医療AI開発の現場では、製薬業界の担当者から次のような悩みをよく耳にします。「データベースには数百万人の患者データがあり、条件に合う患者もたくさんいるはずなのに、なぜ治験の組み入れが一向に進まないのか？」と。
このフラストレーションは、多くのプロジェクトで共通しています。データはある。ツールもある。しかし、現場からは「適格な患者が見つからない」という報告が上がってくる。この矛盾こそが、現在の臨床開発における最大のボトルネックの一つです。
多くのDX担当者が陥りがちな誤解があります。それは、「RWD（リアルワールドデータ）があれば、SQLクエリを叩くだけで治験候補者がリストアップされる」という幻想です。残念ながら、現実はそう甘くありません。医療データ、特に電子カルテの世界は、構造化された綺麗なデータレイクというよりは、むしろ混沌とした情報のジャングルに近いのです。
今回は、この「データはあるのに患者が見つからない」というミステリーを解明するために、医療AI開発の最前線で活躍する元腫瘍内科医の専門家、アレックス氏を交え、臨床現場の「医師の頭の中」と、それを再現しようとする「AIアルゴリズム」の接点について、技術的に突っ込んだ話をしていこうと思います。
安易なAI導入で火傷しないために、あるいはベンダーの甘い言葉に騙されないために、この「不都合な真実」と「技術的な突破口」を知っておいてください。
イントロダクション：データはあるのに患者が見つからない矛盾
治験の遅延、その最大の要因が「患者リクルートメント」にあることは、業界の方なら耳にタコができるほど聞いているでしょう。実に全治験の80%以上が、当初の計画通りに被験者を集められず、期間延長を余儀なくされています。これによる機会損失は1日あたり数千万円とも言われます。
ここでRWDの活用が叫ばれるわけですが、多くのプロジェクトがPoC（概念実証）段階で躓きます。なぜか？ それは「検索ヒットした患者」と「本当に治験に参加できる患者」の間に、深くて暗い溝があるからです。
治験遅延の最大のボトルネック「患者リクルートメント」
従来の手法では、各施設の医師が自分の記憶や担当患者リストを頼りに候補者を探していました。これは属人性が高く、見落としが避けられません。そこで電子カルテ（EHR）データの活用が進みましたが、単純なデータベース検索では、驚くほど精度が低いのです。
なぜ従来のDBスクリーニングでは候補者が漏れるのか
HARITA： アレックス、医師として現場にいたとき、この「データベース検索の限界」をどう感じていた？
アレックス： 正直に言うとね、我々医師がカルテに入力するデータと、システム屋さんが見ているデータは別物なんだよ。例えば、ある患者が『肺がんの疑い』で検査を受けたとしよう。レセプト（診療報酬明細書）には検査のために『肺がん』という病名コードがつく。でも、検査の結果シロだったら？ カルテのテキストには『肺がん所見なし』と書かれるが、病名コードはそのまま残ることが多い。これをデータベースで検索すると、健康な人が『肺がん患者』としてヒットしてしまうんだ。
HARITA： まさにそこだね。構造化データ（コード情報）と非構造化データ（自由記述）の乖離。ここからは、この問題に対しAIがどうアプローチしていくのか、対談形式で深掘りしていこう。
Q1：構造化データの限界と「医師の思考」の乖離
HARITA： まずは基本から崩していこう。多くのシステムは、ICD-10のような国際疾病分類コードを使ってスクリーニングを行う。でも、それだけでは不十分だ。具体的にどんなケースで失敗するのだろうか？
アレックス： 最大の問題は「文脈の欠如」だね。治験の適格基準（Inclusion Criteria）や除外基準（Exclusion Criteria）は非常に複雑だ。例えば、「過去6ヶ月以内に特定の化学療法を受けていないこと」や「ECOG Performance Status（全身状態）が0または1であること」といった条件がある。
これらは、病名コードや処方コードだけでは判定できないことが多いんだ。Performance Statusなんて、構造化データとして入力されているケースの方が稀で、大抵は医師の経過記録の中に「PS良好、散歩もできている」といった文章で埋もれている。
HARITA： つまり、SQLで WHERE disease_code = 'C34' AND drug_code = 'X' と検索しても、その患者が本当に今、治験に適しているかは分からないわけだ。
