AI時代の医療倫理と専門職性：American College of Physicians 2026年ポジションペーパーの要点

はじめにと背景

臨床現場では、人工知能（AI）――より正確には、augmented intelligence（拡張知能）と表現されることが多い――は、診断、リスク予測、画像判読、トリアージ、ならびに事務作業のための研究段階の技術から日常診療の臨床ツールへと急速に移行してきた。American College of Physicians（ACP）のEthics, Professionalism and Human Rights Committeeは、2026年9月に、診療の現場におけるAIの倫理的・専門職的課題に対処するポジションペーパーを公表した（DeCamp et al., 2026）。ACPは、技術的な規制ルールを提示するのではなく、患者—医師関係と専門職としての義務を、臨床実践にAIを倫理的に導入するための基盤として位置づけている。

この論文が今重要である理由
– 医療の各現場でAIツールの導入が急速に進んだ一方で、臨床医がそれらを倫理的かつ専門職的にどのように統合すべきかについての合意は追いついていない。
– 既存の枠組み（WHO、AMA、FDA）はガバナンスと実装に関する指針を提供しているが、臨床医には、ベッドサイドでの意思決定、開示、そして臨床的整合性の維持に関する実行可能な原則がなお必要である。
– ACPの論文は、患者中心の指針における空白、すなわち、AI利用をいつ開示すべきか、専門的判断をいかに保持するか、公平性とプライバシーの懸念をどう扱うか、そして臨床医がAIをどのように管理して公平な医療を実現すべきか、に応答している。

主要な参考文献
– DeCamp M, Snyder Sulmasy L, Karches KE, et al. Ethics and Professionalism in Artificial Intelligence and Medical Practice: A Position Paper From the American College of Physicians. Ann Intern Med. 2026 Sep 1. PMID: 42673596.
– World Health Organization. Ethics and Governance of Artificial Intelligence for Health（2021）.
– U.S. Food and Drug Administration. Artificial Intelligence/Machine Learning（AI/ML）-Based Software as a Medical Device Action Plan（2021）.
– American Medical Association. Policy H-480.940: Augmented Intelligence in Health Care（2019）.
– Char DS, Shah NH, Magnus D. Implementing machine learning in health care — addressing ethical challenges. N Engl J Med. 2018.
– Topol E. High-performance medicine: the convergence of human and artificial intelligence. N Engl J Med. 2019.
– AIを含む臨床試験に関するCONSORT-AIおよびSPIRIT-AI報告指針（2020～2021年に拡張版が公表）。

新たな指針の要点

ACPの論文は、診療の現場におけるAIの倫理的利用を導くため、患者—医療者関係に根ざした3つの指針を示している。
– 関係性（Relationality）：治療的関係を最優先すること。AIは、医療における対人関係上の価値を代替するのではなく、支援するものでなければならない。
– 自律的統制（Self-governance）：医師は独立した専門的判断を保持し、AIを含む意思決定に対して説明責任を負わなければならない。
– 能力（Competence）：臨床医は、安全な使用に必要なAI関連の知識と技能について、習得し維持する責務を負う。

主要な実務的提言（要約）
– 透明性と開示：AIが診断や治療方針に実質的に関与する場合、臨床医は患者にその事実を伝え、AIがどのように診療に影響したかを理解しやすい言葉で説明できるようにしておくべきである。
– インフォームド・コンセント：AIの使用に実質的なリスク、不確実性、または実験的要素がある場合には、目的、利益、限界、ならびにデータの使用・共有を含むインフォームド・コンセントを得るべきである。
– 臨床的監督：医師は、AIツールが自施設・自診療環境で目的に適合していることを検証し、その性能特性と限界を理解したうえで、出力を監督しなければならない。
– 公平性と公正性：データセットおよびモデルにおけるバイアスを特定し軽減すること。歴史的に周縁化されてきた集団に対する不均衡な影響の監視を優先すること。
– プライバシーとデータ管理：匿名化と安全なデータガバナンスを用いること。患者データの二次利用と、適切な場合にはオプトアウトの経路について透明性を確保すること。
– 記録と監査可能性：医療記録にAIの使用とその理由を記載すること。導入後サーベイランスおよび有害事象報告の仕組みを支援すること。
– 専門職としての能力開発：医学教育および継続的専門職開発には、AIリテラシー、モデル解釈、ならびに倫理的使用を含めるべきである。

改訂された推奨事項と主要な変更点（既存の指針との比較）

2026年ACPポジションペーパーが既存の枠組みに追加した点
– 患者中心の枠組み：安全性、性能、ガバナンスに重点を置く規制文書もあるが、ACPは医師—患者関係を最重要の倫理的レンズとして据えている。
– 実行可能な臨床医の責務：本論文は、施設の義務だけでなく、医師の義務（開示、能力、管理）を具体的に示している。
– 自律的統制の重視：医師は独立した実践的推論を保持し、無批判な自動化バイアスに抵抗しなければならないことを明確にしている。

