The Brightest Physician in the Room: AI, Professional Recognition, and the Experience of Knowing

医学という極めて高い緊張感を伴う世界において、医師の評判は、長年の学習と実践を通じて、レンガを一つずつ積み上げるように、ゆっくりと築き上げられるものである。困難な症例の検討中に医師が発言するとき、同僚はその言葉だけでなく、その背後にある歴史に耳を傾ける。彼らは、鋭く自信に満満ちた回答は、深い経験の泉、すなわち、長年にわたる読書、失敗、修正、そして病める患者のパターンを認識する方法をゆっくりと学んでいくプロセスから来ているのだと推測する。この専門的な承認のプロセスこそが、命が危機に瀕しているときに、医療チームが誰を信頼すべきかを判断する方法である。それは、目の前での見事なパフォーマンスが、過去に行われた長く個人的な学習の旅路を反映しているという仮定に基づいた、社会的判断なのである。

現在、生成AIと呼ばれる新しい技術が、医師が情報にアクセスする速度を変えつつある。これらのシステムは複雑な医学的質問に数秒で答え、かつては何時間も何日もかけて探さなければならなかった証拠や説明を提供することができる。この変化は、奇妙な新しい状況を生み出している。医師は、たとえその知識をわずか数時間前に学んだばかりであったとしても、長年の研究の結果であるかのように見える、洗練された正確な回答を会議の中で提示することができるのだ。アンドレア・マンジャメリによる最近のエッセイは、医師が語る内容とその習得方法の間のこの乖離が、医療従事者が自分自身をどのように捉え、また他者からどのように見られているかをどのように再形成しているかを探っている。この論文は、人工知能がすべての医学的問題を解決する魔法の杖であると主張しているわけでも、医師が時代遅れになっていると示唆しているわけでもない。むしろ、この技術が「目に見える専門性のパフォーマンス」と「その専門性がどのように獲得されたかというプライベートな現実」との間に緊張を生み出し、医療コミュニティに対して、真の理解をどのように測定すべきかを再考することを強いているのだと論じているのである。

物語は、医師がどのように共に働くかという単純な観察から始まる。病院において、知識はめったに孤独な活動ではない。それは人々で満たされた部屋の中で行使されるものである。困難な問いが生じたとき、シニアの医師は特定の研究を思い出すかもしれないし、あるいはジュニアの同僚が、会話の方向性を完全に変えてしまうような細部に気づくかもしれない。時間をかけて、チームは誰に尋ねる価値があるかを学んでいく。彼らは、その躊躇によって立ち止まり再考を促す人や、複雑な問題に対して常に適切な洞察をもたらす人を信頼することを学ぶ。この信頼は、過去のパフォーマンスの共有された記憶の上に築かれる。同僚は医師の現在の回答を見て、それを逆方向に読み解き、そのような流暢な応答を生み出すために必要であったはずの、長年の訓練、誤り、そして修正を想像するのである。彼らは、回答の深さが医師の歴史の深さと一致していると想定するのである。

生成AIはこのタイムラインを破壊する。ある医師が、前夜に会議の準備をしている場面を想像してほしい。その医師には複雑な疾患を持つ患者がいるが、よく知らない分野に関する特定の技術的な疑問がある。数週間かけて勉強する代わりに、医師はAIシステムにその問題を説明させる。システムは要約を提供し、研究を引用し、医師自身の初期の考えをテストするのを助ける。医師は証拠を確認し、システムの提案に疑問を投げかけ、理解を洗練させる。翌朝には、明確で正確な説明を共有する準備ができている。会議で発言するとき、その回答は精密で有用である。部屋の反応は肯定的であり、チームはその推奨事項を信頼し、患者は恩恵を受ける。同僚にとって、そのパフォーマンスは深い、長期的な専門知識の結果であるように見える。彼らは、そこには存在しないはずの、長い学習の歴史を推測するのである。

しかし、医師自身はその真実を知っている。医師は、その理解がいかに最近もたらされたかを正確に覚えている。混乱が晴れた瞬間、機械と対話した後に初めて明らかになった特定のつながり、そして知識が獲得された速度を、医師は覚えているのである。これは、「知ること」の体験における分裂を生み出す。公衆は有能な専門家を見ているが、私的な自己は、その能力がたった一晩で組み立てられたものであることを知っている。論文は、これが必ずしも欺瞞ではないと示唆している。医師は情報の検証を行い、ソースをチェックし、特定の患者のための決定へと新しい知識を統合するという作業を行った。彼らは、加速されたとはいえ、真の学習プロセスを通じて、部屋の信頼を勝ち取ったのである。しかし、この学習の速度は、医師が自身の成長をどう解釈するかを変えてしまう。

