法的・専門的な説明責任
95診断や治療計画が誤っていた場合、内科医の免許と医療過誤責任が説明責任を負う当事者を定める。どのAIシステムも医療免許を持つことも訴えられることもできないため、どのツールが推論を生み出したかにかかわらず人間が承認しなければならない。
濃いマスほど、このテーマでその指標が高いことを示します。
低高
内科医は診察、検査、投薬を通じて病気を診断・管理し、通常は数か月から数年にわたり患者を経過観察する。外科医は手術によって疾患や外傷を治療し、通常は明確に区切られた一回の治療エピソードで完結する。内科医、家庭医、循環器内科医の多くは手術を行わない。ある病状は内科医だけで完結して扱われ、別の病状は内科的治療を尽くした後に外科医へ紹介される。
ほとんどの国では中等教育修了後およそ10〜11年を要する。4〜6年の医学教育の後、内科、家庭医療、小児科などの専門分野で3年以上のレジデンシー(専門研修)を行う。英国では医学教育は5〜6年に圧縮されるが、専門研修開始前に2年間の基礎研修プログラムが加わるため、総期間はほぼ同程度になる。
日常的な用語では「医師」は外科医や専門医を含むあらゆる免許を持つ医療者を指す。「内科医」はより厳密には、外科を行わず内科または関連分野を診る医師を意味する。「総合診療医」や家庭医は特定の臓器系ではなく幅広く訓練された内科医で、通常は患者が最初に受診する相手であり、次にどの専門医が必要かを判断する役割を担う。
国や専門分野によって大きく異なる。米国のプライマリケア医の平均年収はおよそ22万〜26万ドル、イングランドのNHSコンサルタント内科医は国の給与表で約93,666〜126,281ポンド、ドイツの雇用医師(内科専門医)は通常9万〜11万ユーロを得る。低所得国の内科医は同等の訓練を受けていても、これらの数字のごく一部しか得られないことが多い。
診断のパターンマッチングは、まさに大規模言語モデルが最も急速に向上している種類の仕事であり、対照試験ではすでに一部のAIシステムが筆記による症例試験で医師と同等かそれ以上の成績を示している。生き残るのは自動化しにくい部分だ——身体診察、通院を重ねる患者との長年の信頼関係、その人の生活全体を踏まえた判断、そしてどのアルゴリズムも担えない法的責任である。それは仕事を置き換えるのではなく、狭めるものだ。
内科医は医学教育とレジデンシー、通常10年以上の訓練を修了し、ほとんどの国で成人または小児の疾患全般を独立して診断・処方・管理できる。ナースプラクティショナーは看護学位に加え修士または博士課程を修了し、通常合計4〜6年で、米国の多くの州ではより狭い範囲でプライマリケアを中心に独立して診療できる。
診断の大部分は、膨大な過去の症例と公表された文献に対するパターンマッチングであり、これはまさに大規模言語モデルが得意とするよう作られたタスクだ。対照試験では、一部のAIシステムはすでにテキストベースの症例において現役の臨床医より正確な鑑別診断を出している——十年前なら馬鹿げていると思われただろう結果であり、退けるのではなく真剣に受け止めるべきものだ。
本ページはこれが実際に意味することと意味しないことを切り分ける。すでにうまく自動化されている具体的な業務、はるかに抵抗力があると判明している業務、そして診断推論がもはや揺るぎない強みではなくなった内科医にとって何が変わるかである。
症状を病態に照合し、薬物相互作用を確認し、記録や診察後のサマリーを起草するといった日々の認知作業のおよそ三分の一は、すでにソフトウェアによって匹敵ないし近似されつつある。自動化に抵抗しているのは、その推論を取り巻くすべてだ。身体診察、怯えた患者の信頼、そして免許を持つ人間だけが担える法的責任である。
肩書きではなく業務単位で算定。低いほど安全。
AIが奪えない仕事 →診断や治療計画が誤っていた場合、内科医の免許と医療過誤責任が説明責任を負う当事者を定める。どのAIシステムも医療免許を持つことも訴えられることもできないため、どのツールが推論を生み出したかにかかわらず人間が承認しなければならない。
慢性疾患の管理は、何年もかけて築かれた関係に依存する——薬を飲むのをやめたと打ち明けたり、他の場面なら見過ごしていたはずの症状を告げたりするのは、毎回新しいインターフェースにではなく、すでに信頼している内科医に対してである。
腹部を触診したり、特定の心雑音を聴き取ったり、歩行の微妙な変化に気づいたりするには、遠隔のソフトウェアや現在のほとんどのロボット技術では再現できない、実際の手を使った技能と状況に応じた判断が必要になる。
実際の患者は複数の病態が重なり、不完全な病歴を持ち、どの教科書的な症例にもきれいには一致しない症状を抱えてやって来る。難解で非典型的な公表症例で検証されたAIシステムは、今も正しい第一診断を大きな割合で見逃している。
患者に診断が深刻であることを伝えたり、怖がっている治療を受け入れるよう説得したりすることは、医学的に正しい文章を生成することではなく、その部屋にいる特定の一人の恐れと価値観を読み取ることに依存する交渉である。
テキストベースの症例ビネットとシミュレーション患者面接において、AIシステムはすでに検証対象となった臨床医と同等かそれ以上の成績を示している。2024年のある研究では、専門医が判定するシミュレーション診察において、AIシステムが若手のプライマリケア医やナースプラクティショナーを上回った。
診察を聞き取って臨床記録を起草するアンビエントAIスクライブは、すでに多くの病院システムで使われており、内科医が長らく自宅で記録を仕上げていた時間外の『パジャマ・タイム』を削減している。
