世界の医療システムは断片化している。診療記録は患者とともに移動せず、データは機関の境界で止まってしまうからだ。
AI駆動型の医療モデルはこの問題に対処できるが、その稼働基盤となるアーキテクチャの不足によって妨げられている。
アブダビのインテリジェント・ヘルス・システムは、健康インテリジェンスをアプリケーション層ではなく基盤サービスとして扱うことで、他地域にとって実際に機能する青写真を提供している。
58歳の糖尿病患者は、ある医療機関でかかりつけ医の診察を受け、別の医療機関で内分泌専門医の診察を受け、さらに自宅近くの二軒の薬局で薬を受け取っている。
それぞれの医療システムは、彼女の病歴の一部しか把握していない。新たに発症した胸痛を訴えて病院の救急外来に到着したとき、医師が目にするのは完全に見える記録だが、実際には、3日前に彼女のリスクを示すはずだった薬剤相互作用が欠落している。
これを検知できたはずのAIモデルは、数年前から存在している。不足しているのは知能ではなく、インフラなのだ。
この患者の経験は例外ではない。すべての大陸で、医療システムは同じ構造的な欠陥に直面している。患者とともに移動しない記録、機関の境界で止まるデータ、そして、そもそもそのために作られていない基盤上で動く人工知能（AI）モデルである。技術は進歩したが、基盤となるアーキテクチャは進歩していない。
システムを越えて断片化した医療データ
彼女のデータは、世界中の何十億人もの患者のデータと同様に、もともと共有されるように設計されていないシステムに散在している。電子カルテは相互運用できない。薬局のデータベースは孤立している。保険制度は洞察ではなく請求の最適化を目的としている。ヘルスケアAIが稼働すべき基盤は、この重大な局面のために作られてはいなかった。
これは私たちが十分に論じていない課題である。ヘルスケアAIを妨げているのは、モデルの不十分さではなく、欠けている層、つまりモデルを実際に機能させる見えないアーキテクチャなのだ。
ヘルスケアのリーダーが相互運用性について語るとき、それはしばしば技術的な問題として捉えられるが、実際にはガバナンスの課題である。
実用段階のAIで着実に前進している組織は、このことを認識している。彼らはインテリジェントなデータを組織の頭脳として捉え、データ統合を経営上の最優先課題に引き上げている。臨床、業務、技術の各リーダーに責任を割り当てている。
規制の枠組みは、その基礎の大部分をすでに整えている。 EUの相互運用性義務化、Fast Healthcare Interoperability（FHIR）の米国での採用、インドの Ayushman Bharat Digital Mission、そして世界保健機関のGlobal Strategy on Digital Healthは、いずれも同じ方向を指している。一貫して欠けているのは制度的な意志、すなわちデータ統合を、コンプライアンス上のチェックボックスではなく戦略的インフラとして扱うという決断である。
継続的なパイロット段階に留まっている組織には、共通する傾向がある。高度なAIツールには投資する一方で、データ基盤は断片化したままにしているのだ。マッキンゼーの調査は、20%未満のヘルスケアAIパイロットだけが本格展開へ移行に成功していることを示している。さらに、マサチューセッツ工科大学（MIT）の2025年の研究では、AI実験の95%は価値をもたらしていない。
ヘルスケアデータの可視性のギャップ
消費者向けAIでは、近似で十分なことが多い。精度80%の推薦エンジンでも利用者には価値があり、文脈を取り違えても、2回目の問い合わせで修正できる。
一方、ヘルスケアAIは異なる制約のもとで動いている。見逃された薬剤相互作用は些細な不便にとどまらず、不完全な病歴に基づく診断の示唆は、単に最適ではないという問題ではない。ヘルスケアにおいて、「十分に良い」と「実際に十分」の差は、患者の転帰で測られる。
この現実は、現在多くの医療システム、支払者、規制当局が達成しているよりも高いデータ品質の基準を求めている。実用段階のヘルスケアAIには、単一システム内での受診記録だけでなく、患者の病歴全体を捉える縦断的記録が必要である。
また、従来の診療記録がそもそも保持するように設計されていなかった、社会的決定要因などの文脈データも必要とする。システムはこの基準からまだ遠く、どれほど高度なモデルでも、発生源で不完全なデータを補うことはできない。