このエッセイの中心的な発見は、この加速が「専門的な承認」と「自己認識」の間のラグを生み出すということである。専門的な承認とは、同僚が医師の判断を信頼すると決める時に起こるものである。自己認識とは、医師自身の、自分が何をなし得るかという感覚である。かつて、これら二つは共に動いていた。医師が経験を積むにつれ、同僚はより信頼を寄せ、医師自身もより自信を持てるようになった。現在では、医師はAIシステムとの一度の成功したやり取りの後でさえ、高いレベルの信頼を同僚から得ることができる。それにもかかわらず、その知識を自身の長期的な経験の中に完全に統合する時間を与える前に、という状況である。医師は、自分が得ている信頼が、自身の実際の内面的な準備状態と一致しているのかどうか、不安を感じるかもしれない。彼らは何か新しいことを学んだことは知っているが、その知識が、より複雑な別のケースが現れたときにどのように通用するかどうかは、まだ確信が持てないのである。

論文は、真の専門性とは単に一度正しい答えを出すことではなく、条件が変化したときにその理解がどのように振る舞うかであると論じている。長年の実践を通じて学んだ医師は、深く柔軟な理解を持っており、患者が異なる症状を示したり、新たな合併症が発生したりした場合にも適応できる。AIを通じて素早く学んだ医師は、今日の正解は持っているかもしれないが、明日のユニークな課題に対してその答えをどう調整すべきかまでは、まだ分かっていない可能性がある。彼らの理解の深さは、後になって、その答えが通用しなくなった時に初めて明らかになる。簡単な答えが機能しなくなった時、つまり変異が生じた瞬間にこそ、チームは、医師の新しい知識が本当に統合されたものなのか、それとも一時的なパッチ（継ぎ当て）に過ぎないのかを見極めることになるのである。

このダイナミクスは、医師が自分自身をどのように判断し、また他者からどのように判断されるかを変化させる。エッセイは、医師が学習プロセスにどのように参加するかが重要であると述べている。もし医師が疑問を持たずに単にAIの答えを受け入れるだけなら、その知識に対する所有意識を強く持つことはできないだろう。しかし、もし医師がシステムと積極的に対話し、そのアイデアをテストし、証拠を検証するのであれば、その学習は自分自身のものであるという感覚をより強く持つことができる。それでもなお、たとえ積極的な参加があったとしても、医師は学習の歴史が圧縮されていることを知っている。彼らは、「アハ体験（ひらめき）」が10年前ではなく、昨日起こったのだということを知っているのである。この知識は、自身の発達に関するより豊かで正直な絵を与えてくれるが、同時に、その発達が将来どのように展開していくかを確信できないことも意味している。

また、論文は、もし真実が公になった場合に同僚がどのように反応するかについても触れている。エッセイで言及されている研究によれば、もし医師のAIへの依存が公にされた場合、たとえ答えが正しかったとしても、同僚はそのスキルを低く評価する可能性がある。医師が「昨夜、これについて調べました」と言うのと、「昨夜、AIを使ってこれに取り組んでいました」と言うのでは、たとえ精神的な労力が同程度であったとしても、語られるストーリーは異なる。その言葉遣いが、人々が医師の歴史について自分自身に語る物語を変えてしまうのである。しかし、病院の実態においては、医師はこの歴史を個人的なものとして保持していることが多い。部屋の人々が磨き上げられた結果だけを見ている一方で、医師は急速な学習の記憶を抱え続けているのである。

結局のところ、このエッセイは、医療コミュニティは専門性の判断方法を学び直さなければならないことを示唆している。人工知能が標準的なツールとなるにつれ、一つの見事な回答に基づいて医師の経験を推測するという古い方法は、信頼性を欠くものとなっていく。焦点は、即時的なパフォーマンスから、次に困難なケースに直面したときに、その医師がどのように対処するかへと移行する必要があるのかもしれない。真の専門性は、医師が新しいツールを初めて使う時ではなく、状況が変わったとき、証拠が変化したとき、あるいは患者がそのパターンに当てはまらないときに、そのツールをどのように適応させるかによって明らかになる。論文は次のように結論づけている。専門的なアイデンティティは、もはや緩やかな蓄積の直線ではない。それは、急速な跳躍と再調整の連続であり、医師は常に自問しなければならない。「私は今、これを理解している。しかし、状況が悪化したときに、これを信頼できるほど本当に理解しているのだろうか？」という問いを。その答えは、会議室の中ではなく、次の困難なケースに直面する、あの静かで不確実な瞬間に見出されるのである。