AIに任せていい仕事・いけない仕事|放射線技師の責任分界ガイド

AIに任せていい仕事・いけない仕事|放射線技師の責任分界ガイド
日々の撮影業務や事務作業において、AIを活用した効率化への関心が高まっています。「議事録の要約やシフト作成が劇的に早くなった」「患者さん向けの説明文が簡単に作れる」という声を聞く一方で、「どこまでの業務をAIに任せてよいのか」「もしAIが間違えたときに誰の責任になるのか」と強い不安を感じる方も多いのではないでしょうか。特に医療現場では、一つのミスや判断の誤りが患者さんの安全や個人情報の漏洩に直結するため、一般企業の導入事例や効率化のノウハウをそのまま当てはめるわけにはいきません。本記事では、私たち放射線技師が日々の業務でAIを安全に活用するための「責任の線引き」について、具体的な業務マトリクスや現場で直面しやすいケーススタディを交えながら詳しく解説します。最終的な責任は常に人間にあります。その原則を理解した上で、安全な補助ツールとしてAIを使いこなすための知識を身につけましょう。

最近、他の病院の技師さんから「委員会の資料作りをAIに手伝ってもらってすごく早く終わった」という話を聞いたんです。私も事務作業を少しでも減らしたいんですが、なんだか怖くて。もし患者さんのデータが外に漏れたり、間違った案内を作ってしまったりしたら取り返しがつかないですよね。どこまでなら任せても安全なんでしょうか?

新しいツールを取り入れるとき、とくに医療現場ではその「怖さ」を持つことが一番大切です。AIは非常に便利ですが、すべてを完璧にこなす魔法の杖ではありません。今日は、私たちが「任せていい仕事」と「絶対に人が確認・判断すべき仕事」の境界線を、具体的な業務に当てはめて一緒に整理していきましょう。基準がわかれば、安心して活用できるようになりますよ。
- 便利さと責任は別であり、医療行為や最終判断の責任は常に人間(医療従事者)が負う
- 任せてよい仕事の条件は「後から修正可能」「事実検証ができる」「個人情報を含まない」こと
- 患者の診断に関わる断定、治療方針の決定、識別子付きのデータ処理はAIに任せてはいけない
- グレーゾーンの業務は「下書きはAI、最終確認と発行は人間」という運用ルールを徹底する
- 施設内で独自に「AI禁止リスト」を作成し、チーム全体で合意形成を図ることが事故を防ぐ鍵となる
「便利」と「責任」は別物
業務の効率化を進めるうえで最初に明確にしておかなければならないのは、「作業を便利にすること」と「結果に対する責任を負うこと」は全く別の次元の話であるという事実です。AIは膨大なデータを瞬時に処理し、もっともらしい文章や提案を作成することに長けていますが、その内容が医学的に正しいか、目の前の患者さんにとって適切かどうかの判断はできません。最終的な責任を負うのは誰かという視点を常に持つ必要があります。

医療現場でのAIの役割は、あくまで人の業務を補助することであって、人の判断を代替することではありません。たとえばAIが画像から異常候補を挙げたとしても、それを確定診断として扱うことはできない。最終的に責任を負うのは、常にその結果を採用した人間の側です。

便利になった分だけ責任が軽くなる、ということはないんですね。

事務でも同じです。安全管理委員会の議事録の要約をAIに任せると、重要なインシデント報告のニュアンスが落ちたり、決定事項が微妙に言い換えられたりすることがあります。要約は情報を削る作業なので、何が削られたかは元を知る人にしか分かりません。

読みやすくなっているぶん、抜けに気づきにくそうです。

ですから原則はひとつです。出力を鵜呑みにせず、専門知識を持った人が一次情報に立ち返って裏づけを取る。この一手間を省いた瞬間に、効率化は事故の入り口に変わります。逆に言えば、この確認さえ習慣にできれば、AIは安心して使える道具になります。

確認を前提に組み込んでおけば、怖がりすぎなくていいということですね。
- AIは「業務の補助」を行うツールであり、人間の専門的な判断を「代替」するものではない
- 出力結果に誤りや情報の欠落が含まれる可能性(ハルシネーション)を常に想定し、盲信しない
- 最終的な承認やアクションの実行に対する責任は、すべてそれを利用した医療従事者が負う
- 万が一のエラー発生時に「AIの指示に従った」という理由は、責任逃れの免罪符にはならない

なるほど。どんなにAIの精度が高くなって「正しそう」に見えても、最後のハンコを押すのは私たち人間で、その責任は自分が持たないといけないんですね。でも、それだと毎回全部チェックし直すことになって、かえって時間がかかりませんか?

