をクリック。CT/CTAを並べて見る。
T+4:00 — 脳神経インターベンション医が自分のスマートフォンでViz Connectから画像を見る。インターベンション手技室の準備を呼びかける。
T+4:30 — 放射線科レジデントが読影所見を音声入力。Microsoft DAXがSOAPノートに自動変換しEpicのカルテに書き戻す。
T+5:00 — 患者はすでにインターベンション手技室へ移動中。

この流れのすべての矢印に1社が入っている。PACS(Sectra)、トリアージ(Aidoc)、LVO(Viz.ai)、多職種協働(Viz Connect)、音声ノート(DAX)、EHR(Epic)。1人の患者の5分が医療AIエコシステム全体を横断している。

第21章 · どこから始めるか — 放射線科医、臨床医、開発者、管理者別

この分野に足を踏み入れたい人にとって、出発点は役割ごとに異なる。

放射線科医 / 臨床医 — 自分のPACSにすでに入っているAIツール(Aidoc、Lunit、Vizなど)の結果を自分の読影と比較するところから。同意・倫理委員会の手続きなしにできる最速の学習ループ。RSNA、ECR、KCR学会のAIトラックを毎年追う。

開発者 / データサイエンティスト — MONAI(NVIDIA・医療画像PyTorch)、fastMONAI、TorchIO、nnU-Net などのオープンソースフレームワークから。公開データセット — NIH ChestX-ray14、MIMIC-CXR(MIT)、CheXpert(Stanford)、TCIA(Cancer Imaging Archive)、MedMNIST、BraTS、LIDC-IDRI — で最初のモデルを学習。Kaggleの年次RSNAチャレンジ(2017〜毎年)が毎年違う画像課題を投げる。

管理者 / 病院運営 — 画像AI調達の最初の質問は「自分のPACSに接続できるか?」、2つ目は「どのワークフローKPI(TAT、トリアージ精度、レポートターンアラウンド)に効くか?」、3つ目は「保険適用/NTAP/HIRAの償還があるか?」。臨床チャンピオン(放射線科部長1人)がいなければ導入は定着しない。

規制 / ポリシー担当 — FDAのAI/ML-Enabled Medical Devicesリスト、韓国MFDSのAI医療機器資料、PMDAのSaMDページを定期的に確認する。

患者 — 自分の受ける検査がAI支援を経るかを尋ねる権利が次第に明確になっている。EU AI Actは医療機関に対し、患者にAI使用の事実を知らせる義務を課す。

第22章 · 限界 — データバイアス、汎化、責任

最後の1章は限界についての正直な一言だ。

データバイアス — ほぼすべての医療AIモデルは米国・欧州・東アジアの大規模学術病院のデータで学習されている。人種、性別、年齢、装置メーカーによる分布バイアスがある。胸部X線AIが黒人患者で性能低下するという報告(JAMA Network Open 2021)、マンモグラフィーAIが高密度乳房で弱いという報告が積み重なっている。

汎化の限界 — モデルが学習した装置メーカー・解像度・プロトコルと異なる画像では性能が落ちる。Domain Adaptation、Test-Time Adaptation、MONAI Generative による合成データなどが対策だが、汎用解はまだない。

責任所在 — AIが判断に影響を与え結果が悪かったとき、誰の責任か。FDA・MFDS・PMDAの一般的立場は「AIは臨床医の補助ツール」。つまり最終判断は人間にある。しかしLVOトリアージのように時間制約が厳しく、人間の判断を経る前に通知が走るケースでは、この境界が曖昧になる。

ブラックボックス — 画像AIの意思決定の解釈は依然としてGrad-CAM、Attention map、SHAPなどの代理解釈に依存している。臨床医が「なぜこの画像を陽性と判定したか」の因果的回答を得るのは未だ難しい。

規制と更新の摩擦 — PCCPが定着するまで、モデルを一度認可すると同じ重みを維持しなければならなかった。データは流れ臨床は変わるのに、モデルだけが止まっている矛盾。2026年、この矛盾が解けつつある。

これらの限界は、しかし分野を否定する理由ではない。同じ限界が1990年代のデジタル画像導入期、2000年代のPACS導入期にもあり、医療はそれを吸収しながら前進してきた。AIも同じ道を行く — 批判的に、そして一歩ずつ。

第23章 · 結論 — 画像 + ゲノム + 臨床、同じ電子カルテ、その次の10年

2026年春、救急頭部CT 1ケースの5分の中で、私たちはこの時代の一枚絵を見た。PACS、画像AI、LVOトリアージ、多職種協働、音声LLM、EHR — 異なる企業、異なる標準、異なるアルゴリズム。しかし1人の患者の電子カルテという同じ点に集まる。

次の10年の方向は明確だ。画像、ゲノム、臨床ノート、検査、薬剤履歴、ウェアラブルが同じ患者カルテの同じ時間軸に束ねられる マルチオミクスAI。TempusとFoundation Medicine、OwkinとLunit SCOPEがその最初の灯火だ。その上に PCCPで生き続けるモデル、連合学習でプライバシーを守る学習、EU AI ActとFDA PCCPが協力するグローバル規制調和 が乗る。

放射線科医は消えない。むしろ1人の医師が扱う患者数、扱うモダリティ、判断に影響を与える時点が増える。AIは視力0.1の人を1.0に変えた眼鏡のように、医師の認知能力を拡張するツールだ。1人の患者の5分が5秒にはならない。5分の中で医師が知れることが増えるのだ。

そしてその中に韓国のLunit、日本のAIメディカル、インドのQure、イスラエルのAidoc、オーストラリアのAnnalise、米国のViz・Tempus・Paigeが共に居る。医療AIは1国のゲームではない。