アレックス： その通り。さらに厄介なのが「除外基準」だ。「重篤な心疾患の既往がないこと」という条件があったとする。過去に一度でも不整脈のコードがあったら機械的に除外してしまうと、実はそれが軽微なもので治験には影響しないケースまで弾いてしまう。逆に、コードが入っていなくても、カルテの自由記述欄に「胸痛の訴えあり、心機能低下の疑い」とあれば、医師なら「危ないな」と判断して除外する。この「医師なら当たり前にやる判断」が、従来のルールベースの検索ではできないんだ。
ICD-10コードと実際の病態のズレ
HARITA： なるほど。データサイエンスの視点で言えば、これは「ラベルの信頼性」の問題だ。日本のレセプトデータ（保険請求データ）は特に、「疑い病名」のノイズが激しい。検査を通すため便宜的につけられた病名が、真実（Ground Truth）として扱われてしまう。
アレックス： そう。だからこそ、我々は「構造化データはあくまでインデックス（索引）に過ぎない」と考えるべきなんだ。本質的な情報は、医師が記述したテキストデータ、つまり非構造化データの中にある。ここを読み解かない限り、精度の高いマッチングは不可能だよ。
除外基準の判定における「曖昧さ」の壁
HARITA： そこでAIの出番というわけだが、ここにも壁がある。医師のメモは独特だ。略語、走り書き、さらにはコピペの嵐。かつての単純な自然言語処理（NLP）アプローチでは、これを正確に読み解くのは至難の業だった。
アレックス： ああ、電子カルテのテキストは、従来のルールベースや古い言語モデルにとってはまさに悪夢だったね（笑）。文法は崩壊しているし、「s/o（疑い）」や「r/o（除外）」といった専門略語が飛び交う。しかも、文脈依存性が極めて高い。「癌」という単語が出てきても、それが「患者が癌を心配している」のか「癌と診断された」のか「家族に癌の既往がある」のか、前後の文脈を見ないと全く意味が異なるんだ。
HARITA： その点は、近年のLLM（大規模言語モデル）の進化によって状況が大きく変わりつつある。最新のモデルでは文脈理解や推論能力が飛躍的に向上しており、以前のような単語マッチングの限界を超え始めている。とはいえ、医療特有の言い回しや略語の解釈には、依然として慎重な検証と、プロトタイプを通じた迅速な仮説検証が必要だ。
アレックス： その通りだ。技術は進化したけれど、それをどう使いこなすかが問われている。「文脈を読めるAI」を正しく実装できるかどうかが、RWD活用の成否を分ける鍵になるだろう。
Q2：自然言語処理（NLP）はカルテの「ノイズ」をどう処理するか
HARITA： ここからが本題だ。AI、特にNLP（自然言語処理）が、どうやってその「悪夢」のような非構造化テキストから意味を抽出しているのか。技術的なロジックを解説してほしい。
アレックス： 基本的なアプローチとして、現代の医療AIパイプラインでは特定のツールバージョンに依存しない普遍的なタスクとして、「エンティティ抽出（NER）」と「関係抽出（Relation Extraction）」、そして「属性解析」が組み合わされている。
まずNERのプロセスで、テキストの中から「疾患名」「薬剤名」「検査値」といった重要単語を特定する。これは従来のキーワード検索に近いアプローチだ。しかし、ここからがAIの真骨頂と言える。抽出されたその単語に対して、「肯定/否定（Assertion）」、「時系列（Temporality）」、「主語（Subject）」といった医療特有の属性を付与していくんだ。
否定表現、疑い病名、時系列の複雑性
HARITA： 詳しく聞こう。「肯定/否定」というのは、先ほどの「肺がんの疑いなし」を識別する技術だね。
アレックス： その通り。ここでは古典的ながら強力な「NegEx」のようなルールベースの手法に加え、現在主流となっているTransformerアーキテクチャを採用した高度な言語モデルが活用されている。
最近の開発環境では、Hugging Face Transformersなどのライブラリがモジュール型アーキテクチャへと進化しており、PyTorch基盤への最適化が進む一方で、旧来のTensorFlowなどのサポートは終了する方向へとシフトしている。こうした最新の推論環境を活用することで、対象となる疾患名の前後だけでなく、文脈全体から「ない」「陰性」「否定される」といった複雑な表現をより柔軟かつ高速に解析できるんだ。
