コラム

社会保障とヘルスケアの未来ヘルスケア

永井良三先生と考えるAI時代の医療の未来 分化した知の再統合に向けて

ヘルスケア有識者インタビュー・シリーズ(2)

タグから探す

2026年09月15日

創薬・健康エコシステム本部寺杣美里

社会保障とヘルスケアの未来
本シリーズでは、最前線で活躍されている医療・ヘルスケア分野の研究者や専門家の方々へのインタビューをお届けします。今回は、SIP第3期「統合型ヘルスケアシステムの構築」のプログラムディレクターであり、医療情報基盤整備やリアルワールドデータ活用の第一人者である永井良三先生に、医療情報基盤整備の歩みや医療AIの可能性、そしてAI時代に求められる医学と人材の在り方について伺いました。

SIP第3期「統合型ヘルスケアシステムの構築」について

SIP(戦略的イノベーション創造プログラム)第3期「統合型ヘルスケアシステムの構築」(以降、SIP)は、医療版Society 5.0の実現を目指す研究開発プログラムである。医療データの統合と「医療デジタルツイン」の活用により、医療の質の向上と持続可能な医療システムの構築を目指している。医療デジタルツインとは、健康・医療に関する現実世界の事象をデータとしてデジタル空間に再現し、AIによる分析やシミュレーションを通じて現状の可視化や医療・健康状態の要因分析、将来予測を可能とする仕組みである。

このプログラムは、医療デジタルツインを支える「基盤技術の開発」と、それを活用した「ソリューションの社会実装」の両輪で推進されている。具体的には、電子カルテ等のデータ連携基盤や、医療分野におけるLLM(大規模言語モデル)をはじめとする先端AI技術の開発を進めるとともに、それらを活用して新たな臨床知識の発見、医療従事者や患者への支援、地域医療の最適化などの課題解決に取り組んでいる。
図表1 「統合型ヘルスケアシステムの構築」の全体像
出所:国立健康危機管理研究機構「SIP第3期「統合型ヘルスケアシステムの構築」研究課題紹介」
https://sip3.jihs.go.jp/overview/index.html(閲覧日:2026年7月22日)

分散した医療情報を活用できる「知」へ

永井氏が一貫して取り組んできたのは、分散した医療情報を単に集めることではなく、そこから知見を取り出せる形へと「構造化」することであった。現在推進するSIPの取り組みも、その20年以上にわたる挑戦の延長線上にある。

MRI:現在進められているSIPの取り組みは、どのような問題意識から始まったのでしょうか。

永井:私が一貫して考えてきたのは、膨大な医療情報を集め、そこから法則性や知見を見いだすことです。今で言うAIに近い発想ですが、当時はまだその言葉も一般的ではありませんでした。そのため私は2000年から、「統計が取れる電子カルテが必要だ」と訴え続けてきました。

従来の電子カルテは診療記録としては機能しても、研究や統計解析に活用できる形にはなっていませんでした。つまり情報は存在していても、知として活用できる形に構造化されていなかったのです。

そこで2010年代になって、内閣府の最先端研究開発支援プログラム(Funding Program for World-Leading Innovative R&D on Science and Technology:FIRST)のもとで、大江和彦先生(東京大学)らとともに「SS-MIX2」の開発に取り組みました。これは医療機関ごとに異なる電子カルテの情報を標準化し、統合的に活用できるようにする仕組みです。

こうした取り組みから、分散した医療データを知として活用できる基盤が整備されはじめ、現在SIPで進めている「統合型ヘルスケアシステムの構築」へとつながってきています。

「データを集めればよい」という誤解

電子カルテや診療情報などのリアルワールドデータは、医療研究やAI開発を支える重要な資源として注目を集めている。しかし永井氏は、「データ量の多さ」そのものに価値があるわけではないと指摘する。

MRI:リアルワールドデータへの期待が高まる中で、先生は特にどのような点が重要だとお考えですか。

永井:多くの人は、データをたくさん集めれば何か価値が生まれると考えています。しかし本当に重要なのは、何を集め、何を評価するかです。医療では、評価指標を誤ると結論が逆転することさえあります。たとえば循環器領域では、かつて不整脈を減らせば患者さんの予後も改善すると考えられていました。しかし実際には、介入によって不整脈は減少したにもかかわらず、死亡率が上昇した事例もあります。検査値だけを見ていては、本当に重要な結果を見落としてしまうのです。