その感覚はとても鋭いですね。すべてをゼロから疑ってかかると、たしかに効率は落ちてしまいます。だからこそ、「AIの得意分野」と「人間の専門知識」をうまく切り分けることが重要なんです。AIには文章の骨組み作りやアイデア出しを任せて、私たちは専門家としての『事実確認と調整』に集中する。そのメリハリをつけるための基準を次で詳しく見ていきましょう。
任せてよい仕事の条件
では、具体的にどのような業務であればAIに安心して任せることができるのでしょうか。その判断基準となるのは、「可逆性(やり直しがきくか)」「検証可能性(事実確認が容易か)」「データ感度(個人情報を含まないか)」「影響範囲(第三者へのリスク)」の4つの要素です。これらを満たすタスクから始めるのが鉄則です。

第一の条件は「後からいくらでも直せること」、つまり可逆性です。来月の院内勉強会の案内ポスターの構成案や、新人向けマニュアルの目次案づくりがこれにあたります。仮に的外れな案が出てきても、その場で書き直せば済む。患者さんへの実害はゼロです。

失敗しても巻き戻せる範囲、ということですね。

第二は、出てきた内容の正しさを人がすぐ確かめられること——検証可能性です。複雑な放射線物理の計算をAIに解かせるのは危険ですが、「医療法における放射線業務従事者の線量限度を表にまとめる」程度なら、関連法規の原文と突き合わせればすぐ正誤が分かります。

確かめる手段が自分の手元にあるかどうかが分かれ目なんですね。

第三はデータ感度、つまり個人情報や機微な医療情報を含まないこと。これは特に重要で、患者さんの氏名、ID、生年月日、具体的な病歴をプロンプトに入れることは絶対に避けてください。外部サーバーにデータが送られる一般的な生成AIでは、そのまま情報漏洩のリスクになります。扱ってよいのは、一般化された架空のシナリオか、完全に匿名化された統計データだけです。

最後は、間違っていたときの影響範囲が狭いこと。院内スタッフ向けの連絡事項のドラフトや、表計算の関数の書き方を教わる程度なら、影響は自分と身近な同僚にとどまります。この4条件を満たす「下書き」「アイデア出し」「一般知識の整理」こそ、AIが最も安全で効果を発揮する場所です。

可逆性・検証可能性・データ感度・影響範囲。この4つで測ればいいんですね。
- やり直しがきく「可逆性」の高いタスク(下書き、構成案作りなど)に限定する
- 出力された結果の正しさを、人間が一次資料を用いて容易に確認できる「検証可能性」を重視する
- 患者IDや病歴などの「個人情報」は絶対にプロンプトに入力せず、一般化された情報のみを扱う
- 万が一エラーが含まれていても患者への直接的な実害がない、影響範囲の限定された業務を選ぶ

この4つの条件、覚えやすくて助かります。でも実際の業務だと「これは可逆性があるのかな?」と迷う場面が出てきそうです。たとえば私が新人さん向けに作った撮影手順のメモをAIに整えてもらう場合、それは下書きだから安全、という理解でいいんでしょうか。

いい問いです。判定のコツは「その紙が最終的にどこへ行くか」で考えることです。あなたの手元で推敲されるうちは可逆で安全。しかし同じメモが印刷されて更衣室に貼られ、新人がそれを見て患者に接するなら、もう可逆ではありません。文書の性質ではなく、届く先で線を引いてください。

なるほど、「どこまで広がるか」で見るんですね。じゃあ迷ったときは、その資料を最後に誰が読むのかを先に決めてから、AIに頼むかどうか判断すればいいんだ。

そのとおりです。加えて、検証可能性も一緒に確認してください。線量限度のような数値を扱うなら、法令の原文と突き合わせる手間まで含めて「自分がやれるか」を見積もる。検証に自分の専門性が要る仕事ほど、AIの出力は出発点にすぎないと考えるのが安全です。
任せてはいけない仕事
一方で、医療という生命に関わる特殊な環境下においては、どれだけAIが進化しても「絶対に任せてはいけない仕事」が存在します。これらを誤ってAIに委ねてしまうと、重大な医療事故や深刻なコンプライアンス違反、さらには法的な責任問題に発展する危険性があります。


