医療におけるAI活用事例25選！診断精度や収益改善など効果別に紹介

AI（人工知能）技術の急速な発展により、日本の医療現場では診断精度の向上から業務効率化まで、様々な分野で革新的な変化が起きています。

本記事では、実際に導入され成果を上げている国内のAI医療活用事例25件を、「診断・治療精度向上」「業務コスト・時間削減」「患者体験向上」「規制・収益性改善」の4つの軸で分類してご紹介します。

なお、以下の記事ではAIの活用事例を網羅的に取り上げています。ぜひ参考にしてみてください。

【一覧表】医療におけるAI活用事例25選まとめ

診断・治療精度を飛躍的に向上させた事例

診断精度の向上は、患者の命に直結する重要な分野です。ここでは以下の7つの事例をご紹介します。

• LPixelによる胸部X線AI診断支援
• Smart Opinionによる乳がん超音波AI診断
• AIメディカルサービスによる胃がんAI検出
• 富士フイルムによる大腸ポリープAI検出
• 富士フイルムと京都大学による肺疾患AI定量化
• iRhythmによる不整脈AI診断
• OUI Inc.による眼科スマホAI診断

LPixelが胸部X線の診断精度を向上させた事例

LPixel

項目	内容
企業名	LPixel株式会社
業界	画像診断支援AI（ソフトウェア医療機器）
ビフォー	胸部X線は医師が単独読影。全体感度45.4％、読影負担が大きい
アフター	AI支援で全体感度56.9％（+11.5ポイント）、非専門医は+13.1ポイント向上、読影時間も短縮

LPixelの「EIRL Chest Screening」は、PMDA（医薬品医療機器総合機構）承認済みのクラスⅡプログラム医療機器として、胸部X線検査の診断精度を大幅に向上させています。地域クリニックでも胸部X線件数が増加する中、非専門医による見逃しリスクが課題となっていました。

このAIシステムは、病変候補をヒートマップで表示し、医師のダブルチェックを強化。感度と特異度のモード切替により、運用を柔軟に調整できます。既存のPACS（画像保存通信システム）との連携もスムーズで、導入しやすい設計。過去数万件のX線画像をディープラーニングで学習し、IDATEN制度による迅速なバージョンアップも実現しています。

Smart Opinionが乳がん診断精度を向上させた事例

Smart Opinion

項目	内容
企業名	株式会社Smart Opinion
業界	乳がん超音波AI診断支援
ビフォー	非専門医読影正診率69.3％
アフター	AI併用で73.1％、要精検所見感度94.4％

Smart Opinionの「METIS Eye」は、2024年に薬機法承認を取得した乳がん超音波AI診断支援システムです。日本の乳がん検診率45％という現状で、検査技師の熟練度差による見落としが問題となっていました。特に高濃度乳腺（デンスブレスト）ではマンモグラフィーより超音波検査が重要とされています。

慶應義塾大学との共同開発により、BI-RADS（乳房画像報告データシステム）の自動判定を実現。感度94.4％を達成しながら偽陽性を抑制し、二次精査の負荷を最小化。Mayo Clinicアクセラレータでの米国市場実証も進めており、国際展開も視野に入れています。50万枚超の乳腺エコー画像を学習データとして活用しました。

AIメディカルサービスが胃がん見逃し率を低減した事例

AIメディカルサービス

項目	内容
企業名	株式会社AIメディカルサービス
業界	内視鏡AI診断支援
ビフォー	早期胃がんは医師経験依存で4.5–25.8％見逃し
アフター	AIが疑わしい領域をリアルタイム検出し注意喚起、見逃し低減を実現

AIメディカルサービスの「gastroAI-model G」は、2023年12月にPMDA承認を取得した早期胃がん検出AIです。ステージI発見で5年生存率95％超となる一方、判別は非常に困難でした。100施設超の共同研究により40万枚以上の画像を学習し、疑わしい領域を矩形ハイライトでリアルタイム表示。

観察画面側に矩形表示のみのシンプル設計で、既存の業務フローを変更せずに導入可能。マルチメーカー対応により幅広い内視鏡システムで利用できます。世界展開も視野に入れており、シンガポール・タイでの展開も進めています。今後はESD（内視鏡的粘膜下層剥離術）適応判定など機能拡張も予定されています。

富士フイルムが大腸ポリープ検出精度を向上させた事例

富士フイルム

項目	内容
企業名	富士フイルム株式会社
業界	内視鏡AI診断支援
ビフォー	経験依存で腺腫検出率（ADR）60％前後、見逃し率も課題
アフター	CAD EYE併用でADR+12ポイント、アデノーマミス率42％→22％に低減

