人工知能は腫瘍学に革命をもたらすと期待されてきたが、最近の現実を直視すると、期待（ハイプ）と臨床的な有用性の間には大きな隔たりがあることが明らかになった。乳がん検診における現在のAI導入は、医療従事者が抱く高い期待に及んでいないことが新たな調査で示されている。

期待と臨床現場の現実との乖離

Clinical Imaging誌に掲載された調査は、放射線科医がAIに抱く希望と、ツールが実際に提供する成果との間の断絶を浮き彫りにしている。この研究はSociety of Breast Imagingのメンバー215名を対象に行われ、約半数がすでにFDA承認済みのAIツールを使用しているものの、その影響は限定的なものにとどまっている。

主要なパフォーマンス指標は、厳しい現実を物語っている。放射線科医の59%がAIによってリコール率（再検査率）が低下することを期待していたが、実際にその恩恵を実感したのはわずか35%であった。他の成果についても乖離は広がっており、不要な生検の減少を実感したのは期待値の36%に対し、わずか9%にとどまった。また、56%が大幅な業務負担の軽減を期待していたにもかかわらず、バーンアウト（燃え尽き症候群）の緩和を感じたのは29%のみであった。

意思決定者ではなく「セカンドオピニオン」としてのAI

放射線科医はAIを、主要な診断医としてではなく、バックアップのコンサルタントとして扱っている。UC San Diego Healthの筆頭著者であるJoud Almogati氏は、AIに最終的な診断を委ねる臨床医はほとんどおらず、主に所見のダブルチェックのために使用していると指摘する。

システム上の障壁が、ツールの活用を限定的なものにしている。専門家は、導入コストの高さと組織的なサポートの不足を主な障壁として挙げている。病院システムへの緊密な統合と明確な費用対効果のデータがなければ、AIは中核的なコンポーネントではなく、単なる「付け足し」のままとなってしまう。

AI予測の「神格化（God Complex）」を越えて

放射線科におけるAIの導入が進まない現状は、テクノロジーにおける「仕事の未来」を巡る広範な緊張状態を反映している。10年前、多くのAI研究者は放射線科医が完全に取って代わられると予測していた。今日、同様のハイプは、あらゆるコンピュータベースの知識労働を取り巻いている。

NvidiaのCEOであるJensen Huang氏は、このような誇張を「AIの予言者たちによる『神格化（God complex）』」と批判している。乳がん検診の研究は、極めて重要な判断が求められる医療においては、モデルの「知能」よりも、複雑な人間のワークフローにおける信頼性、実用性、そして経済的な実行可能性の方が重要であることを思い出させてくれる。開発者は、理論的な精度を追い求めることから、実際の臨床現場における摩擦（フリクション）の解消へとシフトする必要がある。

主な要点

  • パフォーマンスの乖離: AIツールは、リコール率の低下（期待59%に対し実績35%）や不要な生検の減少（期待36%に対し実績9%）といった期待に応えられていない。
  • ワークフローの限界: 高コストや組織的なバックアップの不足により、ほとんどの放射線科医はAIを「セカンドオピニオン」として扱っている。
  • ハイプのギャップ: 今回の調査結果は、AI開発者が純粋に理論的なベンチマークを捨て、医師のバーンアウトといった実用的な臨床上の課題に取り組む必要があることを示唆している。