患者が集中する医療システムに提案された中間層
韓国では2023年、1人当たりの外来受診回数が18回に上り、OECD平均の6.5回を大きく上回った。電子カルテの普及率が95％を超える同国は、広範なデジタル基盤と、診療への強い需要を併せ持つ。研究チームは今回、新たな医療機関の区分を設けるのではなく、人工知能（AI）を使って地域の診療所と大病院をより密接につなぐことを提案した。
目次
「1.5層医療システム」と名付けられたこの提案は、Nature Portfolioの学術誌npj Health Systemsに2026年9月2日、オンライン掲載された。ソウル大学盆唐病院家庭医学科の鄭世永（チョン・セヨン）教授が率いるチームは、診療所での患者のスクリーニング、医療情報の共有、見過ごされた疾病リスクの検出、受診の合間の慢性疾患のモニタリングを支援するAI層を構想している。
掲載された展望論文は、個別の臨床研究の知見をまとめたものだ。医療モデル全体を検証する試験の報告でも、全国展開の発表でもない。論文の中心的な主張は、AIツールをばらばらの技術製品として導入するのではなく、プライマリ・ケアが担うべき業務を軸に組み立てるべきだという点にある。
ソウル大学医学部の朴相民（パク・サンミン）教授と、国会議員の車智浩（チャ・ジホ）氏も参加した。著者には韓星浩（ハン・ソンホ）、李於真（イ・オジン）、徐宇仁（ソ・ウイン）、姜延秀（カン・ヨンス）の各氏が名を連ねる。チームは2026年9月17日に論文の掲載を発表した。
提案と実際に稼働しているシステムの違いは重要だ。著者らは韓国をこの枠組みの有望な検証地と位置づける一方、実現に必要なインセンティブ、組織的ガバナンス、導入後のモニタリング体制は、まだ大規模には整っていないと認めている。
1.5層が実際に担う役割
提案されている中間層は、プライマリ・ケアと専門医療をつなぐ技術的な橋渡しだ。患者は引き続き地域の医療機関を受診し、必要に応じて病院で治療を受ける。AIは、それぞれの場をつなぐ判断や情報のやり取りを支援する。
この枠組みでは、プライマリ・ケアが担う基本機能として確立されている4つの役割、すなわち最初の受診窓口、ケアの調整、包括的な対応、継続性を軸に支援を組み立てる。これらは、新たな健康上の問題を評価すること、複数の医療提供者によるケアの連携を保つこと、幅広い健康ニーズに対応すること、時間をかけて診療を続けることを指す。
例えば診療所では、AIを使って検診画像を判読し、紹介状を作成し、退院時の要約と患者の自宅モニタリング機器の測定値を組み合わせることができる。目指すのは、受診のたびに医療従事者が手作業で患者の状況を組み立て直さなくても、より全体像を把握できるようにすることだ。
著者らは、コンシェルジュ医療に結び付けられている丁寧で個別化されたケアを、より多くの人が受けられるようにすることを目指している。論文の要旨で研究チームは、このモデルを次のような代替策と位置づけている。
すべての人にコンシェルジュ医療を
これは掲げられた目標であり、実証済みの成果ではない。特定の業務でツールの有効性が示されても、人員や費用を増やさずにシステム全体としてより個別化されたケアを提供できるとは限らない。
検診は病気を見つける一方で、見逃すこともある
一例として、オーストラリアで行われた前向き研究では、眼底写真の自動撮影とAIによる緑内障検診をプライマリ・ケアで組み合わせた。専門医の評価が必要な緑内障は、これまで診断を受けていなかった参加者161人のうち18人、11.2％で見つかった。
論文はこの検出率を評価するための性能指標も示している。感度は65.0％、特異度は94.6％、受信者動作特性曲線下面積（AUROC）は0.80だった。
感度は、病気のある人を検査でどれだけ正確に特定できるかを示す。特異度は、病気のない人をどれだけ正確に特定できるかを示す。報告された感度からは、この検診方法ですべての症例を検出できたわけではないことが分かる。特異度が比較的高くても、この限界は解消されない。
AUROCは、判定基準を変えた場合に、検査が患者と非患者をどれだけ見分けられるかを測る指標だ。0.80は有用な識別能力を示すが、患者の80％が正しい診断を受けたという意味ではない。
これらの結果は、AIを使って検診を拡大し、患者を適切な医療につなぐことを支持する。一方、陰性結果を病気がないことの保証とみなす根拠にはならない。この違いは提案モデルの要点だ。検診支援は、臨床評価や専門医への紹介と結び付けておく必要がある。
紹介の質を左右するのは、流暢な文章だけではない
ケアの調整について、研究者らは電子カルテから紹介状や退院時要約を作成する大規模言語モデルを挙げている。論文は、ゼロショット要約で最大99.25％の精度が報告されたことや、医療従事者が作成した要約との高い一致を示す知見を引用している。