富士フイルムの「CAD EYE®」は、2020年に薬機承認を取得した大腸ポリープ検出AIシステムです。小型ポリープや平坦病変の見落としが大腸がん再発要因となる中、内視鏡医の技量差が大きな課題でした。白色光・LCI（Linked Color Imaging）両モード対応で色味変化を最適化し、0.03秒以内に矩形ハイライトを提示して術者の視線を誘導。

2024年のアジア多施設ランダム化比較試験では、病変検出感度95％超を報告しています。70万フレーム以上の内視鏡動画を学習データとして活用し、発見と性状推定をリアルタイムで提示することで、より確実な診断をサポートしています。

富士フイルムと京都大学が肺疾患評価のばらつきを改善した事例

富士フイルム／京都大学

項目	内容
企業名	富士フイルム株式会社／京都大学
業界	画像診断AI（肺）
ビフォー	IPF病変評価は医師主観でCV（ばらつき）25％
アフター	AIが肺野を7病変×12領域で自動分類しCV8％に低減、定量値で治療効果をトラッキング

間質性肺炎（IPF）の病変評価において、従来は医師の主観的判断によるばらつきが課題でした。

抗線維化薬の効果判定基準が曖昧で、治療継続判断が困難な状況の中、富士フイルムと京都大学の共同開発AIは、CNN（畳み込みニューラルネットワーク）と3D-U-Netを組み合わせ、0.9Diceスコアを達成。7種類の病変をVoxel単位で計測し、進行度ヒートマップを自動生成します。

外来診療では5分程度で読影可能となり、COVID-19肺炎モニタリングにも応用されるなど汎用性を実証。1,800CTスタディの学習コホートを活用し、治療効果の定量的評価を実現しています。

iRhythmが不整脈診断精度を大幅に向上させた事例

iRhythm

項目	内容
企業名	iRhythm Technologies（日本販売：テルモ）
業界	不整脈遠隔モニタリング
ビフォー	24時間ホルターでAF検出感度55％・解析に専門技師60分/件
アフター	14日パッチ＋AI解析でAF感度93％・レポート自動生成3分/件

iRhythmの「Zio® ECG Monitoring」は、2024年9月にPMDAからAI不整脈診断プログラムとして国内初承認を取得ししました。

高齢化で年間160万件の検査需要がある中、解析リソースの逼迫が課題でしたが、18億時間のECGビッグデータで深層学習を行い、日本心電学会から”High Medical Needs”指定を受けて優先審査されました。

14日間連続装着可能なパッチ型デバイスにより、従来の24時間ホルターでは検出困難な一時的な不整脈も高精度で検出。院外装着により外来再診回数を30％削減する効果も期待されています。電池・粘着材を改良し、患者の日常生活に支障をきたさない設計を実現しています。

OUI Inc.がスマホを活用した眼科診断システムを開発した事例

OUI Inc.

項目	内容
企業名	OUI Inc.
業界	スマホ眼科デバイス／AI計測
ビフォー	前房深度（ACD）は据置OCT依存、簡易スクリーニング不可
アフター	スマホ装着SEC撮影＋AI推定でACD平均絶対誤差0.093mm、PACG（原発閉塞隅角緑内障）リスク感度94％

OUI Inc.の「Smart Eye Camera® × AI-ACD」は、原発閉塞隅角緑内障（PACG）がアジア主要失明原因である中、前房計測装置の高価格が地域眼科検診のボトルネックとなっていた課題を解決。

スマホにクリップ式光学系を装着（重量35g・価格2万円台）し、AIモデルSWSL-ResNetによりAUC 0.923で医師読影並みの精度を実現しました。

204,639フレームの学習データを活用し、低コストでPACG一次予防を可能に。ネパール・カンボジアでの学校検診プロジェクトも開始され、途上国での眼科検診拡充に貢献。今後は白内障核硬度分類や角膜混濁検出モデルの追加も予定されています。

医療業務のコスト・時間を大幅に削減した事例

医療現場の働き方改革が求められる中、AIによる業務効率化は喫緊の課題です。ここでは以下の8つの事例をご紹介します。

• NECと東北大学病院による医療文書自動要約システム
• メドメインによるデジタル病理診断システム
• キヤノンメディカルによるAI搭載CT装置
• DeepEyeVisionによる眼底読影所見自動生成
• TXP Medicalによる救急記録音声入力システム
• 慶應義塾大学病院によるAI音声カルテシステム
• RapidAIによる脳卒中CT画像解析システム
• 富士フイルムによる肋骨骨折検出プログラム

NECが退院サマリー作成時間を大幅短縮した事例

NEC

項目	内容
企業名	日本電気株式会社（NEC）
業界	病院情報システム／生成AI
ビフォー	退院サマリー・紹介状は医師が手入力、平均40分/件
アフター	AI要約で47％時間削減（平均21分→11分）

