AI先進的なヘルスケア組織の基盤

AIを導入しようとするヘルスケア企業の幹部にとっての課題は、取り組みを進めようとする際の「ノイズ」です。ベンダーからの売り込みメール、競合他社の発表、戦略的な締め切りなどに追われる中で、どこから手をつければよいかを見極めること自体が大きなハードルとなっています。

AI戦略の導入を成功させるために、一番乗りである必要は決してありません。早期に導入した企業の多くは、慎重にスタートしていれば回避できたはずの技術的負債や、ガバナンスの効いていないパイロットプロジェクトの整理に追われています。ここからの教訓は、AIが機能しないということではなく、基盤のないAI戦略は持続不可能であるということです。AI先進的（AI-forward）になるということは、データ、ガバナンス、そしてビジネス運用モデルの適切な基盤を構築することにほかなりません。その基盤は、多くのリーダーが考えているよりもずっと身近なところにあります。

ヘルスケアにおける「AI先進的（AI-forward）」とは、具体的に何を意味するのか？

AI先進的なヘルスケア組織とは、AIの構築、信頼、そしてスケールを可能にするように設計された組織のことです。AI先進的であるということは、より多くのツールを購入したり、長期にわたる概念実証（PoC）をさらに開始したりすることではありません。大局的に見れば、これはエンタープライズデータの潜在能力を最大限に引き出すビジネス運用モデルを設計しながら、データとガバナンスの強固な基盤を構築することを意味します。目標はツールの数を増やすことではなく、適切な人材が自ら構築し、自らの問いに答えを出せる組織にすることです。

具体的な例を挙げると、ケアマネージャーが「前四半期に特定の地域で再入院率が急上昇したのはなぜか？」と問いかけ、社内データに基づいた信頼できる回答を受け取ることができます。そこから、数分以内にアクションを開始できます。このシナリオでは、エンドユーザーはチケットを発行したり、アナリストが回答を出すのを何日も待ったりすることなく、臨床、患者、現場レベルのデータをアドホックに分析できます。この段階に最もスムーズに到達している組織は、患者に対応するユーザーを「データ探偵」ではなく「データアナリスト」に変えるデータプラットフォーム上に基盤を構築しています。

ほとんどのプロバイダーの足かせとなる3つの阻害要因

ほとんどのプロバイダー（医療提供者）は、意欲が欠けているために停滞しているわけではありません。医療システムには、資金提供できる以上のAIのアイデアがあり、それらを構築することを提案するAIベンダーにも事欠きません。2025年のHFMAの調査（対象：233の医療システム）では、88%がすでにAIを使用していると回答しました。しかし、成熟したガバナンス構造と完全に形成されたAI戦略を持っていたのはわずか18%でした。進捗を妨げているのは、3つの構造的な阻害要因のいずれかです。

阻害要因1：データ

1つ目はデータの断片化です。臨床データは電子カルテ（EHR）に、運用データは別のシステムに、財務データは3つ目のシステムに存在し、スケジュール、サプライチェーン、患者の体験データはさらに分散しています。より深刻な問題は、データが分散していること自体ではなく、それらを確実に統合する手段がないことです。同じ患者であっても、ソースシステムごとに異なる識別子が割り当てられている場合があるため、再入院を分析する前に、手動でのデータ照合ワークフローが必要になります。これにより、新しいユースケースを導入する際に、接続の構築時と、ソースシステム変更時のメンテナンス時の2回、統合のコスト（統合税）を支払うことになります。その結果、リリースされるものは、患者、ワークフロー、または運用の極めて限定的な一部をカバーするに留まります。

阻害要因2：ガバナンス

2つ目は、実態に合わないガバナンスです。一部の組織ではガバナンスが緩すぎるため、リリースされたものを誰も信頼していません。モデルが回答を出しても、臨床医は当然のように「どのデータに基づいているのか？」と問い詰めるでしょう。また別の組織では、ガバナンスが厳格すぎるためにサンドボックスから何も出せず、新しい要求のたびに交渉が必要になります（数秒で質問に答えるモデルのために、長い承認サイクルが発生します）。どちらも同じように失敗します。なぜなら、どちらのケースでも欠けているのは「信頼」だからです。つまり、適切な人材が、適切なデータを用いて、全員が確認できるガードレールの中で作業できる環境が欠けているのです。