では逆に、これだけは絶対に任せてはいけない、という筆頭は何でしょうか。

「診断的な断定」と「患者ごとの治療方針の決定」です。たとえば「この胸部X線の所見から考えられる疾患は」「このクレアチニン値で造影CTをやっていいか」——こういう判断をAIに求めて、その答えに寄りかかることは厳禁です。医師法上、診断の主体はあくまで医師であり、私たち技師でもその領域には踏み込めません。

患者さんに直接お渡しする説明文書はどうですか。前処置の説明文や、MRI前の体内金属の確認書類など、けっこう作る機会があります。

最終版をAIに作らせて、人の確認を通さずそのまま配るのは非常に危険です。「食事制限の時間が違っていた」「ペースメーカーの重要な注意が抜けていた」——この種の抜けは、そのまま患者さんの不利益や医療事故に直結します。下書きまでは可、配布物として確定させるのは人の仕事、と切ってください。

緊急時はどうでしょう。慌てているときほど、確認したくなってしまいそうです。

そこは最も頼ってはいけない場面です。造影剤の副作用が疑われるアナフィラキシーの初期対応のように一分一秒を争う状況で、AIに手順を尋ねるのはナンセンスです。回答を待つ時間が失われるうえ、その内容が目の前の患者さんの状態に合っている保証もありません。緊急時は、事前に定めた院内プロトコルと人の経験に基づく即応が求められます。

あと、やっぱり気になるのは患者さんのデータそのものです。

患者IDや生年月日、詳細なカルテ情報——個人を特定しうる識別子付きのデータを外部のAIサービスに処理させることは、個人情報保護法や各種ガイドラインに触れるおそれがあります。ここまで挙げた領域はすべて、人の目と責任で厳重に管理し遂行すべき、不可侵の範囲だと考えてください。
- 画像所見に基づく疾患の推測や、造影剤使用の可否など「診断的断定」に関わる判断を求めない
- 患者へ直接手渡す同意書や説明文を、十分な専門的検証を行わずにそのまま発行しない
- アナフィラキシー対応などの「緊急時の判断」において、AIの回答を判断材料にしない
- 患者IDや詳細な病歴など、個人を特定しうるデータを外部の生成AIに入力・処理させない

たしかに、緊急のときにAIに聞いてる暇なんてないですし、造影剤の判断をAI任せにするのは怖すぎます。でも、患者さんに渡す説明文の下書きを作ってもらうくらいなら、後でしっかり直せば大丈夫なんでしょうか?どこからがダメなのか少し迷います。

良い視点ですね。まさにそこが重要なポイントです。「下書き」として骨組みを作ってもらうこと自体は問題ありません。禁止されているのは、「AIが作った文章をそのまま、人間のチェックを省略して『最終版』として採用すること」なんです。過程としての利用はOKですが、結果に対する承認は必ず人間が行うというルールを徹底しましょう。
技師業務マトリクスで見る線引き
ここからは、実際の放射線技師の日常業務を具体的なマトリクスに当てはめて、AIに「任せてよい仕事」と「注意が必要な仕事」、そして「任せてはいけない仕事」の線引きを見ていきましょう。撮影前、撮影中、撮影後、そして事務や教育といったフェーズごとに整理することで、より現場での活用イメージが明確になります。

まず撮影前の業務から見ていくと、どうなりますか。

予約枠の調整や、過去の検査履歴から関連検査を洗い出すような仕組みは、すでに多くの施設で実用化されていて効率化に効きます。ただし、体内金属の有無や妊娠の可能性といった問診の最終確認を、自動音声やチャットボットだけに委ねるのは勧められません。ここは必ず対面で、人の目によるダブルチェックが要ります。

撮影中はどうでしょう。装置側にもAIの機能が入っていますよね。

ポジショニング補助、被ばく線量の最適化、CTのノイズ低減再構成——装置に組み込まれた、薬事承認済みの医療機器プログラムとしてのAIは積極的に使うべきです。一方で、撮った画像を見て「追加撮影が要るか」「医師を呼ぶべきか」を、薬事未承認の汎用AIに画像をアップして尋ねる。これは絶対に禁止です。