NECと東北大学病院が共同開発した医療LLM（大規模言語モデル）による文書自動要約システムは、2024年施行の時間外労働上限規制への対応として注目を集めています。

電子カルテ記載の情報抽出負荷が大きい中、国内医療用LLMを学内実証し働き方改革の目玉となりました。エビデンスリンク付き生成により校正時間を短縮し、10名の医師による実証では全員が実運用品質を評価。

院内電子カルテテキスト約10万件を実証時の学習データとして活用し、日本オープンイノベーション大賞の学術会議会長賞も受賞しています。医師の文書作成負担を大幅に軽減し、患者対面時間の確保に貢献しています。

メドメインが病理診断時間を劇的に短縮した事例

メドメイン

項目	内容
企業名	メドメイン株式会社
業界	デジタル病理／遠隔診断クラウド
ビフォー	病理標本を各施設へ郵送→診断待ち1〜3週間
アフター	AI解析＋クラウド共有で判定約1分、即日コンサル可能

メドメインの「PidPort」は、病理医不足で診断遅延や研究試料の輸送負担が深刻化する中、革新的なソリューションを提供。医学部設置82大学の半数超が導入する実績を誇ります。

教育・共同研究用ガラス標本の破損リスクと高コストが課題でしたが、クラウド上での遠隔カンファレンスを即開催し作業待ちをゼロ化。転移学習により追加臓器モデルを数週間で開発でき、多臓器対応を実現しています。

大学病院への早期普及により国内症例データが高速に蓄積され、組織切片100万枚超を教師データ化。年間SaaS＋ストレージ従量課金モデルで提供され、病理診断の効率化に大きく貢献しています。

キヤノンメディカルがCT検査時間と被ばく線量を削減した事例

キヤノンメディカル AiCE-i 搭載CT (Aquilion Serve)

項目	内容
企業名	キヤノンメディカルシステムズ株式会社
業界	CT装置＋Deep-Learning Reconstruction
ビフォー	胸部CT検査5分/件・通常線量
アフター	INSTINX自動化で3分以内/件、線量−53％でも画質維持

キヤノンメディカルの「AiCE-i 搭載CT (Aquilion Serve)」は、被ばく低減と高スループットの両立という困難な課題を解決。人間ドックで胸部X線を廃止し、1日80人を低線量CTだけで処理する革新的な運用を実現しています。

健診ドック拡充で1日40件超のCT枠が必要となる中、従来は被ばく低減と高スループットを両立できずX線に依存していました。AiCEによるディープラーニング再構成で53％線量低減を達成し、SilverBeam Filter併用で画質劣化なし。

ガントリ内カメラ＋ワンタップポジショニングで搬送時間も短縮しています。胸部X線からCT置換により年間売上3,000万円増という病院試算もあり、収益性向上にも寄与しています。

DeepEyeVisionが眼底読影所見作成を効率化した事例

DeepEyeVision／自治医科大学

項目	内容
企業名	DeepEyeVision株式会社
業界	眼科診断支援AI
ビフォー	専門医が手入力で所見作成、読影→報告に平均15–20分/例
アフター	画像＋問診データをLMMが解析し所見草案を自動生成、読影入力時間70–90％短縮

DeepEyeVisionと自治医科大学が共同開発した眼底読影LMM（大規模マルチモーダルモデル）は、内閣府SIP3期「医療LMM」に採択され、2024年度健診センターでの運用開始を予定。眼科専門医不足と健診データ急増により長時間労働が顕在化する中、マルチモーダルで画像とテキストを統合解析し、所見テンプレートを生成することで医師は校正のみで済むように。平準化により健診品質の均てん化も実現します。眼底画像＋問診データ数十万件を学習し、生成所見は電子カルテへHL7連携予定。専門医の負担軽減と診断品質の標準化を同時に実現する革新的なシステムです。

TXP Medicalが救急記録作業を音声AIで自動化した事例

TXP Medical

項目	内容
企業名	TXP Medical株式会社
業界	救急医療データプラットフォーム
ビフォー	救急隊が手書き・手打ちで活動記録、搬送先との電話調整も長時間
アフター	音声入力→生成AIが自動構造化し活動記録を生成、病院へ即共有で搬送先決定時間短縮

TXP Medicalの「NSER mobile × 生成AI」は、東京消防庁INNOVATION PROJECT採択の日本初生成AI救急記録システム。東京都の救急出動が年90万件超となる中、記録負荷がボトルネックとなっていました。