ソフトウェアはすでに、内科医が記憶や手作業での簡易確認で行うよりも速く、より網羅的に、患者の全投薬リストを相互作用と現行の治療ガイドラインに照らして確認している。
アルゴリズムは、人間があらゆる数値を順に確認する代わりに、届いた検査結果、画像所見、遠隔モニタリングデータについて、正常なものと内科医の注意を要するものを識別する一次選別を担うことが増えている。
内科医の診断推論は、単独ではなくソフトウェアが生成した第二の見解と並んで動くことが増えており、中核となるスキルはゼロから鑑別診断を作ることから、モデルがすでに起草した鑑別診断を批判的に評価・修正することへと移りつつある。
アンビエント・スクライブ技術は、内科医と診療記録との関係を、診察中・後にタイピングすることから、AIが生成した草稿を確認・修正することへと移しつつあり、診察の実際の時間をより多く画面ではなく患者に向けられるようにしている。
遠隔モニタリング、遠隔医療、リテールクリニックが軽微な急性の訴えをより多く吸収するにつれ、内科医の時間はより単純なプロトコルでは安全に扱えない判断を要する、複雑で複数疾患を抱える慢性患者に集中していく。
独立診療から病院・企業への雇用へという長期的な移行——2022年までに米国内科医のほぼ4分の3——は、どのAIツールよりも速く自律性と給与構造を変えつつあり、内科医が自分自身の日々のスケジュールをどれだけ管理できるかを作り替えている。
電子健康記録、AI診断ツール、臨床意思決定支援ソフトウェアが病院システム内で実際にどう構築・展開されるかを監督する、内科医と技術者のハイブリッド職で、ますますそれ自体が学会認定のサブスペシャルティとなっている。
導入前後にAIの診断・トリアージツールを見直し監査し、その出力を実際の転帰と照らして確認する——10年前にはほとんど存在しなかった役割で、ソフトウェアの誤りに責任を負う免許を持つ人間を病院が必要とするために存在する。
主に、あるいは完全に、映像とメッセージングのプラットフォームを通じて診療する。COVID-19パンデミック中に大きく拡大し、完全に対面診療へ戻ることなく永続的で独立したキャリアの道であり続けている。
一人の患者単位ではなく医療システムや保険者の水準で働き、データを用いて集団全体を対象とした予防・慢性疾患プログラムを組み立てる——一対一の臨床ケアに取って代わるのではなく、それを補う成長分野。
可逆の3レンズ: 補助、一部置換、新ニッチ。教材であり予測ではありません。
役割は残し、AIが下書き・仕分け・調査を加速。判断と責任は人側。
狭いタスク群が先に圧縮され、隣接スキルが伸びることも。
規制下でAI出力を信頼する監督・統合・ドメインQAが生まれ得る。
AIの診断能力は、まさに最も重要な部分——難解で非典型的な実症例——において現時点で最も弱い。広く引用される2023年のある研究では、GPT-4は意図的に難しく作られた公表症例課題において正しい第一診断を挙げられたのはわずか39%だった。複数の可能性を挙げることを許された場合にはより良い成績を示したものの、有望な対照試験の結果と現実の混沌とした診断との間のこの隔たりこそ、内科医の判断が今も真価を発揮する場所である。
この職業に対するより差し迫った短期的な脅威は自動化ではなく供給不足だ。世界保健機関(WHO)は2030年までに世界でおよそ1000万人の医療従事者が不足すると予測しており、これは貧しい国々に集中しているが、米国だけでも2030年代半ばまでに数万人規模の内科医不足に陥る可能性がある。AIが最終的に何を自動化するにせよ、ほとんどの医療制度はこの先10年、内科医が多すぎるのではなく少なすぎる状態を過ごすことになるだろう。
分野だけでなく、6つのスコアが近い職業です。
自動車のブレーキから核ミサイルの誘導システムまで、あらゆるコンピュータや携帯電話の中にあるトランジスタを設計・製造する。地球上でごく一部の工場しか動かせないほど精密な機械を使う仕事だ。
AI耐性 60 🧠薬物療法と精神療法を通じて精神疾患を診断・治療する。医療分野のなかでも数少ない、危機的状況にある患者を法的権限に基づいて強制入院させられる専門職のひとつ。
AI耐性 73 🧫臨床データ、治験データ、医療システムのデータを用いて、より安全な医療、研究、業務上の意思決定のための信頼できるエビデンスを生み出す。
AI耐性 68 🦾感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI耐性 65 🔐デジタル攻撃を発見、防止し、対応することで、システム、データ、人々を保護します。
AI耐性 63 🌬️再生可能な資源を信頼できる電力に変える、風力、太陽光、蓄電、送電網のシステムを設計・構築・改善する。
AI耐性 72スシュルタの古代の鼻再建術から今日のロボット手術室まで、治すために切る医師は、いまも手術台での決断にただ一人で向き合っている。
AI耐性 92 💉医療分野最大の専門職——スクタリのランプからICUのモニターまで、他の誰もが帰った後もベッドサイドに立ち続ける人。
AI耐性 91 💊あらゆる処方箋の裏にいる薬の専門家 — バグダードの最初の薬店とアポセカリーの乳鉢から、モルヒネ、アルテミシニン、そして現代の調剤室まで。
AI耐性 58 🐾症状を訴えられない金魚から馬までを診察し、安楽死によって苦しみを終わらせる法的な権限を持つ。
AI耐性 78 🧠薬物療法と精神療法を通じて精神疾患を診断・治療する。医療分野のなかでも数少ない、危機的状況にある患者を法的権限に基づいて強制入院させられる専門職のひとつ。
AI耐性 73 🧬遺伝性疾患、検査の選択、結果について人々の理解を助け、ゲノム科学と非指示的で思いやりのあるカウンセリングを組み合わせる。
AI耐性 72