サステナブルAIを拡大するには、ワークフロー、ガバナンス、国家の優先事項にソリューションを組み込む必要があります。
AIを拡大する組織は、指針となる原則、責任あるガバナンスのプロセス、強力なイノベーションチーム、そして運用面の規律を確立する必要があります。
サウジアラビアのキング・ファイサル専門病院・研究センターは、AIを通じて実質的な効果を引き出そうとするリーダーにとってのモデルを提供しています。
医療分野における人工知能（AI）は、概念実証の段階を超えました。今問われているのは、病院のデジタル戦略の一部として、AIをいかに持続可能な形で組み込むかです。パイロットプロジェクトは研究室では成功しても、臨床現場では失敗することが多く、導入率の低さ、ワークフローへの統合の不備、価値の実現の限定性が依然として最大の障壁となっています。
サステナブルAIとは、単に次のアルゴリズムを個別に追いかけることではありません。導入、ガバナンス、測定可能な成果が議題を推進するエコシステムを構築することです。そのためには、患者、医療提供者、医療制度にとって実質的な価値を生み出すことに焦点を当てた、思慮深く体系的なアプローチが求められます。
サウジアラビアの病院であるキング・ファイサル専門病院・研究センター（KFSHRC）は、過去数年にわたり、デジタルイノベーションハブを含む独自のエコシステムを構築してきました。このエコシステムは、指針となる原則、ガバナンスのプロセス、イノベーション能力、運用面の規律という4つの主要な要素から成ります。
以下の原則と実践は、病院だけでなく、AIをサステナブルかつ大規模に導入しようとするあらゆる組織に当てはまります。
指針となる原則
サステナブルAIの導入に成功している取り組みは、技術から始めるのではなく、解決すべき課題から始めます。それが臨床的な意思決定の課題であれ、患者ケアのギャップであれ、業務上の非効率であれ、その点は変わりません。「まず価値、次にモデル」というこの原則により、取り組みは実際のニーズに根ざしたものとなります。これに関連して、AIは日常業務の上に重ねるのではなく、日常のルーティンに組み込まれます。これにより、医療提供者の負担ではなく改善につながり、導入の促進にも役立ちます。
導入を支えるうえで、戦術的な原則も重要です。社内の少人数のチームが、的を絞ったパートナーシップに支えられれば、規模の大きいAIプログラムよりも多くの成果を上げられることがよくあります。インフラも重要です。機密データを保護するために安全なオンプレミスシステムを用いつつ、クラウドベースの処理能力と安全なオープンソースツールを拡張性のために活用する、ハイブリッドな技術基盤が理想的となる場合があります。
原則は、より広いエコシステムの中でも考慮されるべきです。例えば、イノベーションのパートナーや事業化を検討する際には、各サイクルで高い価値を持つスタートアップを厳選して受け入れるべきであり、病院（または組織）はデザインパートナーとして、それらのソリューションが実際の医療上の課題に対応するよう努めるべきです。
ガバナンスのプロセス
抽象的な指針となる原則は重要な出発点ですが、本当に適切なソリューションだけが患者ケアに導入されるよう、再現性のあるプロセスを確立することが不可欠です。したがって、第2の要素として、新たなAIソリューションを開発し、イノベーションのパイプラインを管理するための明確なプロセスが欠かせません。KFSHRCでは、ガバナンスは7段階のサイクルに従っています。
ユースケースの開始： 提案は通年で受け付けられますが、明確な臨床的または業務上の価値、高い実現可能性、明確に定義された成功指標、過去の取り組みによるエビデンスの有無を評価するため、構造化されたレビュー期間に評価されます。
データの準備： データの品質、系譜、代表性に対して厳格な注意が払われます。
設計段階： チームは、社内で開発するか、ベンダーのソリューションを適応させるか、パートナーと共同開発するかを決定します。
概念実証および価値実証： すべてのソリューションは段階的な評価を受けます。具体的には、社内での技術テスト、外部によるベンチマーク、そして最後に分野の専門家による検証です。
フィードバックループ： エンドユーザーが関与し、ユーザビリティ、信頼性、関連性の改善が図られます。
統合： ワークフローへの組み込みに加えて、このプロセスではフォローアップのアクションを定義します。臨床医やスタッフがAIの出力にどう対応すればよいかわからない場合、導入は失敗に終わる運命にあります。
次のステップ： 導入後、ソリューションは利用状況、事業価値、パフォーマンスを追跡する構造化されたモニタリング段階に入ります。スピンオフやスタートアップとの協業を含む事業化の経路により、イノベーションが1つの病院の枠を超えて拡大できるようになります。