「肺がん」という単語があっても、係り受け解析（Dependency Parsing）や注意機構（Attention Mechanism）を通すことで、それが「疑い」にかかっているのか、「診断」として確定しているのかが見えてくる。これにより、「肺がんの疑いは晴れた」という文章から「肺がん患者」という誤ったラベルを貼ることを未然に防げる。
HARITA： 時系列も重要だ。治験では「過去○年以内の再発」といった条件が頻出する。
アレックス： これが一番難しい課題だ。カルテには「3年前に手術」とか「昨冬から症状悪化」といった相対的な時間表現が多い。AIにはこれをカレンダー上の具体的な日付に変換（正規化）させる必要がある。一般的なアプローチでは、テキスト内の時間表現を抽出し、カルテの記載日時を基準点としてイベントのタイムラインを再構築するアルゴリズムが使われる。これにより、「いつ」「何が」起きたかを構造化し、治験プロトコルの厳密な時間軸と照合可能にするんだ。
AIアルゴリズムによる「文脈」の構造化プロセス
HARITA： つまり、AIは単語を探しているのではなく、「患者のストーリー」を構造化しているわけだ。医師がカルテを読むとき、頭の中で患者の病歴を時系列で再構成しているプロセスを、アルゴリズムで模倣している。
アレックス： まさにその通り。これを専門的には「フェノタイピング（表現型抽出）」と呼ぶ。RWDという「生の素材」から、治験適格性という「意味」を抽出する工程だ。ここでの精度が、最終的なマッチング成功率に直結する。
単に高価で巨大なLLM（大規模言語モデル）を導入すればいいという話ではない。最新のモジュール化されたライブラリを適切に組み合わせ、医療特有の文脈をどう学習させるか、そしてシステムの運用環境（PyTorch等への移行を含む）をどう最適化するかという、ドメイン適応とエンジニアリングの質が問われる部分だね。
Q3：感度と特異度のトレードオフをどう設計するか
HARITA： 技術的な仕組みは分かった。でも、現場での運用にはもう一つ大きなハードルがある。「感度（Sensitivity）」と「特異度（Specificity）」のバランスだ。
開発現場では常にこのトレードオフが課題となる。治験候補者抽出において、どちらを優先すべきだと考える？
アレックス： これは非常に議論を呼ぶポイントだね。
感度を高くすれば、「見逃し」は減る。少しでも可能性のある患者は全員リストアップされるからだ。しかし、その結果どうなるか？ リストには「実は条件を満たさない患者（偽陽性）」が大量に含まれることになる。
特異度を高くすれば、リストの精度は上がる。AIが提示した患者はほぼ確実に適格だ。しかし、条件の際どい患者（偽陰性）を見落とすリスクが高まる。
「見逃しゼロ」か「スクリーニング効率」か
HARITA： 現場のCRC（治験コーディネーター）の視点で言えば、偽陽性だらけのリストは地獄だ。100人のリストを渡されて、カルテを詳しく調べたら99人が不適格でした、なんてことになれば、彼らは二度とAIを使ってくれない。
アレックス： その通り。だから私は、「特異度（Precision）重視」の設計を推奨している。現場のリソースは有限だ。AIの役割は「可能性のある全員」を見つけることではなく、「確度の高い候補者」を効率的に提示して、CRCのスクリーニング業務を楽にすることにあるべきだ。
例えば、AIスコアが80%以上の患者だけを通知し、それ以下のグレーゾーンはあえて無視する。見逃しはあるかもしれないが、結果として1人あたりの組み入れにかかる時間は大幅に短縮される。
AIの提示結果に対する医師の信頼獲得（XAI）
HARITA： そこで重要になるのが、AIエージェント開発においても鍵となるXAI（説明可能なAI）の概念だ。AIが「この患者は候補です」と提示したとき、「なぜ？」が分からないと医師は動かない。
アレックス： そうなんだ。「AIがそう言っているから」では誰も納得しない。「カルテの2023年5月の記述に『再発所見あり』とあり、かつ直近の検査値が基準範囲内だからです」と、根拠となる箇所をハイライトして提示する機能が必須だ。
HARITA： 最新の技術動向では、その「根拠の提示」の精度が飛躍的に向上している。単一のモデルが推論する従来の手法から、複数の専門エージェントが協力して結論を導き出す「マルチエージェントアーキテクチャ」への移行が進んでいる。