読影の補助はどうですか。結節影の検出システムなどは導入も進んでいると聞きます。

医師の読影を「補助」する用途は標準的になりつつあります。ただ、技師がその結果を見て患者さんに「問題ありません」と伝えてしまったり、所見レポートをAI任せにして医師の確認を経ずに発行したりするのは、明らかな越権行為で厳禁です。

逆に、汎用AIが最も活きるのが事務・教育・研究です。学会抄録の構成案、英語論文の翻訳、新人向けポジショニングマニュアルの下書き、院内プレゼンの骨子——ここは大いに使ってください。ただしここでも、引用文献が実在するかのファクトチェックと、自施設のローカルルールと矛盾していないかの確認は、必ず人の側で行います。

同じ「事務」でも、確認だけは手放さないということですね。
- 撮影前の問診など、安全に直結する確認事項はAIに一任せず必ず人間がダブルチェックを行う
- 薬事承認された専用AI機能(ノイズ低減など)と、未承認の汎用生成AI(ChatGPTなど)を明確に区別する
- 検査画像の評価や追加撮影の判断を、外部の汎用生成AIに画像をアップロードして委ねない
- 事務や教育資料の「下書き作成」には積極的に活用しつつ、自施設のルールとの整合性を人間が確認する

マトリクスで並べてもらうと、同じ「AI」でも中身が全然違うことがよく分かりました。装置に入っているノイズ低減の機能と、私がスマホで使っているチャットのAIを、これまでなんとなく同じものとして捉えていた気がします。

そこが今日いちばん持ち帰ってほしい区別です。装置側のAIは医療機器として薬事承認を受け、性能も適用範囲も審査を通っています。一方の汎用AIは、医療のために検証された道具ではありません。名前が同じ「AI」でも、制度上の立ち位置がまったく違います。

ということは、「AIを使っていいか」と一括りに考えること自体が間違いなんですね。どのAIを、どの工程で使うのか、まで分けて考えないといけない。

まさにその整理です。実務では「承認済みの装置機能は工程内で使う」「汎用AIは患者データの外側、事務と教育に限る」と二本立てで覚えると迷いません。この線を越える相談が来たときは、便利さではなく承認の有無を根拠に断れます。
グレーゾーンの扱い方
業務マトリクスで明確な線引きを行っても、実際の現場では「これはAIを使っていいのだろうか?」と迷うグレーゾーンの業務が必ず発生します。このようなグレーゾーンに対処するためには、「過程の自動化」と「結果の責任」を切り離す運用ルールを徹底することが、もっとも現実的で安全な解決策となります。

判断に迷うグレーな仕事は、どう扱えばいいでしょうか。

基本原則は「下書きはAIに任せてよいが、最終的な承認と発行は必ず人が行う」という運用です。人が輪の中に入って最後を締める形にしておけば、途中でAIを使っていても責任の所在は動きません。迷ったらこの形に落とし込めるかどうかで判断してください。
出力された汎用的な謝罪のテンプレートに対し、人間の技師が「当院の規定」や「実際の状況における細かなニュアンス」「今後の具体的な改善策」を加筆修正し、上長が内容を確認した上で提出するのであれば、AIの利用は単なる「高機能な辞書や文例集」を使ったことと同義になります。
また、「シフト表の作成」などもグレーゾーンになりやすい業務です。AIに条件(夜勤の回数制限、休日の希望など)を与えてパズルを解かせること自体は非常に効率的ですが、AIは「AさんとBさんは最近少し関係がぎくしゃくしているから夜勤を分けたほうがいい」といった、データ化されていない人間関係の機微までは考慮できません。したがって、AIが作成したシフト表はあくまで「たたき台(バージョン0.1)」として扱い、最終的に技師長や主任が現場の実情に合わせて微調整を加え、責任を持って公開するというプロセスを経る必要があります。このように、「AIの出力をそのまま使わない」という一手間をかけることで、多くのグレーゾーン業務を安全圏に引き上げることができます。
💡 AIタスク境界判定ツール
その業務タスク、AIに任せて大丈夫か判定します
- グレーゾーンの業務は「下書き(たたき台)の作成」までに留め、完成品としてそのまま使用しない
- AIの出力を「バージョン0.1」と捉え、人間の専門知識や現場の機微を加味して「バージョン1.0」に仕上げる
- 文書作成時などは、固有名詞や具体的な日時を伏せた一般化されたプロンプトを使用してAIに指示を出す
- 最終的な発行や承認の権限を持つ人間(上長など)のチェックプロセスを必ず組み込む