MRI:患者さんの最終的な予後まで見なければ、誤った結論に至る可能性があるということですね。

永井:その通りです。だからこそ、生存率などの「ハードエンドポイント」を捉える必要があります。不整脈の減少や意識変容といった「ソフトエンドポイント」だけでは十分ではありません。本当に見るべきなのは、その結果として患者さんの人生が良くなったのかどうかです。そのためには、それを観察できる形でデータを整備せねばなりません。私が目指しているのは、単に大量のデータを集めることではなく、本質的な価値を評価できるデータ基盤をつくることです。

そして、その基盤づくりにはアカデミアの役割が重要だと思っています。研究者同士が議論を重ねながらデータ設計や評価の在り方を磨いていかなければ、本当に価値のある研究にはつながりません。そのようにして、「ハードエンドポイント」まで含めて観察できる良いデータ基盤が整えば、その上でAIはおのずと育っていくのだと思います。今、SIPで取り組んでいる本質もそこにあります。もちろん民間の役割も重要です。産業界とアカデミアが連携しながら進めていくことが不可欠だと思います。
図表2 アカデミア主導の情報プラットフォーム構築例(CLIDAS研究グループ)
アカデミア主導の情報プラットフォーム構築例(CLIDAS研究グループ)
出所:内閣府「第4回医療等情報の利活用の推進に関する検討会 資料3」(的場哲哉氏提出資料、2025年10月14日)
https://www8.cao.go.jp/iryou/studygloup/20251014/pdf/s-3.pdf(閲覧日:2026年7月22日)

アメリカの後追いではない、日本独自の医療AI戦略

良質なデータ基盤が整えば、その上でAIはおのずと育っていく。では、日本はどのような方向性で医療AIを発展させるべきなのだろうか。永井氏は、日本独自の知見を活かしたAI開発の重要性に加え、それを支える人材育成の必要性を指摘する。

MRI:日本で推進すべき医療AI開発の方向性について、先生はどのようにお考えですか。

永井:データセットをきちんと整備し、それをAIに学習させれば、日本ならではのAIが生まれてくると思います。私はよく、「アメリカをそのまま真似するな」と言っています。圧倒的な資源が投入されているアメリカと同じやり方で競争するのではなく、日本の臨床現場に蓄積されている知見を丁寧に取り込んでいくべきです。日本には、経験豊富な臨床医が持つ職人的な知識や判断があります。そうした知をAIに学ばせることが重要です。私自身も長年蓄積してきた症例データをAIに学習させていますが、それで実際AIはかなり賢くなるのです。

また、海外で開発されたモデルは英語圏の医療データや知見を前提としていることが少なくありません。日本の疫学的特徴や診療実態に即した知見を扱うためにも、日本独自のデータと知識に基づくAIを育てていくことには大きな意味があると思います。

さらに、医療AIの発展にはモデル開発そのものだけでなく、人材育成も欠かせません。私はLLM-jp※1のような取り組みも非常に意義があると思っています。もちろんモデルそのものも重要ですが、それ以上に価値があるのは人材です。GPUを触り、作り、失敗し、試行錯誤する。その経験を持つ人材が国内で育つことが重要なのです。日本でLLMを開発する意味は、モデルそのものだけにはありません。開発の過程を通じて技術者や研究者が育ち、日本のAI基盤そのものが強くなっていく。私はそこに大きな意義があると思っています。

AIとともに育てるべき人間の知性

AI開発における人材育成の重要性を語る永井氏。では、AIが高度化する時代に、人間はどのような力を磨くべきなのか。永井氏は、AIと人間は対立する存在ではなく、ともに成長していくものだと語る。

MRI:最近は「AIが医師を超える」「AIが診断する時代になる」といった議論も増えています。先生はAIと人間との関係をどのように考えておられるのでしょうか。

永井:私はそうは思いません。むしろ逆です。AIが高度になればなるほど、人間も一定以上のレベルを持っていなければいけない。医療においても、人間が患者さんを診る力を持っていなければ、AIに吞み込まれてしまうだけです。