LLM＋専門辞書で医療用語の揺れを補正し、音声だけで報告書フォーマットを完成。データ解析で搬送プロセスを可視化し体制改善へフィードバックします。

2025年4月から都内実搬送での実証を開始予定で、OCR・画像添付とも統合し”ほぼキーボードレス”を目指しています。救急隊の負担軽減と搬送効率化により、救急医療の質向上に大きく貢献することが期待されています。

慶應義塾大学病院が音声カルテで記録業務を効率化した事例

慶應義塾大学病院

項目	内容
企業名	慶應義塾大学病院
業界	病院DX／LLM音声記録
ビフォー	看護・外来記録に勤務時間の30％（約2.5時間/日）
アフター	医療用辞書LLM＋音声認識精度68％→89.7％、入力時間−40％

慶應義塾大学病院の「AIホスピタル」音声カルテ自動記録システムは、内閣府SIP「AIホスピタル」モデルとして全国20病院が横展開準備中。2024年医師働き方改革で残業上限規制となる中、記録業務がボトルネックとなっていました。

多職種モダリティ統合で画像・音声・テキストを連携し、看護師の患者対面時間を1日あたり18分創出。

データは院内オンプレPACS連携で情報漏洩リスクを最小化しています。メディカルアシスタント配置＋AI月額10万円/端末という病院試算で、要約生成機能を2026年度に実装予定。医療現場の働き方改革を技術面から強力にサポートしています。

RapidAIが脳卒中画像読影時間を大幅短縮した事例

RapidAI

項目	内容
企業名	RapidAI Inc.（日本展開パートナー：J-MAC）
業界	脳卒中画像AI
ビフォー	地方中核病院で画像読影〜治療判断平均35分
アフター	非造影CTスイートで読影通知5分以内、t-PAドア・ニードル平均−12分

RapidAIの「Rapid Edge Cloud」脳卒中CTトリアージシステムは、2023年11月にPMDAクラスⅢ承認を取得。神経外科医不在の救急輪番病院が多く、画像伝送待ちが治療遅延要因となる中、Edge + Cloudのハイブリッド構成で通信遅延0.2秒を実現しています。

AIがASPECTS自動採点・大血管閉塞疑いをプッシュ通知し、保険包括点数内運用により追加コストはクラウド従量課金のみ。

2025年3月時点で国内18施設導入、治療件数3,400例の解析データを公開。国際多施設研究DUEL試験では、LVO検出感度98％ vs 従来74％を達成し、脳卒中急性期治療の迅速化に大きく貢献しています。

富士フイルムが肋骨骨折読影の見逃しと時間を削減した事例

富士フイルム「FS-AI691 肋骨骨折検出プログラム」

項目	内容
企業名	富士フイルム株式会社
業界	放射線科CADx
ビフォー	肋骨骨折の読影漏れ率19％・所見作成7分/CT
アフター	AI候補提示で漏れ率6％・所見時間3分/CT

富士フイルムの「FS-AI691 肋骨骨折検出プログラム」は、2024年10月に薬機承認を取得したCADxシステム。CT枚数増加で当直読影の疲労により誤読が問題化する中、保険点数は包括のため再読影コストは病院負担という課題がありました。

PACSとシームレス連携し追加ワークフローなしで導入でき、骨番号自動付番＋VR表示でレポート作成を自動化。3D-VR表示により術前計画のコミュニケーションも簡易化されます。

Ver.2.0では学習データを1.6倍に増やし感度向上予定（2025年Q1提供）。CT400件/月の総読影時間を年間約960時間削減する病院試算もあり、放射線科医の負担軽減に大きな効果をもたらしています。

患者体験（安全性・満足度）を向上させた事例

患者中心の医療を実現するため、AIは検査・治療時の負担軽減や利便性向上に大きく貢献しています。ここでは以下の5つの事例をご紹介します。

• Ubieによる来院前AI問診システム
• Aillisによる痛みのない咽頭画像検査
• エクサウィザーズによる歩行分析リハビリアプリ
• アルムによる救急トリアージ最適化システム
• CYBERDYNEによるロボットスーツリハビリ

Ubieが外来待ち時間を大幅短縮した事例

Ubie

項目	内容
企業名	Ubie株式会社
業界	デジタル問診／ヘルスケアSaaS
ビフォー	紙問診→看護師転記で20〜30分待ち時間
アフター	来院前AI問診で待ち時間20分短縮、入力ミス大幅減

福岡和白病院で導入されたUbieの「AI問診」は、外来混雑と看護師の二度手間、薬情報転記ミスによる安全リスクという課題を解決。スマホ事前入力＋自動カルテ連携で患者導線を刷新しました。

来院前入力によりピーク時も受付がスムーズになり、独自アルゴリズムで追加質問を自動生成して診療に必要な情報を効率的に収集。70,000パターンの症状・疾患ナレッジベースを活用し、2025年4月には患者UIを全面刷新して高齢者向けフォント拡大にも対応しています。