なるほど。「AIが作ったもの=完成品」だと思っちゃうから怖くなるんですね。あくまで「優秀な文房具」や「下書きマシーン」として使って、最後に私たちが手直しをして完成させるというルールなら、なんだか安心して使えそうな気がしてきました。

その捉え方が正解です。AIを「意思を持った同僚」ではなく「非常に高度なワープロソフト」くらいに考えておくと、心理的なハードルも下がります。手直しを前提にすることで、AIの得意な『スピード』と、人間の得意な『正確性と配慮』のいいとこ取りができるようになりますよ。
記録と説明責任
医療現場においてAIを活用する場合、もう一つ忘れてはならないのが「記録と説明責任(アカウンタビリティ)」の観点です。特に医療安全の領域では、「いつ、誰が、どのような根拠でその判断を下したのか」を事後的に検証できる状態にしておくことが強く求められます。

記録という面では、何を残しておけばいいんでしょうか。

まず、AIの支援を受けて作ったという事実を透明にしておくことです。たとえば新しい撮影プロトコルのマニュアルで、海外論文やガイドラインの要約にAIを使ったなら、末尾か備考に「一部の要約にAIツールを用い、最終的に人が原著との整合性を確認した」と添える。これが誠実な扱い方です。

それから、インシデント調査の対象になりうる重要な決定では、AIの出力だけを根拠にしてはいけません。監査で「なぜこの手順を選んだのか」と問われて「AIがそう出したから」では、説明責任を果たしたことになりません。どの一次資料——公式ガイドライン、添付文書、学会の合意事項——を確認し、最終的にどう判断したのか。その人間の思考プロセスこそ記録に残すべきです。

残すべきなのは答えじゃなくて、たどった道筋のほうなんですね。
さらに、日常的な業務においても、AIに入力したプロンプト(指示文)の履歴をある程度残しておくことをお勧めします。「どのような条件を与えて出力させた結果なのか」を後から振り返ることができるようにしておくことで、ハルシネーション(もっともらしい嘘)が混入した原因の究明や、より精度の高いプロンプトへの改善に役立ちます。AIの利用を隠すのではなく、適切な管理下で利用していることをオープンにする姿勢が、周囲からの信頼につながります。
- 重要な業務文書やマニュアルの作成にAIを用いた場合、その旨と「人間が最終確認した事実」を明記する
- 監査等での説明責任を果たすため、「AIの出力」ではなく「人間が参照した一次資料と判断根拠」を記録する
- ハルシネーションの原因究明や精度向上のため、入力したプロンプトの履歴を振り返れるようにしておく
- AIの使用を隠すのではなく、適切なルールの下で透明性を持って利用していることをチーム内に共有する

正直に言うと、AIを使ったことを書き添えるのは少し勇気が要ります。「手を抜いた」と思われないでしょうか。黙って使って、自分で確認したことにしてしまう人もいそうです。

その不安はもっともですが、逆から見てください。隠して使うと、後で問題が出たときに「なぜこの記述になったのか」を説明できません。明記しておけば、確認した人間がいるという事実が記録に残る。透明性は、あなた自身を守る仕組みなんです。

確かに、隠すほうがむしろリスクなんですね。「AIが出したから」ではなく「私がこの資料で確かめたから」と言える形にしておくのが大事、ということですか。

そこが核心です。記録に残すべきは出力そのものではなく、あなたが何を根拠に判断したか。監査で問われるのも常にそこです。プロンプトの履歴も残しておくと、誤りが混じった経緯をたどれて、次の改善にもつながります。
チーム合意の作り方
個人の裁量だけでAIの利用範囲を決めてしまうと、スタッフ間で認識のズレが生じ、思わぬインシデントを招く危険性があります。安全な運用を実現するためには、放射線科というチーム全体でAIに対する共通認識を持ち、明文化された合意(ルール)を作り上げることが不可欠です。

