Three Generations of Healthcare IT: From the Digital Record to the Computable Care Process

医学とコンピュータの関係の歴史を、3つの異なるアップグレードの物語として想像してみてください。まず、医師は紙のカルテからデジタルカルテへと移行しました。これは、手書きの日記を検索可能なデータベースに変えるようなものでした。これにより、患者の名前を見つけたり、書かれた内容を確認したりすることは容易になりましたが、コンピュータは依然として言葉の「意味」を理解していませんでした。次に、この分野は「構造化データ」へと再びアップグレードされました。今や、コンピュータは単に文章を読むだけでなく、「血圧は120/80」といった特定の事実を認識できるようになりました。これにより、チェックを実行したり、傾向を把握したりすることが可能になりました。しかし、まだ溝があります。医師はしばしば、「症状が悪化したら電話してください」や「2週間後に血液検査を行ってください」といった、日常的な会話のような指示を出します。現在のシステムでは、これらは単なるテキストの塊として扱われています。コンピュータはその言葉を知っていますが、それが「何をすべきことなのか」、「いつ行うべきなのか」、あるいは「誰が担当するのか」までは理解していません。この論文は、次のように問いかけています。どうすれば、コンピュータにこれらの日常的な指示を「聞き取り」、紛失することのない、実際に実行可能な「ToDoリスト」へと変換させる術を教えられるのでしょうか？

---

デジタルケアの3つの世代

ヘルスケア・テクノロジーを、3回アップグレードされたビデオゲームと考えてみてください。第1世代は、記録のデジタル化でした。乱雑な紙のノートをコンピュータにスキャンして取り込む様子を想像してください。単語を検索してファイルを素早く見つけることはできますが、コンピュータは単なる「高度なファイルキャビネット」に過ぎず、「アスピリンを2錠服用」という言葉が何かを実行するための指示であることを理解していません。

第2世代は、事実のデジタル化でした。これは、コンピュータにノートを読み取らせ、「患者は発熱している」「血糖値が高い」といった特定の数値を抽出させるようなものです。これで、コンピュータはこれらの事実をルールと比較して、警告を出したり品質を追跡したりできるようになりました。しかし、落とし穴があります。医師はしばしば、診療録の「備考」欄に、「症状が続く場合は循環器科に紹介」といった平易な英語で指示を残します。コンピュータはその言葉を目にしますが、「計画」を理解することはできません。これが将来のタスクであること、誰が担当することなのか、あるいはどのような条件で発生するのかを判別できないのです。

本論文は、第3世代を提案しています。それは、**臨床的意図（Clinical Intent）**を計算可能にすることです。著者らは、コンピュータが単にテキストを読むのではなく、その背後にある「意図」を理解する新しいレイヤーが必要であると主張しています。彼らはこれを「アクション可能な臨床記録（Actionable Clinical Record：ACR）」と呼んでいます。

問題点：「翻訳の齟齬」によるギャップ

ここで、論文が指摘している現実世界のトラブルを紹介します。医師が「2週間後に血液検査を再検してください」と言ったとき、その指示は決定的なものです。しかし、現在のシステムでは、その指示は段落のテキストの中に閉じ込められたままです。コンピュータは、その検査を自動的にスケジューリングすることも、看護師に割り当てることも、あるいは後日それが実施されたかどうかを確認することもできません。

著者らは、これは単なる些細な不便さではなく、危険なことであると指摘しています。これらの指示は「計算可能」ではないため、しばしば忘れ去られてしまいます。ある大規模なヘルスケアシステムでは、専門医への紹介のうち、実際に受診に至ったのはわずか3分の1程度でした。医師が言ったこととシステムが行ったことの間のギャップに指示が紛れ込んでしまうことで、患者が危害を受けたり、診断ミスが発生したりする可能性があるのです。

解決策：アクション可能な臨床記録（ACR）

この問題を解決するために、著者らは**アクション可能な臨床記録（ACR）**という新しいデジタルオブジェクトを提案しています。ACRを、コンピュータが実際に利用できる「スマートなToDoカード」と考えてください。