SaaS月額15〜30万円（病床規模で変動）という明確な価格設定により、多くの医療機関で導入が進んでいます。患者の利便性向上と医療従事者の業務効率化を同時に実現しています。

Aillisが痛みのない咽頭検査を実現した事例

Aillis

項目	内容
企業名	Aillis株式会社
業界	AI搭載咽頭スキャン検査機器
ビフォー	鼻腔スワブ＋迅速キット：痛み大／結果15分
アフター	咽頭画像＋AI判定：痛みほぼゼロ／数秒〜十数秒

Aillisの「nodoca」は、AI感度76.0％・特異度88.1％で1,000超施設が保険診療で導入する革新的な検査システム。

幼児や高齢者の鼻スワブ苦痛、早期受診でも陰性が出やすいという課題、コロナ併発期のトリアージ効率がボトルネックとなる中で開発されました。検体採取不要によりスタッフの防護具コスト削減にも貢献し、早期症例で従来法より高感度を確認。患者NRS痛みスコア平均0.8（治験・添付文書）という優れた数値を実現しています。

検査保険点数305点（迅速キットと同水準）で経済的負担も変わらず、特に小児や高齢者にとって大幅な負担軽減となり、受診へのハードルを下げることで早期診断・治療に貢献しています。

エクサウィザーズが歩行分析で運動意欲を向上させた事例

エクサウィザーズ

項目	内容
企業名	株式会社エクサウィザーズ
業界	介護リハビリ／高齢者ケアAI
ビフォー	紙ベース記録＋目視評価、歩行機能の経時変化が把握しづらく訓練意欲も低調
アフター	スマホ撮影→AI解析で2–3分以内に歩行・口腔機能を数値化、73％の事業所が利用者の運動意欲向上を実感

エクサウィザーズの「CareWiz トルト」は、介護予防教室などで「効果が見えない＝続かない」問題を解決する画期的なシステム。

累計撮影者数5万人を突破し、動画から骨格抽出してスコア化、レポートは家族・ケアマネへ即共有できます。AIが歩行・発語を同時評価し口腔機能も可視化、推奨エクササイズを自動提示してプロトコルを統一。大規模実証で”質の向上”を確認（73％）という具体的な成果を上げています。

iOS/Androidアプリでクラウド月額課金モデルを採用し、介護予防教室延べ1,500回開催で地域連携を強化。利用者が自身の改善を数値で実感できることで運動継続への意欲が向上し、健康寿命延伸に貢献しています。

アルムが救急搬送を最適化し患者の治療遅延を改善した事例

アルム

項目	内容
企業名	株式会社アルム
業界	病院前救急トリアージAI
ビフォー	救急隊が主観評価→搬送先決定に平均10–15分、専門治療遅延
アフター	AIスコア（FAST-EDなど）で脳卒中重症度を即判定、チャットで病院共有してt-PA／血栓回収が必要な患者を適切搬送

アルムの「JoinTriage」は、徳島市消防×徳島大病院実証で搬送最適化を検証中のシステム。血栓回収対応施設が県内2か所のみという状況で、適切なトリアージが必須となっていました。

既存アプリ「Join」と連携し画像・チャット共有により、病院到着前に治療チームが準備開始して”ドア・ニードル”時間を短縮。CE/FDAを含む多国で医療機器認証を取得し、国内30都道府県で救急導入が進行中です。

モバイルアプリ無償提供＋クラウドSaaS課金モデルにより導入しやすい料金体系を実現。脳卒中などの超急性期疾患において、適切な医療機関への迅速な搬送により患者の予後改善に大きく貢献しています。

CYBERDYNEがロボットスーツでリハビリ効果を向上させた事例

CYBERDYNE「HAL®」

項目	内容
企業名	CYBERDYNE株式会社
業界	リハビリテーションロボティクス
ビフォー	従来は理学療法士による徒手訓練のみ、TUG 15.2秒、歩行速度0.90m/s
アフター	HAL装着＋5週×12セッションでTUG−2.8秒（18％短縮）、歩行速度+0.10m/s

CYBERDYNEの「HAL®」歩行リハビリシステムは、脳卒中・加齢による歩行能力低下で介護依存が拡大する中、セラピスト依存の訓練量・質の限界という課題を解決。

随意筋電位をAIがリアルタイム学習し関節トルクを補助することで、完遂率97％・有害事象ゼロ（79例RCT）という優れた安全性を実現しています。バイオフィードバックで運動意欲を喚起し、海外114台導入の実績を基に日本でも保険適用拡大を準備中。

