人工知能は、創傷治癒の問題を診断するにあたり、医療専門職と競合し得るのだろうか。
2025年7月に Journal of the American Medical Informatics Association に掲載された研究は、この問いに対して一様ではない結論を提示している。また、「真の専門家」とは何かという点についても、いくつかの示唆に富む結果を示している。
課題：創傷のマセレーション（浸軟）の検出
マセレーション（浸軟）とは、体液との長時間の接触により組織が腫脹し、軟化する現象であり、慢性創傷において頻繁にみられる合併症である。
その検出は主として視覚的観察に依存しているため、医用画像分野におけるAIの能力を検証する「理想的な試験場」となっている。
ドイツの研究者らは、慢性創傷の画像30枚を、二つの評価群に提示した。すなわち、**481名の医療専門職（医師および看護師）**と、畳み込みニューラルネットワーク（CNN）に基づく人工知能モデルである。
結果：AIが優位だが、決定的ではない
予想通り、AIはより高いスコアを示した：
| 指標 | 人間（医療専門職） | AI（人工知能） |
|---|---|---|
| 精度 | 79,3 % | 90 % |
| 感度 | 76,4 % | 93,3 % |
| 特異度 | 83 % | 86,7 % |
しかし、全参加者を対象にAIと比較した場合、その差は統計的に有意ではない。
有意差が認められたのは、最も成績の低いグループと比較した場合に限られる。
真の驚き：専門性を規定する要因
ここから本研究は真に興味深い展開を見せる。
研究者らは、人間の診断精度に影響を与える要因を解析した。その結果、有意な影響を示した変数はわずか二つであった。
重要であった要因：
- 専門的な正式資格（皮膚科医、または創傷ケア認定看護師）
- 参加者の診断に対する自己信頼度
影響しなかった（またはほとんど影響しなかった）要因：
- 職務経験年数
- 創傷分野で特に勤務していること
- 年齢や性別
言い換えれば、専門資格を取得したばかりであっても自らの診断能力に自信を持つ看護師は、専門教育を受けていない20年の経験を有する同僚を上回る可能性があるということである。
専門職間における示唆的な不一致
本研究では、人間評価者間の一致度も測定された。その結果は懸念すべきものであり、**全体の一致度は「可」レベル（Kappa = 0.391）**にとどまった。
これは、同一の患者であっても、受診する医療従事者によって診断が異なる可能性があることを意味している。
専門的な教育を受け、かつ自己信頼度の高い医療従事者は、相互間で明らかに高い一致度を示した。
これは、彼らが共通の評価基準に基づいて判断していることを示唆しており、その基準はおそらく専門教育の過程で体系的に習得されたものである。
臨床実践への示唆は何か。
著者らは、これらの結果からいくつかの重要な示唆を導き出している：
セーフティネットとしてのAI。 専門教育を受けていない、自己信頼度が低い、あるいは経験の浅い医療従事者こそ、AIによる診断支援システムから最も大きな恩恵を受ける可能性がある。
しかし注意が必要である。これらの層は同時に、機械の推奨を批判的検討なしに受け入れてしまうリスクが最も高い集団でもあり、AIの誤判定までも盲目的に追従する可能性がある。
専門性の再定義。 ヒトとAIの比較研究において、「専門家」を職業上の肩書きや経験年数のみで定義するのは不十分である。
専門的な教育訓練や、自己信頼といった心理的特性が、診断精度において決定的な役割を果たすことが示唆されている。
補完としてのAI、代替ではない。 人間は、患者の全身状態、既往歴、臨床的直観といった文脈情報を統合して判断することができる。
これらの要素は、単一の画像データからは（少なくとも現時点では）AIが十分に捉えることができない領域である。
留意すべき限界点
本研究には、いくつかの重要な制約が存在する：
- Les images provenaient d’un seul centre hospitalier, ce qui peut limiter la généralisation des résultats
- 評価課題は比較的単純であり（明確な浸軟の有無の判定）、臨床現場で遭遇する複雑な症例を十分に反映しているとは限らない。
- 実際の臨床環境（時間的制約や疲労など）は再現されていなかった。
結論
本研究は、「AIは人間より優れているのか？」という単純化された問いを超え、より有益な問い――「AIはさまざまな医療従事者のプロファイルをどのように支援できるのか？」――に焦点を当てるべきであることを示唆している。
答えは明確であるように思われる。すなわち、最も専門教育の少ない医療従事者に対してこそ、アルゴリズム支援は最大の付加価値をもたらす可能性があるということである。
ただし、その前提として、システムの信頼性を確保すること、そして利用者が機械の提案に対して批判的視点を維持できるよう適切に教育することが不可欠である。
出典：https://academic.oup.com/jamia/article/32/9/1425/8203516