私たち自身も、ある意味ではAIなのです。脳という学習システムを持っている。だから外のAIを育てると同時に、自分自身も育てなければならない。私は長年、診断困難例を整理・蓄積しながら知識の体系化を図る「J-CaseMap※2」の取り組みを続けています。これはAIを教育しているようで、実は自分を教育しているのです。私はこれを「AI盆栽」と呼んでいます。盆栽を少しずつ手入れするようにAIに触れ、考え、修正する。その積み重ねが、自分の専門に限らず、新しい課題に出会ったときにも自ら考える力を育てていくのです。AIだけを育てても駄目で、自分の脳も同時に育てなければならない。私はこれからのAIは、人間と共進化するものだと思っています。

AI時代は、知的好奇心の時代です。専門を持ちながらも専門外のことに関心を広げ、多角的に考えられる知性がこれまで以上に重要になるのではないでしょうか。

AIで医学の知を再び一つに

専門外にも関心を広げ、多角的に考えることの重要性を永井氏は強調する。では、そのような知の横断は医学そのものにどのような変化をもたらすのだろうか。永井氏は、AIには長い歴史の中で専門分化してきた医学の知を再びつなぎ直す可能性があると語る。

MRI:先生のお話を伺っていると、AIはわれわれの在り方を変える技術であるように感じます。そうなると、医学そのものの在り方もAIが変えていく可能性もあるように思います。

永井:その通りです。医学という学問は、医療倫理、公衆衛生学、病理学、分子生物学、統計学など、異なる歴史と系譜を持つ学問が積み重なってできています。本来はそれら全てを含めて医学なのですが、1人で全てを扱うことは難しく、専門分化が進んできました。その結果、メカニズムを重視する人、統計を重視する人、公衆衛生の視点で考える人など、それぞれ異なる立場から議論するようになったのです。発想の違いから、必ずしも話がかみ合わないことも多々あります。

しかしAIは、そうした専門領域ごとの知識を横断的に扱うことができます。公衆衛生、統計学、分子生物学など、別々に発展してきた知識の関係性を見つけられるようになるのです。

私は医療には2つの方向があると思っています。1つは全体を見る「統合」。もう1つは、一人ひとりに合わせる「個別化」です。AIは、その両方に非常に向いている。私は、AIが医学にもたらす大きな価値は、専門分化してきた医学の知をもう一度つなぎ直すとともに、個別化医療を推進することにあると思います。

AI時代に問われる「人間の判断と倫理」

AIによって医学の知が再統合されるとすれば、人間にはどのような役割が求められるのだろうか。永井氏は、AIが高度になるほど、人間の判断や倫理の重要性はむしろ高まると指摘する。

MRI:AIが専門分化してきた知を統合する時代に、私たちは何を意識すべきなのでしょうか。読者へのメッセージをお願いします。

永井:AIは専門をまたいで知をつないでいく技術です。だから人間の側も、自分の専門だけで物事を見ていてはいけない。もっと多角的に考えられるようにならなければならないと思います。そのときに大切なのは、メカニズムだけで物事を判断しないことです。私は、医学には「必然性の追求」と「偶然性の制御」の両方があると思っています。科学は「なぜそうなるのか」という必然性を追求しますが、現実の医療では、メカニズムが全て分かっていなくても判断せざるを得ない場面に遭遇します。人間は全てを解き明かすことはできません。だから現象を観察し、評価しながら少しずつ理解を深めていく。その姿勢が重要なのです。必然的なメカニズムにたどり着けないときに偶然性を制御するための代表的な手法がランダム化比較試験ですが、実施には大きなコストがかかります。次善策としてリアルワールドデータを活用しながらエビデンスを積み上げていくことも1つのやり方です。必然性が分かっていなくても、偶然性を制御できるのであれば、それも立派な知だと思います。これは私たちが医療データ基盤の整備に取り組んできた理由の1つでもあります。

私自身の研究経験でも、同じことを痛感してきました。本業では転写因子を標的とした創薬研究を続けてきましたが、ある物質が「効く」という現象は見えていても、その理由がすぐには分からなかった。実際にそのメカニズムの解明には10年以上かかりました。しかし当時は、「メカニズムが分からないものは評価できない」と言われたこともありました。私は、この構図はAIや医療情報の世界でも同じだと思っています。良い知見が見えているのに、既存の専門性や枠組みにとらわれて評価できないことがあるのです。