セット（下肢両脚）リース料約月35万円/台で、セッション当たりの理学療法士人件費を25％削減する病院試算もあります。患者の歩行機能改善と医療従事者の負担軽減を同時に実現し、リハビリテーション医療の質向上に大きく貢献しています。

規制・安全要件を満たしつつ収益性を改善した事例

医療におけるAI活用では、薬事承認や保険収載などの規制対応と経済性の両立が重要です。ここでは以下の5つの事例をご紹介します。

• CYBERNETとオリンパスによる内視鏡AI診断支援システム
• 富士通と理化学研究所による創薬AI技術
• CureAppによる禁煙治療デジタルアプリ
• CureAppによる高血圧治療デジタルアプリ
• SUSMEDによる不眠症デジタル治療アプリ

CYBERNETとオリンパスが内視鏡診断の精度と収益性を向上させた事例

CYBERNET／オリンパス「EndoBRAIN」

項目	内容
企業名	サイバネットシステム／オリンパス
業界	内視鏡AI診断支援
ビフォー	ポリープの腫瘍・非腫瘍判定は医師の経験依存、判定時間≧5秒/病変
アフター	AIが0.3秒で良悪性を表示、病変見逃し率大幅低減

CYBERNETとオリンパスの「EndoBRAIN」は、2018年12月に薬機法承認を取得した国内初の内視鏡AIとして画期的な成果を達成。大腸内視鏡ポリープ判別エラーによる過剰切除や見逃し損失が課題となる中、導入前はROIが不透明で普及が進まない状況でした。

感度97％・特異度90％（臨床試験）という高い精度を実現し、保険収載（DPC包括点数内加算）により病院の収益性向上に貢献。画像は500倍拡大顕微内視鏡を学習し、学習画像数60万枚以上という豊富なデータを活用しています。

本体＋サーバー約1,500万円という投資に対し、高稼働病院では約2年（稼働率50％想定）で回収可能。IDATEN制度による迅速なアップデート認可により、継続的な性能向上も実現しています。

富士通と理化学研究所が創薬プロセスを大幅効率化した事例

富士通／理化学研究所「DeepTwin」

項目	内容
企業名	富士通株式会社／理化学研究所
業界	IT創薬プラットフォーム
ビフォー	電子顕微鏡画像解析に1日以上、創薬初期スクリーニング年単位
アフター	構造変化予測を2時間で実行、創薬プロセス10倍短縮期待

富士通と理化学研究所の生成AI「DeepTwin」による創薬技術は、新薬候補構造探索の高コスト・長期化という課題を解決。高分解能Cryo-EMデータ解析の計算負荷が大きい中、「Fujitsu Kozuchi」AI基盤で2023年10月より外部提供を開始しています。

生成AI「DeepTwin」で広範囲3D密度マップを復元し、富岳スパコン×AIハイブリッド計算フローを実現。化合物候補絞り込みを従来比1/5コストに圧縮（富士通試算）という劇的な効率化を達成しました。

API＋GPUクラウド従量課金による提供形態で、電子顕微鏡画像数十万枚＋PDB構造データを活用。創薬業界の構造的課題である開発期間の長期化とコスト増大に対し、AI技術による解決策を提示しています。

CureAppが禁煙治療の継続率を大幅改善した事例

CureApp「CureApp SC® 禁煙治療アプリ」

項目	内容
企業名	CureApp株式会社
業界	デジタルセラピューティクス（DTx）
ビフォー	標準禁煙治療のみ：9-24週継続禁煙率50.5％
アフター	アプリ併用で63.9％（+13.4ポイント）に向上

CureAppの「CureApp SC® 禁煙治療アプリ」は、日本初のDTx保険収載（2020年）により診療報酬＋アプリ料で収益を確立。通院間隔が長く離脱率が高い、喫煙者の在宅サポート手段が不十分という課題を解決しました。C

Oチェッカー連動でリアルタイム行動変容支援を行い、52週禁煙率も52.3％ vs 41.5％で有意差を確認。オンライン診療併用により医師負荷を抑制しています。

患者負担は通常3割負担で約1.3万円/12週、医療機関へのアプリ管理料960点という明確な経済モデルを構築。呼気CO・セルフログ1日平均20項目のデータを活用し、エビデンスに基づく個別化された禁煙支援を提供。DTx分野のパイオニアとして、デジタル治療の有効性と経済性を実証しています。

CureAppが高血圧治療効果を大幅向上させた事例

CureApp「CureApp HT®」

項目	内容
企業名	CureApp株式会社
業界	デジタルセラピューティクス
ビフォー	標準治療のみではSBP −4.6 mmHg／24週にとどまる
アフター	アプリ併用群でSBP −9.2 mmHg／24週、医師‐患者コミュニケーション指数も有意改善

