オーストラリアの皮膚科医がAI統合に対する見解：信頼、利点、および臨床実践における障壁

ハイライト

• オーストラリアの皮膚科医の約半数がAIの実験を行っていますが、定期的な臨床使用は低い（12％）。
• 信頼性の問題、特に皮膚がんの診断の正確性に関する課題が、AI採用の大きな障壁となっています。
• 医師たちはAIデータセット、制限、および利点の透明性を求めています。
• AIが皮膚科医を完全に置き換えることを恐れる人は少ないですが、多くの人がAIが主要な皮膚科タスクを遂行すると予想しています。

研究の背景と疾患負担

人工知能（AI）は、診断効率や患者アクセスの向上を約束するヘルスケア分野でますます重要な役割を果たしています。皮膚科学は、特に皮膚がんの診断に適したAI応用が可能な専門分野です。皮膚がんは主要な公衆衛生問題であり、頻繁に専門家による早期かつ正確な診断が必要です。しかし、AI技術の成功した導入には、医師の受け入れと信頼が不可欠です。皮膚科医の態度を理解することは、彼らがAIを日常の臨床ワークフローに統合する上で重要な役割を果たすため、重要です。

オーストラリアでは、皮膚がんの発生率が世界最高の国の一つであるため、早期かつ正確な診断を支援するツールの開発は必須です。しかし、AIの不正確さ、データプライバシーの懸念、倫理的な影響などの潜在的なリスクは依然として重要な問題です。本研究では、オーストラリアの皮膚科医が自身の実践におけるAIの役割をどのように認識しているか、その利点、障壁、将来の期待について探り、効果的な導入のための洞察を提供することを目的としました。

研究設計

本研究では、匿名の横断的オンライン調査を用いて、オーストラリア皮膚科学会（ACD）のフェローと研修医を対象としました。広範囲に招待状が配布され、122件の回答が得られ、応答率は16.2％でした。調査は、AIの使用パターン、信頼度、正確性、利点とリスク、および皮膚科学界への影響についての定量的および定性的項目で構成されました。

エンドポイントは、臨床または管理目的でAIを使用している皮膚科医の割合、皮膚がん診断におけるAIへの信頼、必要な正確性基準、および将来の皮膚科学実践におけるAIの統合に関する見解に焦点を当てました。

主な結果

使用パターン：回答者のうち44％が皮膚科学の実践でAIツールを使用したことがあると報告していますが、臨床目的での定期使用は12％、管理支援目的での定期使用は17％にとどまっています。これは、広範囲の統合ではなく慎重な採用を反映しています。

信頼と正確性の懸念：信頼性がAI利用の最大の障壁となり、69％が皮膚がん診断をサポートするためにAIに依存することを望んでいないか不確かなことが明らかになりました。過半数（52％）が、AIが最優秀の皮膚科医と同等以上の正確さを持つべきだと述べています。

参加者は、AIアルゴリズムの学習データセットに関する透明なデータ、AIの制限の明確な説明、ツールの意図された機能に関する明確なコミュニケーションの必要性を強調しました。

認識される利点：皮膚科医は、AIが単調で反復的な作業を軽減し、ワークフローを合理化し、医師の燃え尽き症候群を軽減する可能性があると認識しています。特に医療資源が不足している地域や遠隔地での患者アクセスの改善は、重要な利点として捉えられています。

認識されるリスク：正確性の懸念がリスク認識の中心となり、AIに過度に依存すると誤診断や見逃し診断のリスクがあるとの不安が強調されています。さらに、AIテクノロジーがテクノロジー企業によって投資回収されたり、過度にコントロールされたりすることにより、商業的利益が臨床の優先事項を上回る可能性があるとの懸念も示されています。

将来の展望：完全にAIに置き換えられる可能性を恐れる人は10％に過ぎませんが、皮膚科学の主要な業務の一部がAIシステムに委任される可能性を予測する人はほぼ半数（47％）います。これは、AIを補完手段として認識していることを示しています。

専門家のコメント

調査は、皮膚科学のデジタル進化における重要な局面を示しています。診断AIツールを完全に受け入れる前に、精度と透明性の堅固な証拠がないことへの躊躇は、医療従事者が患者の安全にコミットしていることを強調しています。国際的にも同様の傾向が見られており、医師の懐疑心は「ブラックボックス」アルゴリズムや学習データセット内の潜在的なバイアスに集中しています（Esteva et al., 2017; Tschandl et al., 2020）。

最優秀の医師と同等以上のAIパフォーマンスを求める傾向は、AIが人間の判断を補完而非ず置き換えるべきであるというガイドラインと一致しています（アメリカ皮膚科学会, 2022）。

これらの結果は、ACDなどの専門組織が教育リソースの提供、検証基準の設定、AI開発における医師フィードバックの促進など、AIの開発と臨床ワークフロー、倫理基準の整合性を確保するための協力的な努力を行う機会と責任を持っていることを示唆しています。

結論

オーストラリアの皮膚科医は、AIを臨床実践に統合する最前線に立っていますが、特に皮膚がんの診断の正確性に関して慎重な姿勢を保っています。信頼性の障壁とデータ透明性に関する懸念が解決されれば、より広範な採用が促進されるでしょう。ワークフロー効率と患者アクセスの向上の可能性は有望ですが、AIツールが厳密に検証され、医師の監督下で展開されることが条件となります。

専門皮膚科学組織は、情報に基づいた議論の促進、証拠に基づく採用実践、患者中心のケアの保護を通じて、医師が進化するAIの風景をナビゲートする機会と責任を持っています。今後の研究では、受け入れの経時的変化、現実世界でのAIの有効性、および皮膚科学における人間とAIの協働を最適化する戦略を探るべきです。

参考文献

• Partridge B, Janda M, Gillespie N, Silva CV, Arnold C, Abbott L, Caccetta T, Soyer HP. Attitudes Towards the Use of Artificial Intelligence in Dermatology: A Survey of Australian Dermatologists. Australas J Dermatol. 2025 Aug;66(5):e279-e286. doi: 10.1111/ajd.14524.
• Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118.
• Tschandl P, Codella N, Akay BN, Argenziano G, Braun RP, Cabo H, et al. Comparison of the accuracy of human readers versus machine-learning algorithms for pigmented skin lesion classification: an open, web-based, international, diagnostic study. Lancet Oncol. 2020 Jul;21(7):938-947.
• American Academy of Dermatology. Position statement on artificial intelligence in dermatology. 2022.