比較の要点：ACP 2026と主要な既存声明との比較
– AMA（2019）：増強と患者安全のための原則を提唱。ACP（2026）は、これに開示、記録、関係倫理に関する具体的義務を加えている。
– WHO（2021）：世界的なガバナンスと倫理原則を提示。ACPは、それらの原則を米国の臨床医のベッドサイド実践に落とし込み、インフォームド・コンセントと関係性を強調している。
– FDA（2021年Action Plan）：AI/MLベースの医療機器の市販前・市販後監督に焦点を当てている。ACPは、現場ごとの文脈でツールを検証する臨床医レベルの責務でこれを補完している。

トピック別推奨事項

本要約で用いる推奨カテゴリ
– 強い推奨：ほぼすべての臨床状況で推奨される。
– 条件付き推奨：多くの状況で推奨されるが、文脈、資源制約、または患者の選好に左右される。
– ベストプラクティス・ステートメント：通常のエビデンス評価にはなじまないが、強く奨励される実践。

1) 診断および治療の意思決定支援
– 強い推奨：いかなるAI診断支援ツールまたは治療支援ツールについても、臨床判断に用いる前に、対象患者集団で検証済みであることを確認し、意図された使用、性能指標（感度、特異度、キャリブレーション）、および失敗モードを理解すべきである。
– 条件付き推奨：AIモデルが高リスクの推奨（例：ICUへのトリアージ）を提示する場合、臨床医はセカンドオピニオンのプロセスを確保し、AI提案に従うか、あるいはそれから外れるかの根拠を記録することを検討すべきである。

2) 開示とインフォームド・コンセント
– 条件付き推奨：AIが診断、予後、または治療選択に実質的に影響する場合には、患者にAIの使用を開示すること。「実質的に影響する」とは、AI出力によって治療選択肢が変わる場合や、重要な不確実性が残る場合を含む。
– 強い推奨（ベストプラクティス）：AIが実験的である場合、または研究的導入の一部である場合には、目的、リスク、利益、データ使用を説明した正式なインフォームド・コンセントを取得すること。

3) プライバシー、データ利用、二次利用
– 強い推奨：強固なデータガバナンスを維持し、可能な場合はデータを匿名化し、共有は必要最小限の目的に限定し、二次利用と再同定リスクについて患者に知らせること。

4) 公平性、バイアス軽減、健康公平性
– 強い推奨：導入前にバイアス評価を実施し、人種、民族、性別、社会経済的地位で層別化したアウトカムを監視し、不均衡な有害影響を防ぐためにモデル修正または使用制限を行うこと。
– 条件付き推奨：特定の亜集団で性能が劣る場合には、モデルの再較正、現地データによる補強、または限定的導入を用いること。

5) 臨床能力と教育訓練
– 強い推奨：医療機関および臨床医は、指標の理解、解釈可能性の限界、安全な使用実践を含むAIリテラシーに関する継続的な研修に取り組むべきである。

6) 記録、監査可能性、報告
– ベストプラクティス・ステートメント：AIツールを使用したこととその理由を記録し、監査証跡を維持し、AIに関連する有害事象またはニアミスを、必要に応じて施設の安全管理システムおよび規制当局へ報告すること。

7) 法的責任と説明責任
– 条件付き推奨：施設およびベンダーはツールの安全性について責任を共有するが、臨床医は専門的判断を放棄してはならない。臨床医は、ベンダー責任、AIツールの認定、医療過誤上の含意に関する施設方針を把握しておくべきである。

8) 特別な集団（小児、認知機能障害者、周縁化された集団）
– 強い推奨：脆弱な集団にAIを導入する際には、より厳格な精査を行うべきである。原則として、より保守的な使用と、より高い検証基準を適用する。

専門家のコメントと洞察

委員会の論拠
– 関係性（Relationality）：委員会は、医療倫理は本質的に関係的なものであり、信頼、共感、共同意思決定が中核であると主張する。AIは、それらの価値にどのような影響を与えるかによって評価されなければならない。たとえば、診断を迅速化しても患者との実質的な接触を減らすAIは、正確であっても倫理的に問題となり得る。
– 自律的統制（Self-governance）：臨床医が最終的な意思決定者である。委員会は、自動化バイアス（AIへの過度の依存）を避け、道徳的主体性を保持することを強調している。
– 能力（Competence）：委員会は、臨床医の能力には、AIが適切であるかを見極めること、性能指標を読むこと、出力を誠実に解釈することが含まれるようになったと認識している。