アレックス： 興味深いね。具体的にはどのような仕組みで動くのだろうか？
HARITA： 例えば、カルテから情報を収集するエージェント、多角的な視点から症状を分析するエージェント、そして医学的なガイドラインと照らし合わせて論理的な破綻がないかを検証するエージェントが並列で稼働する。彼らが互いの出力を議論し、自己修正を繰り返すことで、最終的な結論と強固な根拠を同時に生成する仕組みだ。
これにより、複雑な医療データに対しても、AIはブラックボックスに陥ることなく明確な説明責任を果たせるようになっている。これができて初めて、医師とAIの真の信頼関係が構築される。
アレックス： なるほど、技術の進化が現場の受容性を後押ししているわけだ。この「根拠の提示」機能を持たない旧世代のAIツールは、現場ではただのブラックボックスとして敬遠される運命にあるよ。
Q4：RWD活用が変える治験デザインの未来
HARITA： 最後に、少し視座を上げて未来の話をしよう。RWDとAIによる候補者抽出が進めば、治験そのもののあり方も変わってくるはずだ。
アレックス： 今までは、「プロトコル（計画書）を作ってから患者を探す」という順番だった。でも、これからは「データを見てからプロトコルを作る」あるいは「プロトコルを修正する」ことが可能になる。
Feasibility Study（実現可能性調査）の精緻化
HARITA： いわゆるFeasibility StudyのDXだね。
アレックス： うむ。例えば、「この除外基準を設定すると、対象患者が国内で50人しかいなくなる」ということが、AIシミュレーションで瞬時に分かるようになる。そうすれば、「この基準は医学的に必須か？ 少し緩和すれば対象が10倍になるぞ」といった議論が企画段階でできる。
HARITA： 「集まらないプロトコル」を事前に回避できるわけだ。これは経営的なインパクトも大きい。
プロトコル作成段階へのAIフィードバック
アレックス： さらには、RWDから「実際の患者集団の特徴」を学習し、より現実に即した（Pragmaticな）治験デザインをAIが提案する未来も近いだろう。バーチャル臨床試験（外部対照群としてのRWD活用）への布石にもなる。
ただ、忘れてはいけないのは、どれだけ技術が進歩しても、最終的に患者に治験を勧め、同意を得るのは「人」だということだ。AIはあくまで、その出会いの確率を高めるための優秀なマッチングアプリに過ぎない。
HARITA： 素晴らしいまとめだ。AIは魔法の杖ではなく、人と人をつなぐための高度なレンズだということだね。アレックス、今日は貴重なインサイトをありがとう。
まとめ：AIは「魔法」ではなく「レンズ」である
RWDを用いた治験候補者抽出は、単なるデータベース検索の延長ではありません。それは、医師がカルテの行間から読み取る「文脈」を、NLPとアルゴリズムで再現しようとする挑戦的なプロジェクトです。
今回の重要ポイント:
- 構造化データの限界: 病名コードはノイズを含んでおり、適格性判定の信頼できる根拠にはなり得ない。
- NLPの役割: 否定表現、時系列、主語判定を行い、非構造化テキストから「患者ストーリー」を構築する。
- 運用の鍵: 「見逃しゼロ」を目指すのではなく、現場の負荷を下げる「特異度（Precision）重視」の設計と、根拠を示すXAIが不可欠。
- 未来の展望: 患者抽出だけでなく、プロトコル設計そのものをデータドリブンに最適化する。
もしあなたが今、RWD活用のプロジェクトを進めているなら、一度立ち止まって開発チームやベンダーに問いかけてみてください。「そのアルゴリズムは、カルテの『否定表現』をどう処理していますか？」「結果の根拠を医師にどう説明しますか？」と。
技術のブラックボックスに依存するのではなく、その中身を理解し、適切にハンドリングすることこそが、プロジェクトリーダーであるあなたの役割です。
AIエージェントや最新モデルの研究開発の世界は日進月歩です。表面的なバズワードに惑わされず、技術の本質を見極め、実務に生きるインサイトを常にアップデートしていくことが、ビジネスへの最短距離を描く鍵となります。
まずは動くプロトタイプを作り、仮説を即座に形にして検証する。そんなアジャイルなアプローチで、医療AIの未来を切り拓いていきましょう。
コメント