CureAppの「CureApp HT®」高血圧治療DTxは、2022年9月に保険収載を達成。日本人成人の43％が高血圧という現状で、服薬・生活指導の持続率が低いという課題に対応しました。

HERB-DH1試験では外来血圧より家庭血圧で−10 mmHgを達成し、20万人処方のリアルワールド解析では12週で平均SBP −7.5 mmHgを実現。政府「デジタル健康保険指針」モデルケースに選定（2024年）され、国の政策としても重要視されています。

患者自己負担は標準治療＋約1.5万円/12週、医療機関へのアプリ管理料960点（12週）という経済モデル。毎日血圧連携＋AI指導により行動変容を定着させ、高血圧という国民病に対するデジタル治療の新たな標準を確立しています。

SUSMEDが不眠症治療で薬物依存度を軽減した事例

SUSMED「Med CBT-i®」

項目	内容
企業名	SUSMED株式会社
業界	デジタルセラピューティクス（DTx）
ビフォー	標準薬物治療＋睡眠衛生指導でAIS改善−3.1点
アフター	アプリ併用群でAIS−6.2点（8週）・薬物依存度を有意に低減

SUSMEDの「Med CBT-i®」不眠症デジタル治療アプリは、2023年2月にPMDA承認を取得し、国内3例目のDTx保険収載を申請中。CBT-I（認知行動療法）を指導できる専門職が不足し対面治療が普及しない中、多施設二重盲検RCT（n=175）で有効性と安全性を証明しました。

治療完遂率93％という高いアドヒアランスを実現し、シオノギとの共同販路で医療機関300施設が採用準備中。想定自己負担（3割）約1.4万円/9週、医療機関算定のアプリ管理料860点（予定）という経済モデルを構築しています。

薬物療法に依存しがちな不眠症治療において、デジタル治療による根本的な改善アプローチを提供し、患者の生活の質向上と医療費削減の両立を実現。睡眠障害という現代社会の重要な健康課題に対する革新的な解決策となっています。

これで日本の医療AI活用事例25件をすべてご紹介しました。診断精度向上から業務効率化、患者体験改善、そして規制対応と収益性確保まで、AIは医療現場の様々な課題解決に貢献しています。

AI医療導入を成功させるポイント

医療現場でのAI導入を検討する際、多くの組織が直面するのが「どこから始めればよいか分からない」という課題です。25の成功事例から見えてきた共通の成功要因を以下の5つの観点でご紹介します。

小規模PoCから始めることで導入リスクを最小化

AI医療システムの導入において、いきなり大規模な展開を行うのではなく、小規模なPoC（概念実証）から始めることが成功の鍵となります。

前述のNECと東北大学病院の事例では、10名の医師による実証から開始し、全員が実運用品質を評価した後に本格展開を決定。CureAppの禁煙治療アプリも、限定的な臨床試験から始めて段階的に対象を拡大しました。

小規模開始により、技術的課題の早期発見、現場スタッフの慣熟、コスト対効果の検証が可能になります。特に医療現場では既存ワークフローへの影響を最小限に抑えながら、新技術の有効性を確認することが重要です。

多職種チームで推進体制を構築し成功確率を高める

医療AI導入の成功には、医師・看護師・システム担当者・経営陣を含む多職種チームの編成が不可欠です。慶應義塾大学病院のAIホスピタルプロジェクトでは、多職種モダリティ統合により画像・音声・テキスト連携を実現し、看護師の患者対面時間を1日18分創出しました。

各職種の専門性を活かしながら、現場ニーズの把握、技術仕様の決定、運用ルールの策定を進めることで、導入後の定着率が大幅に向上。特に実際にシステムを使用する医療従事者の意見を設計段階から反映させることで、使いやすさと業務効率化の両立が可能になります。

データ品質基準を明確化して診断精度を担保

AI医療システムの性能は学習データの品質に大きく依存するため、データ品質基準の明確化が重要です。LPixelのEIRL Chest Screeningでは過去数万件のX線画像を厳格な基準でディープラーニング学習に活用し、感度11.5ポイント向上を実現しました。

データ収集から前処理、アノテーション（ラベル付け）まで一貫した品質管理体制を構築することで、AI診断の信頼性を確保することができます。

医療従事者の合意を得て現場定着を促進

AI導入の成否は、最終的に使用する医療従事者の受け入れ度に左右されます。Smart OpinionのMETIS Eyeでは、PACS連携により既存フロー変更不要の設計とし、医師の負担を最小限に抑制。福岡和白病院のUbie AI問診では、看護師の二度手間解消と入力ミス減少により、現場スタッフから高い評価を獲得しました。