このガバナンスプロセスは実用性を重視して設計されています。厳格な門番の仕組みでも、放任的なパイプラインでもなく、AIを安全で影響力があり、将来にも対応できる状態に保つ、バランスの取れた道筋です。
AIイノベーションの能力
3つ目の主要な要素は、AIイノベーションを創出し、拡大するための強固な能力を確立することです。
KFSHRCは、デジタルイノベーションハブを設立しました。ハブは、意図的に少人数に絞りながらも非常に有能なコアメンバー10名未満のチームを中心に構成され、重複を避けつつ影響力を最大化するよう組織されています。ハブはプロダクトマネジメントとデータインテリジェンスを担当しており、過去数年間に30を超えるAIモデルを導入しています。
各AIツールは当初から製品として扱われ、ロードマップ、成功指標、ライフサイクルの責任者が定められます。これにより、ソリューションが病院のニーズに合わせて進化し続けることが保証されます。探索的データ分析はデータセットの準備と組み合わされ、AIモデルを、クリーンで代表性があり、十分に文書化されたデータで学習させることが可能になります。
その後、モデルはAI+ラボに移ります。これは、モデルの開発、パートナーとの共同設計、AIエージェントのパイロット運用を行うイノベーションエンジンです。ラボは新しいアイデアを生み出すための実験を行いますが、それはガバナンスの範囲内においてです。重要なのは、この段階で、イノベーションが国内外の基準、倫理的枠組み、および社内のガバナンスサイクルへの適合性について慎重に確認されることです。
多分野にわたるチームを持つことは、プロジェクトの実施と持続に役立ち、イノベーションのスピードとガバナンスの深さのバランスを取ります。
運用面の規律
有望なパイロットを病院全体、さらには組織全体の影響へと発展させるには、運用面の規律が必要です。これは戦略的意図と日常的な実践をつなぐ主要な実践を指します。これらのレバーにより、AIが孤立したケーススタディの連続にとどまるか、信頼でき、実行可能で、持続可能な生産性の倍増装置へと進化するかが決まります。
KFSHRCにおけるすべてのAI取り組みには、社内の臨床または業務上のチャンピオンが必要です。これにより、協業が「イノベーションの見せかけ」に終わらず、具体的な成果をもたらすことが保証されます。
これはライフサイクルの説明責任から始まります。AIソリューションは「納品して完了」ということは決してありません。各ソリューションには、更新、モニタリング、そしてシステムが価値を提供しなくなった場合の廃止を担う、指定された責任者がいます。これにより、ポートフォリオは未使用のツールを蓄積するのではなく、時間とともに進化し続けます。
プラットフォーム思考は、ポートフォリオ管理をさらに強化します。孤立したプロジェクトを開発するのではなく、組織はインフラ、例えばデータレジストリやモニタリングダッシュボードについて考えるべきです。これにより、新しいモデルをより迅速に、より低コストで、より安全に展開できるようになります。
導入を支えるため、応用的な学習ループを構築することも不可欠です。研修は教室だけでなく、日常のワークフローに組み込まれます。それは、スタッフが反復的なフィードバックサイクルに参加し、実際の利用状況が改善に反映されるといった形をとります。このようにして、導入は一度限りの展開ではなく、継続的なものになります。
最後に、それを実現できる規模を持つ大規模組織にとっては、組織の優先事項と直接的に整合した、スタートアップおよびベンダーとのパートナーシップを厳選して構成することが、運用面の規律を支えます。
サステナブルな応用AIとは、整合性のことです。技術、ガバナンス、経済性、導入が連携して機能することです。医療の未来は、AIのパイロットだけでなく、AIエコシステムを構築し拡大する者に属します。
サステナブルなエコシステムの構築
医療AIにおける実質的な価値は、実験ではなく導入から生まれます。リーダーは、社内の人材、外部のパートナー、明確なガバナンスを組み合わせた戦略を策定し、イノベーションの取り組みが共有の学習と広範な影響をもたらすようにしなければなりません。
システム全体で優先事項が明確になりつつあります。病院はAIを日常のワークフローに統合すべきであり、ベンダーは現地の規制要件を満たす必要があり、政府は拡張可能な進展を可能にするため、データインフラ、ガバナンス、人材の能力に投資すべきです。
サステナブルな応用AIとは、整合性のことです。技術、ガバナンス、経済性、導入が連携して機能することです。医療の未来は、AIのパイロットだけでなく、AIエコシステムを構築し拡大する者に属します。