ゼロショットとは、その評価において、モデルがタスク固有の例を与えられずに依頼された作業を行ったことを意味する。モデルが一度も訓練を受けていないという意味ではない。大規模言語モデルは、医療文書の作成を求められる前に広範な訓練を受けている。
期待される利点は実務的なものだ。地域の診療所から病院に移る患者には、症状、検査、治療の経過を明確にまとめた情報が必要となる。地域医療に戻る際には、薬の変更や専門医の推奨事項を患者に引き継がなければならない。文書の下書きを自動化できれば、そうした情報をまとめる時間を減らせる可能性がある。
ただし、引用された精度は特定の評価に基づくものだ。別の診療所で作成される紹介状がすべて完全で安全だと保証するわけではない。整った文書でも重要な情報が抜け落ちることはあり得る。そのため、この枠組みでは、ケアの判断に関する専門職の責任を維持している。
ケアの調整は病院の間にとどまらない。論文はネブラスカ州の取り組みを紹介している。デジタルのケアナビゲーション・プラットフォームを使い、満たされていない社会的ニーズを把握し、患者を地域資源につなぎ、地域保健従事者によるフォローアップを支援するものだ。この事例は、提案の範囲が文書作成にとどまらないことを示している。情報は単に文章を増やすのではなく、患者をサービスにつなぐために活用されるべきだ。
既存の画像検査から見過ごされたリスクを見つける
包括的な対応という要素では、すでに収集された情報を使い、一般診療医が患者のより幅広い健康ニーズに対応するうえでAIが役立つかを問う。その一例が機会的スクリーニングだ。別の目的で撮影された画像を、他の病気の兆候がないか調べる。
米国のNOTIFY-1プロジェクトでは、AIを使って既存の胸部コンピューター断層撮影（CT）画像から冠動脈石灰化を検出した。カルシウムの沈着は、動脈にプラークが蓄積するアテローム性動脈硬化症の兆候となることがある。研究者らはその後、所見を医師と患者に通知した。
学術論文によると、スタチン処方率は6カ月時点で51.2％対6.9％だった。差は44.3ポイントで、比率にすると約7.4倍となる。スタチンはコレステロールを下げ、対象となる患者の心血管リスクを軽減するために使われる。
報道では、数値は検診前の6.9％から検診後の51.2％に上昇したと説明されている。一方、学術論文では6カ月時点での比較として示され、患者は全員、開始時点でスタチンを服用していなかったとしている。したがって、6.9％を開始時点の処方率とみなすべきではない。
この結果が示すのは処方の変化であり、心臓発作の減少が実証されたわけではない。また、AIによる検出後に医師と患者へ通知するという一連の介入を反映している。効果全体を検出だけに帰することはできない。
幅広い診断支援の根拠には、異なる種類がある
論文は、スパイロメトリーにAI支援を用いた無作為化試験も引用している。スパイロメトリーは、どれだけの量の空気を、どれほど速く吐き出せるかを測る検査で、呼吸器疾患の評価によく使われる。
AIによる意思決定支援を用いたところ、症例全体で医師が最も可能性が高いと判断する診断の予測が9.0ポイント改善した。慢性閉塞性肺疾患（COPD）では、改善幅は15.9ポイントだった。報告された95％信頼区間は、それぞれ4.5～13.3ポイント、9.0～22.7ポイントだった。
これらは診断業務の改善を示すもので、AIが単独で呼吸器疾患を管理できることの証明ではない。著者らは、医師による確認と、プライマリ・ケアの範囲を超える症例の紹介を必要とする業務の中に、こうしたツールを位置づけている。
Pickhardtらによる別の研究では、既存のCT画像をAIで調べ、心血管疾患、骨粗しょう症、筋肉量と機能が失われるサルコペニアを検出する方法をモデル化した。55歳の人々を想定した集団では、全員を治療する戦略や誰も治療しない戦略に比べ、10年間で費用を抑え、臨床転帰を改善できると予測された。
この知見は臨床試験とは異なる。モデルは、病気、治療、費用に関する前提を用いて結果を推計する。ある方法を検証する価値があるかどうかの判断には役立つが、予測された節約額を、韓国で提案されている枠組みですでに実現した金額として示すことはできない。
糖尿病のケアを受診の合間にも継続
継続性に関して、研究者らは診察室の外でも続く情報共有とケアに着目する。持続血糖測定器は頻繁に測定値を記録するため、診療所で時折測定するだけでは見逃される可能性のある傾向を、ケアチームが把握できる。
Twin Precision Treatmentシステムの無作為化試験では、血糖モニタリング、AIによる生活習慣の助言、デジタルでのフィードバックを組み合わせた。2型糖尿病の参加者の71.0％が、寛解に至るか、服薬を減らしたと報告された。
これは複合的な転帰だ。71.0％が寛解したという意味でも、そのグループの全員が服薬を中止したという意味でもない。同様のプログラムで患者が期待できることを説明する際には、この違いが重要となる。