医師が発言したり、指示を書き込んだりすると、システムはその指示を抽出し、このACR形式へと変換しようと試みます。ACRは単なる一文ではなく、特定の情報を含む構造化されたパッケージです。

• アクション（Action）： 何を行う必要があるか（例：「血液検査を実行する」）
• ターゲット（Target）： 何のためのものか（例：「全血球計算」）
• アクター（Actor）： 誰が責任を持つのか（例：「看護師」や「患者」。単に誰が話したかではなく）
• 時間（Time）： いつ行われるか（例：「2週間後」といった、単なるランダムな日付ではなく）
• 条件（Condition）： どのようなルールが適用されるか（例：「症状が持続する場合」）
• ステータス（Status）： 待機中か、実行中か、あるいは完了したか？

著者らは、これは医師のメモを置き換えるためのものではないと強調しています。これは、人間の言語を、コンピュータのワークフローシステムが理解し実行できる形式へと翻訳する、メモの上に重ねる「レイヤー」なのです。

仕組み：「ハイブリッド」な脳

この論文は、単純なAIチャットボットだけでこの問題が解決できると約束しているわけではない、という点に非常に注意を払っています。著者らは、現代の言語モデルはテキストの理解には優れているものの、時間や論理に関して完全に信頼できるわけではないと主張しています。もしAIが重要な検査の時期を間違えて予測してしまったら、それは災難です。

そのため、彼らはハイブリッドなアプローチを提案しています。想像してみてください。賢く創造的なAI（「学習者」）が医師のメモを読み、「これは血液検査の依頼のようだ」と提案します。しかし、その後に、厳格にルールに従うロボット（「検証者」）が、数学的なチェックを行います。この検証者は、「2週間後」が正しく計算されているかを確認し、誰が責任者であるかを確定させ、ロジックが成立しているかを確かめます。もしAIが確信を持てない場合は、システムは停止して人間にダブルチェックを求めるように設計されています。これにより、最終的な「ToDoカード」が安全で、監査可能であることを保証します。

本論文の実際の結果（および限界）

この論文が「何ではないか」を理解しておくことが重要です。これは、すでに病院で命を救っている新しいソフトウェア製品に関する報告ではありません。著者らは、これを一つのフレームワークおよび提案として記述しています。

• 提案： 彼らは、この新しい「第3のレイヤー」のルールと、ACRの形式を定義しました。
• テスト： 彼らは、フォローアップの指示の抽出という、たった一つの特定のタスクに絞った、小規模で制御された実験（実現可能性調査）を実施しました。このテストにおいて、彼らのハイブリッドシステム（AI ＋ 厳格なルール）は、標準的なAIモデル単独よりも、時間とアクションを正確に捉える上で優れていました。
• 限界： 彼らは、これが出発点に過ぎないことを認めています。あらゆる種類の医療指示に対して機能することを証明したわけではなく、実世界の乱雑な病院データにおいて、これが実際に有効であることもまだ示していません。今後の課題として、実社会の複雑なデータを用いて検証する必要があると述べています。

今後の展望

著者らは、これを研究アジェンダ（研究課題）として捉えています。彼らは、コミュニティがこれらの「スマートなToDoカード（ACRオントロジー）」を記述するための標準的な方法について合意することを望んでいます。また、異なる言語や、医師が考えを変えるような複雑な状況を扱うための、より優れた手法を構築したいと考えています。最も重要なのは、成功の定義を変えることです。コンピュータがテキストを正しく「読んだ」かどうかを確認するのではなく、コンピュータがタスクを正しく実行できるかどうかを測定すべきなのです。

要約すると、本論文は、ヘルスケアITが真に成熟するためには、単に言葉を保存するのではなく、その中に隠された「計画」を理解する必要があると示唆しています。日常的な指示を、構造化され実行可能な「アクション可能な臨床記録（ACR）」へと変換することで、私たちはようやく、失われがちな指示のループを閉じ、より安全で信頼性の高いケアを実現できるかもしれません。しかし、現時点では、それはさらなる証明を待つ、有望なアイデアの段階にあります。