カート
会員登録
ログイン
「AIによるタスクの自動化」と「職業そのものの代替」は同じではない。AIによって労働者の仕事の一部が置き換えられ、多くの人が解雇される、と言われることがある。しかし、少なくとも医師の場合、必ずしもそうではないだろう。放射線科医を例に考えてみよう。
深層学習の発展に大きく貢献した米国のジェフリー・ヒントン氏は2016年、「今すぐ放射線科医の育成をやめるべきだ。5年以内に深層学習が放射線科医よりも優れた診断ができるようになるのは、まったく明白なことだ」と論じた。
しかし、それから約10年がたった今も、米国では放射線科医の人材不足が続いている。米国放射線医学会のキャリアセンターに2014〜23年に掲載された求人は3万1825件で、同期間の診断放射線科の研修修了予定者は1万180人だった。
ヒントン氏はAIの権威ではあるものの、放射線科医がどのような仕事をしているのか、十分に把握していなかったのだろうか。放射線科医には、画像診断を担う放射線診断医と、放射線治療を担う放射線治療医がいる。放射線診断医の仕事は、画像の読影だけではない。読影を通じて様々な診療科の医師を支え、画像検査の適応に問題があれば指摘し、病変の見逃しを防ぐ役割も担っている。
米国の研究によると、放射線診断医が読影に費やす時間は、業務全体の36％にとどまる。画像検査の監督、診断結果の担当医への伝達、研修医や技師の指導などにも、多くの時間が費やされている1）。
私見だが、AIの開発者はAIのことはよく理解していても、実際に働く人々の現場については十分に理解していないことがあるのだろう。AIの技術的な性能だけなら、特定の職業そのものが代替されるかどうかを予測することには限界がある。「AIが人間の仕事を代替する」という予測は、話半分に聞いておくほうがよさそうだ。
AIの普及以前、放射線科では別の技術革新が起きていた。2000年代以降、画像の管理・閲覧システムであるPACSの導入が進み、フィルムからデジタル画像への移行によって、放射線診断医の生産性が向上した。カナダの単施設研究では、PACS導入1年後、医師1人当たりの読影件数は、単純X線で27％、CTで98％、MRIで19％増加した2）。
一方、米国のMedicare受給者を対象とした研究では、2000〜08年に救急部門で実施された画像検査の利用率が、受給者1000人当たり281.0件から450.4件へと、60％増加した3）。ただし、生産性の向上が画像検査の需要増加を引き起こしたという因果関係が、実証的に明らかにされているわけではない。
PACS導入時と同じように、あるいはそれ以上に、AI導入によって画像診断の生産性が向上する可能性はある。しかし、生産性の向上によって検査件数も増えれば、放射線科医の負担は減らず、人材不足の解消にもつながらないかもしれない。
日本の放射線科医数は、人口当たりで米国の約3分の1とされる。放射線科医の人材不足が続く米国の状況をふまえると、AIの普及だけで人材不足を解消することは容易ではない。もともと放射線科医が少なく、1人当たりの業務負担が大きい日本では、なおさら難しいのではないだろうか。
【文献】
1） Dhanoa D, et al:J Am Coll Radiol. 2013;10(10):764-9.
2） Lepanto L, et al:J Digit Imaging. 2006;19(1):92-7.
3） Rao VM, et al:J Am Coll Radiol. 2011;8(10):706-9.
康永秀生（東京大学大学院医学系研究科臨床疫学・経済学教授）［AI］［放射線科医］［医療の生産性］