アラブ首長国連邦では、GluCare.Healthのモデルが遠隔モニタリングとAIによる臨床意思決定支援を組み合わせた。論文によると、HbA1cは標準治療の0.10ポイント減に対して2.19ポイント低下し、差は2.09ポイントだった。HbA1cは、およそ2～3カ月間の平均血糖値を反映する。
どちらの例も、ソフトウェア単独ではなく、一連のケアを対象としている。AIの要素に加え、モニタリング機器、生活習慣の支援、臨床管理が行われた。より継続的なケアを検証する根拠にはなるが、報告された改善をAIだけがもたらしたと証明するものではない。
医師が責任を保持し、3つの安全ループを設ける
提案では、診断と治療の責任を免許を持つ医療従事者と医療機関に置く。AIは、患者の責任を独立して担うのではなく、初期対応、記録作成、優先順位付け、リスク評価、モニタリングを支援する。
ツールの自律性が高まり、出力の結果が重大になるほど、監督も厳しくする。事務的な要約や予約調整は事後確認で対応できる。トリアージの優先順位や臨床上の注意喚起は、実行前に医師の確認が必要となる。診断、処方など、重大な治療判断には専門職による確認が求められる。
著者らはさらに、臨床、ガバナンス、学習という3つの安全ループを定めている。これらは、ケアの監督、組織としての説明責任の維持、導入後の経験を活用したシステムの監視と改善の必要性を示す。
この区別が有用なのは、研究室や臨床で評価に成功しても、日常診療に導入された後のツールの性能までは確定しないからだ。複数のツールをつなぐ枠組みには、個々の用途の確認だけでなく、統合されたサービス全体への監督が必要となる。
同じ原則は診療記録にも当てはまる。研究者らは、医療機関の記録と、ウェアラブル機器、個人健康記録、デジタル治療などから患者が生成した情報を組み合わせることを提案している。また、異なるシステム間で同じ情報を一貫して解釈できるよう、SNOMED CTなど標準化された臨床用語の活用を論じている。デジタル記録の普及は出発点にすぎず、すでに医療機関の間で記録が確実に共有されていることの証明ではない。
韓国は候補地であり、全国展開が決まったわけではない
引用された2023年の数値によると、韓国の1人当たり外来受診回数は18回で、OECD平均の6.5回の約2.8倍だった。広範な電子カルテと全国民を対象とする国民健康保険に加え、受診回数の多さが、プライマリ・ケアへの支援強化によってケアの分断や大病院への負担を減らせるかを検証する理由になると、研究者らは考えている。
それでも著者らは、導入に向けて未解決の条件を挙げている。インセンティブの調整、ガバナンス委員会、導入後のモニタリング基盤は、まだ大規模には整っていない。この提案には、確定した実証事業の開始日、実施期限、国の資金拠出の約束は示されていない。
この経緯では、医療制度に関する基礎データと論文の掲載・発表を区別している。
- 2023年：韓国の1人当たり外来受診回数は18回で、引用されたOECD平均は6.5回だった。
- 2026年9月2日：展望論文がnpj Health Systems第3巻の論文番号80としてオンライン掲載された。
- 2026年9月17日：研究チームが論文の掲載を発表した。
著者らは、競合する利害関係はないと申告している。この論文が示すのは医療サービスモデルを検証するための方針であり、韓国がすでにこのモデルに合わせて医療を再編したという証拠ではない。
この枠組みは、地域によって異なる活用法も提案している。裕福な都市部では、専門医療への需要や事務負担に直面する診療所を、AIトリアージや書類作成の自動化で支援する。医師が少ない農村部では、看護師や地域保健従事者が携帯型の検診ツールを使い、患者を紹介できる。紛争地域や災害地域では、インターネットに接続せずに使える軽量なツールが、不可欠なサービスの維持に役立つ可能性がある。
これらは提案された応用例であり、システム全体が導入されたとの報告ではない。共通する狙いは、既存の医療提供能力をより有効に使いながら、検診、紹介、モニタリングを責任ある医療につなぎ続けることだ。
要点
- 韓国の研究者らは、新たな医療機関の区分ではなく、プライマリ・ケアの診療所と専門医療を担う病院をつなぐAI層を提案している。
- 2026年9月の論文は個別研究の知見をまとめた展望論文であり、枠組み全体を検証する試験ではない。
- 用途として、検診、医療文書の作成、幅広い疾病の検出、受診の合間のケアを挙げている。
- 臨床上の結果はタスクごとに異なり、複合的なケアプログラムの効果をAIだけに帰することはできない。
- 診断、処方、治療判断の責任は医療従事者が担う。
- 韓国は検証地として提案されているが、ガバナンス、インセンティブ、モニタリング体制はまだ大規模には整っていない。
- 全国展開や実証事業の期限は確定していない。