阻害要因3：運用モデル

3つ目は、運用モデルの欠如です。優先順位の決定、チームの編成、あるいはパイロットから本番環境への移行を行うための共通の方法がありません。すべての取り組みが単発の構築となり、成功事例が横展開されません。ある部門で人員配置や救急部門（ED）の受け入れに役立つモデルが機能しても、パイロットのスケールアップに対するオーナーシップがなく、本番環境への明確な道筋もないため、スケールさせることができません。このパターンは業界全体に見られます。ヘルスケア企業の幹部の83%がジェネレーティブAIのパイロットを実行していますが、それを企業全体に展開するためのインフラに投資しているのは10%未満です。業界を問わず、AIパイロットの約88%は本番環境に到達しません。前述のHFMAの調査でも、医療システムリーダーの3分の1以上が、AIの優先順位付けと効果的なスケールアップを行うためのプロセスが不足していると報告しています。

これらの阻害要因に見覚えがあるとすれば、それはそれぞれが異なる担当者のデスクに置かれているからです。断片化したデータは最高データ責任者（CDO）、信頼は最高医療責任者（CMO）、そして運用モデルはCIOの管轄です。これらはどれもAI自体の問題ではありません。ほとんどのプロバイダーが抱えているのは基盤の問題であり、基盤は「海水をすべて沸騰させる（不可能な大事業を行う）」ような無理をせずとも構築できます。

なぜ今がヘルスケアAIにとって絶好のタイミングなのか

AIの導入が遅れることは、先行者の過ちを繰り返す場合にのみ不利になります。それらの過ちを回避できれば、遅れてスタートすることは強みになります。何年にもわたって蓄積された混乱を片付けるのではなく、整った基盤の上に構築できるからです。現実的なアプローチは、先行した組織を観察し、彼らがつまずいた部分から学び、そしてスタートすることです。

ツールも進化を遂げています。最新のツールは、複数のデータソースにわたるガバナンスを可能にし、既存のアイデンティティプロバイダーとの統合を通じて認証と権限管理を一元化します。さらに、ガバナンスモデルはデータモデルに限定されません。ガバナンスはAIにも適用され、自然言語による質問やエージェント型のインタラクションの安全性と信頼性を確保します。この基盤があれば、再入院の急増について質問した先ほどのケアマネージャーは、チケットを発行して何日も待つ代わりに、日常的な言葉で質問を入力し、数秒で信頼できる回答を得ることができます。同時に、CISOやITセキュリティ部門は、人間やエージェントのユーザーが、閲覧を許可されていないデータにアクセスできないことを確信できます。

これは真の変革です。2年前であれば、臨床データと運用データにわたってガバナンスの効いたビューを得ることは、四半期がかりのプロジェクトでした。今日では、スコープが明確に定義され、適切なデータが利用可能であれば、小規模なチームがガバナンスの効いた最初のユースケースを、数四半期ではなく数日で本番環境に導入できます。たとえば、PremierはDatabricks Genieを3日間で本番環境向けに構成し、ヘルスケアチームがガバナンスの効いた分析にセルフサービスでアクセスできるようにしました。これにより、ケアのベンチマーク評価や予防可能な再入院の特定が可能になりました。開始すべきタイミングは、すべてが完璧に整ったときではありません。巨額の先行投資をすることなく、本物の成果を構築できるほどツールが成熟したときです。その瞬間が、今なのです。

スタートラインは思っているよりも近くにあります

プロバイダーが偶然にAI先進的になることはありませんし、最も早くスタートしたからといってそこに到達できるわけでもありません。統合されたデータ、人々が信頼するガバナンス、そして再現可能な運用モデルという適切な基盤を構築することによって到達できるのです。それは、多くの経営幹部が考えているよりもはるかに実現可能です。

このシリーズの次回の投稿では、医療システムをさらに進化させるための「3つの柱」からなるブループリントを、次回のリーダーシップ会議に持参できる成熟度マップおよび自己評価シートとともにお届けします。

自社が成熟度マップのどの位置にあるか分からない場合は、お問い合わせください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事