主要な論点と議論点
– 開示の閾値：AIの影響は、どの程度「実質的」であれば開示が必要か。委員会は、実務的基準として、AIが診療上の意思決定に意味のある情報を与える場合、または患者が知ることを合理的に望む場合には開示するよう勧告している。
– 透明性と専有モデル：高性能AIモデルの多くは専有的で不透明である。委員会は、完全なモデル詳細が専有情報であっても、臨床医が限界を理解できるよう、ベンダーおよび医療機関に十分な説明情報を提供するよう求めている。
– 責任：AIに関連する医療過誤の法的基準はなお未確定である。委員会は責任共有の枠組みを求めつつ、法改正は政策立案者に委ねている。

委員会が示した今後の動向と研究課題
– 実臨床導入におけるAIの公平性を前向きに検証・監視する方法。
– 一般の患者にAIの寄与を説明するための実践的コミュニケーション戦略。
– 医学教育におけるAI能力のための教育カリキュラムと認定基準。

臨床医および医療システムにとっての実践的意義

ACPの推奨をどのように実装するか
– 導入前：地域データに対するモデル性能を確認するため、現地検証研究または臨床情報学部門によるレビューを必須とし、使用範囲と禁忌を定義する。
– 診療の現場：AIが意思決定に実質的に影響する場合には患者に知らせ、平易な言葉で説明し、質問の機会を提供する。
– 記録：カルテにAIの使用を記載し、使用理由を要約し、AI出力に従った場合または修正した場合の臨床判断を記録する。
– 監視：性能指標を継続的に追跡し、バイアスを検出するために人口統計学的サブグループ別にアウトカムを層別化する。
– 教育：AIリテラシーをCMEおよびレジデンシープログラムに組み込み、倫理的使用のケースや開示面談のロールプレイを含める。
– ベンダー契約：訓練データの出所、性能指標、導入後モニタリングと更新に関するコミットメントについて透明性を求める。

簡単な患者事例
– 67歳女性のMaria Johnsonさんは、慢性閉塞性肺疾患（COPD）を有し、息切れの増悪を訴えて救急外来を受診した。救急部門では、病状悪化リスクを検出して入院を推奨するAIトリアージツールが使用されている。医師は、そのモデルが地域のCOPD患者集団に適用可能であることを確認し、Mariaさんの身体診察所見と検査結果を考慮したうえで、AI支援のリスク評価が入院を勧める理由の一つであることを本人に説明し、AIの役割と適用した臨床判断を記録した。また、院内での現地検証では80歳超の患者において感度が低いことが示されていたため、高齢患者に対しては一層の注意深い観察を行った。

参考文献

– DeCamp M, Snyder Sulmasy L, Karches KE; Ethics, Professionalism and Human Rights Committee of the American College of Physicians. Ethics and Professionalism in Artificial Intelligence and Medical Practice: A Position Paper From the American College of Physicians. Ann Intern Med. 2026 Sep 1. PMID: 42673596. https://pubmed.ncbi.nlm.nih.gov/42673596/
– World Health Organization. Ethics and Governance of Artificial Intelligence for Health: WHO Guidance. 2021. https://www.who.int/publications/i/item/9789240029200
– U.S. Food and Drug Administration. Artificial Intelligence and Machine Learning (AI/ML)-Based Software as a Medical Device Action Plan. 2021. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-software-medical-device
– American Medical Association. Augmented Intelligence in Health Care（Policy H-480.940）. 2019. https://www.ama-assn.org/delivering-care/ethics/augmented-intelligence-health-care
– Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care — Addressing Ethical Challenges. N Engl J Med. 2018;378:981–983. https://www.nejm.org/doi/full/10.1056/NEJMp1714229
– Topol EJ. High-Performance Medicine: The Convergence of Human and Artificial Intelligence. N Engl J Med. 2019;375:1218–1220. https://www.nejm.org/doi/full/10.1056/NEJMp1716845
– CONSORT-AI and SPIRIT-AI extensions for clinical trials and study protocols involving artificial intelligence, Nature Medicine/ BMJ publications（2020–2021）.

結論

ACP 2026年ポジションペーパーは、臨床実践に即した、時宜を得た倫理的ロードマップであり、AIを判断の代替となるブラックボックスではなく、専門職による管理下にある道具として扱うことを臨床医に求めている。関係性、自律的統制、能力を前面に押し出すことで、ACPは議論の焦点を再定義している。中心的な問いは、AIが正確性を向上させるかどうかだけではなく、その使用が信頼、公平性、そして医療の本質的な倫理的価値を維持するかどうかである。