患者も変化に気づき始めている。消費者向けテクノロジーの普及により、人々は「うまく機能するAI」を当然のものとして期待するようになった。
より多くの 9億人以上の人々が、世界中で毎週ChatGPTのようなAIアシスタントと対話している。これらのシステムは利用者のニーズを先読みし、関連情報を提示し、所有するあらゆる端末をまたいで動作するように訓練されている。その後、医療機関を訪れると、ファックス機、重複した問診票、そして街の反対側の病院の記録にアクセスできない臨床医に出会う。
この体験のギャップは、制度的な圧力の源になっている。患者は、生活のほかの場面で出会うのと同じ知性を、医療システムにも示してほしいと次第に期待するようになっている。
ヘルスケアデータのギャップを埋める3つの方法
欠けている層は構築可能であり、既存システムを丸ごと置き換える必要はない。必要なのは、データアーキテクチャに対する構造的に異なるアプローチである。すなわち、レガシーシステムをすべて取り除いて作り直すことを求めずに情報を統合するアプローチだ。このアプローチは3つの機能によって定義される。
第一に、既存システムの上位に位置するデータ統合である。電子カルテ、薬局プラットフォーム、保険請求データベース、その他の付随的な情報源からデータを集め、それぞれを置き換えることなく統合する。
第二に、マルチモーダル正規化である。実際に届く雑然とした形式（ファックス、非構造化された臨床記録、通話記録）のままの実データを取り込み、構造化され、照会可能な形式に変換する。
第三に、インテリジェントなオントロジーとナレッジグラフである。静的なデータ保存を、推論に対応可能な資産へと転換するものだ。事実上、情報を保持し、その関係性を理解するインフラと言える。これを実現するには二つの決定が鍵となる。一つは、医療機関がデータインフラを優先事項として位置づけること。もう一つは、支払者が品質指標を再定義し、診療現場の記録だけでなく、縦断的なデータカバレッジを評価して報奨することである。
アブダビがインテリジェントヘルスの青写真を提示
これは遠い未来のビジョンではない。アブダビのインテリジェント・ヘルス・システムは、世界経済フォーラムのホワイトペーパー『A New Era for Digital Health: Abu Dhabi’s Leap to Health Intelligence』で示されているとおり、すでに機能する青写真となっている。
健康インテリジェンスを、アプリケーション層ではなく基盤となるサービスとして扱うことで、同首長国は断片的なデジタル化から、AIを活用した人口規模のケア調整へと移行した。
実際に、アブダビのシステムは50を超える医療機関のデータを統合し、リアルタイムの臨床意思決定支援と人口レベルのリスク層別化を可能にしている。
医師は、公立と民間の施設をまたいで患者の記録にアクセスできる。これは、多くの医療システムでは数週間にわたる手作業による調整を要する機能である。その結果は測定可能だ。検査の重複が減り、慢性疾患管理における介入が早まり、他の保健当局が模倣できる統治モデルが生まれる。
このように、アブダビのインテリジェント・ヘルス・システムは、健康アウトカムと生態系全体の効率性の向上に寄与しており、ヘルスケアAIが本来なるべき優先事項として認識されつつある中で、他の地域にとっての手本となっている。
ヘルスケアAIは患者の物語をどう再構築できるか
救急外来に到着する58歳の患者の場面に戻りたい。
再構築された世界では、システムがすでに彼女の健康上の問題を把握しており、診療の各段階を通じて記録が統合され、彼女が到着する前に薬剤相互作用が検出されている。
担当医は断片ではなく全体像を見ることができる。介入は手遅れになってからではなく、重要な瞬間に行われる。同日には彼女は健康な状態で帰宅し、リスクの高い入院も不必要な医療費も発生しない。
この未来は空想ではない。モデルも標準も存在している。残されているのは、それらを結びつける基盤となる層を構築するという約束である。この約束は、医療提供者が推進し、支払者が後押しし、規制当局が導くものでなければならない。単独の主体だけで実現できるものではない。
最も重要なインフラは、多くの場合、誰も気づかない部分である。他のすべてを機能させる、静かなアーキテクチャだ。
ヘルスケアAIに関して、そのアーキテクチャはまだ欠けている。それを構築することが残された仕事である。技術は、壊れたときに最も目につき、目に見えないときに最も優れているからだ。