チームでの合意形成を進めるための第一歩は、施設ごとの「AI禁止リスト」と「推奨リスト」を作成することです。まずは技師長や安全管理の担当者を中心にミーティングを開き、「絶対に外部の生成AIに入力してはいけない情報(患者ID、生年月日、検査日、画像データなど)」を明確に定義し、禁止事項として明文化します。これには、院内の個人情報保護規定や情報セキュリティポリシーをベースにするのが確実です。
次に、「積極的にAIを利用してもよい業務(推奨リスト)」をリストアップします。たとえば「勉強会のスライド構成案作り」「エクセル関数の作成」「一般的な専門用語の翻訳」など、可逆性が高くリスクの低いタスクを具体的に挙げることで、スタッフが過度に萎縮せずにAIを活用できる環境を整えます。
ルールが完成したら、それを単に文書として配布するだけでなく、実際の操作画面を見せながらの「ハンズオン勉強会」を実施することが重要です。特に、ハルシネーション(もっともらしい嘘)がどのように発生するかを意図的に実演して見せることで、「AIのアウトプットを盲信してはいけない」という意識をチーム全体に強く根付かせることができます。
また、AI技術は日進月歩で進化しているため、一度作ったルールは恒久的なものではありません。「半年に一度は見直す」「新しいツールを導入する際は必ず小規模テストを行う」といった運用サイクルをチームの合意として定めておくことで、技術の変化に柔軟かつ安全に対応できる組織基盤ができあがります。
- チーム全員が遵守すべき「絶対に入力してはいけない情報(禁止リスト)」を明文化し周知する
- リスクが低く効率化が見込める「推奨リスト」を提示し、スタッフが安全に活用できる道筋を示す
- ハルシネーションの具体例を勉強会などで実演し、「出力を盲信しない」という共通認識を養う
- AIの技術進化に合わせて、定期的にチーム内でルールを見直しアップデートする体制を整える

ルールが決まっていないと、「先輩は使っているけど私は怒られそうだからやめておこう」みたいに、個人の感覚でバラバラになっちゃいますよね。最初に部署全体で「これはダメ、これはOK」というリストを作ってもらえると、すごく動きやすくなります。

その通りです。個人のリテラシーに依存しすぎると必ず事故が起きますからね。禁止事項でしっかりと安全の枠組みを作った上で、「ここは自由に効率化していいよ」という遊びの空間(サンドボックス)を用意してあげるのが、管理側の重要な役割になります。では最後に、実際の現場でよくある4つのケースを見ていきましょう。
ケーススタディ4題
ここまで解説してきた「責任の線引き」や「任せてよい条件」を踏まえ、実際の放射線科の現場で遭遇しやすい4つの具体的なケーススタディを通じて、AIの正しい使い方と間違った使い方をシミュレーションしてみましょう。
【ケース1:患者向けのMRI検査説明文の作成】 ×不適切な使い方:「当院の最新型MRIでの検査説明文を作って。金属チェックの項目も適当に入れて」とAIに依頼し、そのまま印刷して待合室に掲示する。 〇適切な使い方:「一般的なMRI検査の注意事項(金属持ち込み禁止など)の箇条書き案を作成して」と依頼し、出力された文章をベースに、自施設の運用ルールや特定のペースメーカーに関する厳密な規定を人間の技師が加筆・確認した上で掲示する。
【ケース2:医療安全インシデントレポートの作成】 ×不適切な使い方:患者A氏の氏名や実際の撮影日時、担当医の名前を含めた詳細な経緯をプロンプトに入力し、「これをインシデントレポートの形式にまとめて」と指示する。 〇適切な使い方:個人を特定できる情報を一切入力せず、「『患者誤認による撮影部位の間違い』というテーマで、一般的なインシデントレポートの項目(発生状況、原因分析、再発防止策)のテンプレートを作成して」と依頼し、その空欄を院内のセキュアなPC上で自らの手で埋める。
【ケース3:新しいCTプロトコルの学習】 ×不適切な使い方:「この最新の造影CTプロトコルについて教えて」とAIに尋ね、返ってきたスキャン遅延時間や造影剤量の数値をそのまま信じて実際の患者の撮影に適用する。 〇適切な使い方:AIには「造影CTにおける一般的なボーラストラッキング法の原理を小学生にもわかるように解説して」と概念の理解を助ける役割を持たせ、実際の撮影パラメータや注入量については、必ず装置のメーカーマニュアルや日本放射線技術学会のガイドライン等の一次資料を参照する。
【ケース4:シフト表の作成業務】 ×不適切な使い方:スタッフ全員の希望休と「BさんはCさんと仲が悪い」といった個人のプライバシーに関わる情報を入力し、シフトの完全自動生成を試みる。 〇適切な使い方:個人的な感情や機微な情報を除外し、「夜勤は月4回まで、連続勤務は5日まで」といった純粋な労働条件のルールのみを与えてベースとなるシフト案(たたき台)を作成させ、人間関係や細かな配慮の部分は主任技師が手動で調整して完成させる。
- ケース1:患者向け文書はAIの「下書き」をベースに、自施設の厳密なルールを人間が加筆して完成させる
- ケース2:レポート作成時は、個人情報を含まない「枠組み(テンプレート)」だけをAIに作らせる
- ケース3:概念の学習にAIを利用するのは有効だが、実際の撮影パラメータは必ず一次資料を正とする
- ケース4:シフト作成は純粋な条件処理のみをAIに任せ、人間関係などの機微な調整は人間が行う