事前の説明会開催、トライアル期間の設定、フィードバック収集と改善実施により、医療従事者の不安を解消し積極的な活用を促進。特に「AI が医師を代替する」のではなく「医師をサポートする」という位置づけを明確にすることで、受け入れ度が向上します。

継続学習フローを設計してシステム性能を維持

AI医療システムは導入後も継続的な学習と改善が必要であり、そのためのフローを事前に設計することが重要です。富士フイルムのCAD EYEでは、IDATEN制度による迅速なバージョンアップを実現し、継続的な性能向上を図っています。

新たな症例データの蓄積、モデルの再学習、性能評価、システム更新のサイクルを定期的に実行することで、診断精度の維持・向上が可能になります。

医療におけるAI導入事例の再現性を高める方法

AI医療システムの導入を検討する際、多くの医療機関が「うちの組織でも本当に導入できるのか」という不安を抱きます。前述の25の成功事例を参考に、自社での再現可能性を高める具体的な方法を以下の5つの観点で解説します。

小規模PoCから始めることで導入ハードルを下げる

AI医療システムの導入において、いきなり病院全体での展開を目指すのではなく、限定的な範囲でのPoC（概念実証）から始めることが成功の鍵になります。具体的には、特定の診療科や検査項目に絞った実証実験からスタートし、技術的な課題や運用上の問題点を早期に発見できます。

例えば、放射線科での胸部X線読影支援から始めて、効果が確認できた後に他の画像診断領域へと段階的に拡大。この手法により、初期投資を抑えながらリスクを最小化し、現場スタッフの理解と協力を得やすくなります。

多職種チームで現場のニーズを確実に反映

AI導入の成功には、医師だけでなく看護師、放射線技師、システム管理者、事務職員を含む多職種チームの編成が不可欠です。各職種の専門性と現場での実際の業務フローを把握することで、使いやすく実用性の高いシステム設計が可能に。

チーム内での定期的な意見交換により、技術仕様の決定から運用ルールの策定まで、現場目線での検討を進められます。特に実際にシステムを操作する医療従事者の声を設計段階から反映させることで、導入後の定着率向上と業務効率化の両立を実現することができます。

データ品質基準で診断精度の信頼性を担保

AI医療システムの性能は学習に使用するデータの品質に大きく左右されるため、明確な品質基準の設定が重要です。データ収集時の画像解像度や撮影条件の統一、アノテーション（正解ラベル付け）作業の精度管理、データの前処理手順の標準化などを事前に定めることで、AI診断の信頼性を確保できます。

特に医療分野では診断ミスが患者の生命に関わるため、データの正確性、完全性、一貫性を保証する仕組みづくりが不可欠。

医師・看護師との合意形成で現場定着を促進

AI導入の最終的な成否は、実際に使用する医療従事者の受け入れ度合いに左右されます。事前の十分な説明会開催により、AIの機能と限界、医療従事者の業務への影響を明確に伝達。

「AIが医師を代替する」のではなく「医師の判断をサポートする」という位置づけを明確にすることで、不安を解消し積極的な活用を促進できます。トライアル期間を設けて実際の使用感を体験してもらい、フィードバックを収集して改善に反映させることも重要です。

継続学習フローで長期的な性能向上を実現

AI医療システムは導入後も継続的な学習と改善が必要であり、そのためのフローを事前に設計することが重要です。新たな症例データの蓄積、モデルの再学習、性能評価、システム更新の定期サイクルを確立し、診断精度の維持・向上を図ります。

医療技術の進歩や疾患パターンの変化に対応するため、運用開始後のデータ分析体制とフィードバックループの構築が成功の鍵。

AI医療導入ならニューラルオプト

AI医療システムの導入を成功させるには、技術力だけでなく医療現場の課題を深く理解した総合的な支援が不可欠です。合同会社ニューラルオプトは、世界的生成AIであるChatGPTの開発に携わるAI技術力と、医療機関特有の課題解決に特化したコンサルティング力を兼ね備えた開発会社として、「失敗リスクを最小化する」ことをコンセプトに包括的な導入支援を提供しています。

単なるシステム開発にとどまらず、現状課題の可視化から始まり、多職種チームの組成支援、データ品質基準の設計、段階的なPoC実施、本格運用後の継続改善まで、医療AI導入の全プロセスをワンストップでサポート。データサイエンスの豊富な知見を活かしたデータマイニングやテキストマイニング技術により、各医療機関の特性に最適化されたAIシステムの構築が可能です。

ECサイト「eBay」の価格自動設定AIや手書き文字のAI認識・要約システムなどの実績を通じて培った高度な技術力で、診断精度向上と業務効率化の両立を実現。AI医療導入で失敗したくない、課題解決から相談したい医療機関に最適なパートナーとして、組織変革まで見据えた持続可能なAI活用をご提案いたします。