AIは、人間には気づかなかった関係性や新しい知見を示してくれるでしょう。しかし、AIがあれば全てが解決できるはずだという幻想は危険です。だからこそ、多様な学術的背景を持つ人材同士の協働や、若手とシニア研究者の対話が重要になるのだと思います。実際、私が関わっているSIPにも、臨床研究・情報科学をはじめ多様な専門性を持つ第一線の研究者や実務家が関与しています。知が統合される時代だからこそ、研究開発も多様な専門家・ステークホルダーの協働によって進めていかなければなりません(図表3)。

そして最後に大切なのが倫理です。AIによって知が統合される時代になると、自分の専門だけでは判断できないことが増えてきます。AIだから倫理が不要になるのではなく、むしろ逆です。AIだからこそ倫理が必要になる。どう判断するのか、誰が責任を負うのか。そうした問いに向き合える人間であることが、AI時代には何より重要なのだと思います。
図表3 多様な専門家がかかわるSIP研究体制図
多様な専門家がかかわるSIP研究体制図
出所:国立健康危機管理研究機構「SIP第3期「統合型ヘルスケアシステムの構築」実施体制」
https://sip3.jihs.go.jp/overview/project-team.html(閲覧日:2026年7月22日)

編集後記│三菱総合研究所の目線

本インタビューを通じて見えてきたのは、医療AIの本質が単なる技術開発ではなく、「知の構造化」と「知の再統合」の営みであるという視点である。永井氏は、医療情報基盤の整備からリアルワールドデータの活用、AIによる診断支援までを一貫した流れとして語った。その根底にあるのは、分散したデータや知識をつなぎ、新たな価値を生み出すための基盤づくりであったように思う。

この視点は、永井氏が東京大学で当社理事長の小宮山宏らと取り組んだ「知の構造化プロジェクト」や「動け日本」における問題意識とも重なる。新たな知見や技術は、それだけでは社会的価値にならない。複雑化・専門化した知は、多様な主体が理解し活用できる形へと整理され、異なる立場の人々の間で共有されてはじめて社会に実装される。

そう考えると、永井氏が語った「知の再統合」とは、医学の課題であると同時に、社会における科学技術の課題でもある。医療AIによってもたらされる価値を社会へと結び付けるためには、医療、アカデミア、AI開発人材、さらには産官学が分野を越えて知見とリソースを持ち寄り協働することが不可欠であろう。AI時代に求められるのは技術開発だけではない。知をつなぎ、人をつなぎ、領域を越えた協働を可能にするエコシステムそのものが問われているのである。本インタビューは、医療とAIの未来を考えると同時に、知と知、人と人をつなぐ社会実装の在り方について改めて考える機会を与えてくれた。

有識者紹介

永井良三先生
写真:永井良三先生(ご本人提供)

永井良三(ながい りょうぞう)

自治医科大学学長、東京大学名誉教授、宮内庁皇室医務主管

1974年東京大学医学部卒業、医学博士。専門は循環器病学。東京大学医学部附属病院第三内科助教授などを経て、1999年東京大学大学院医学系研究科内科学専攻循環器内科教授、2003年東京大学医学部附属病院病院長、2009年東京大学トランスレーショナルリサーチ機構長を歴任。2012年自治医科大学学長、東京大学名誉教授に就任。2009年紫綬褒章、2012年ヨーロッパ心臓病学会Gold Medalなど受章。2023年よりSIP第3期プログラムディレクターとして医療デジタルツインの実現に向けた研究開発を牽引。専門は循環器病学。

※1:LLM-jpとは、大規模言語モデル研究開発センターが主宰する日本発LLM(大規模言語モデル)の開発プロジェクト。

※2:J-CaseMap(診断困難例ケースサーチ)とは、日本内科学会の症例報告を構造化・蓄積した診断支援プラットフォーム。類似症例の検索や鑑別診断の参考情報を提供する仕組みであり、AMED事業「人工知能による総合診療診断支援システムの開発」を基に構築された。

著者紹介

  • 寺杣 美里

    創薬・健康エコシステム本部

    ヘルスケア分野の民間企業さま向けの新規事業戦略検討や研究開発動向調査、官公庁の調査や伴走支援等を行っています。健康づくり施策の検討支援から、AIを活用したデータマーケティング、医療機器開発に関する調査・事業支援まで幅広い業務に携わってまいりました。官民双方の視点を踏まえ、分野横断的な課題解決を目指しています。

インタビューには、医療・介護事業部門長 柏谷泰隆、創薬・健康エコシステム本部 佐藤 洋が同席しました。

連載一覧

関連するナレッジ・コラム