4つのケース、どれも自分がやりそうなことばかりでドキッとしました。とくにケース2のインシデントレポートは、経緯を全部書いたほうがいい文章になる気がして、うっかり入力してしまいそうです。

その「いい文章にしたい」という善意こそが、いちばん危ない入り口です。詳しく書くほど出力は良くなる——それは事実です。だからこそ、判断を精度ではなく手順に委ねてください。個人情報は入力しない。これは腕前ではなく、例外を作らないルールとして持つものです。

精度で判断すると、つい「今回だけ」と緩めてしまいますもんね。テンプレートだけ作ってもらって、中身は院内のパソコンで自分で埋める。その形なら迷わなくて済みそうです。

いかがでしたか?AIは非常に強力なツールですが、使い方を一歩間違えれば大きなリスクを伴います。まずは明日、ご自身の施設で「AIに入力してはいけない情報」が明確にルール化されているか、部署内で確認することから始めてみてください。安全な枠組みの中で、スマートに業務効率化を進めていきましょう。
- 最終的な医療判断や発行の責任は人間が負うという大前提を理解している
- やり直しがきく、かつ検証可能なタスクからAIの利用を始めている
- 患者の個人情報や機微なデータを絶対にプロンプトに入力しない運用をしている
- 画像評価などの診断に関わる判断を汎用生成AIに委ねていない
- 業務で利用する際は「下書き(たたき台)」としての利用に留め、最終確認を行っている
- AIの出力結果だけで監査時の説明責任を果たそうとしていない(一次資料を確認している)
- 部署内でAI利用に関する「禁止リスト」と「推奨リスト」を共有し、ルール化している
💬 よくある質問(FAQ)
いいえ、問うことはできません。一般的な生成AIの利用規約には、出力結果の正確性やそれに起因する損害について免責事項が定められています。医療機関内でその情報を採用し、業務に適用する最終決定を下したのはそれを利用した医療従事者および施設であるため、法的な責任は施設側に帰属します。必ず人間の目での確認が必要です。
仮名にしただけでは不十分な場合があります。年齢、性別、具体的な疾患名、希少な症例の特徴、入院日などの情報が組み合わさることで、特定の個人が識別できてしまう「モザイク効果」のリスクがあるためです。プロンプトに入力する際は、個人の特定につながる具体的なエピソードを完全に排除し、抽象化・一般化された情報のみを扱うようにしてください。
装置に搭載されているAI機能は、特定の医療目的のために学習・検証され、関係機関からの薬事承認(プログラム医療機器としての認証など)を得ているものが一般的です。一方、ChatGPTなどの汎用生成AIは医療用に特化した検証を受けておらず、出力結果の医学的な正確性は保証されていません。両者は利用目的と信頼性の担保という点で全く異なります。
論文の大まかな内容を把握するための「概要理解」としてAIの翻訳を活用するのは非常に効率的です。ただし、専門的なニュアンスが抜け落ちたり、全く逆の意味に誤訳されたりするリスク(ハルシネーション)はゼロではありません。実際の臨床業務や研究にその情報を適用する場合は、必ず原文(一次資料)に当たって数値や結論を確認するプロセスを怠らないでください。
放射線科内の技師長や主任といった管理職だけでなく、医療安全管理室の担当者や、院内の情報システム(IT)部門の担当者を交えて協議することを強くお勧めします。医療安全の観点とセキュリティの観点の両方からリスクを洗い出し、施設全体のポリシーと矛盾しない、現実的で安全なルールを策定することが重要です。















.jpg)