Enterprise AI Readiness in Healthcare: Development and Preliminary Evaluation of a Five-Domain Survey Framework

病院やヘルスケアシステムは、機械がデータから学習し意思決定を可能にするコンピュータサイエンスの一分野である人工知能（AI）へと、ますます傾倒しています。これらのツールは、医師がより速く疾患を診断し、病院のリソースをより効率的に管理し、スタッフの事務的負担を軽減することを約束するものです。しかし、単に新しいソフトウェアプログラムを購入したりテストしたりすることが、病院がその全業務において効果的に使用できる準備ができていることを意味するわけではありません。テクノロジーを保有していることと、それを安全かつ公平に、そして規模を拡大して使用するための組織的な能力を備えていることの間には、大きな違いがあります。車がエンジンだけでなく、運転手、燃料、道路、そして交通規則を必要とするのと同様に、人工知能システムが成功するためには、支持的な環境が必要です。適切なリーダーシップ、データの質、訓練されたスタッフ、そして明確なルールがなければ、たとえ最も高度なツールであっても、失敗したり危害を及ぼしたりする可能性があります。

カリフォルニア州立大学のアジュマル・アミニーによる最近の研究は、「エンタープライズAIレディネス（企業レベルのAI準備態勢）」を測定する新しい手法を開発することで、このギャップを探っています。研究者は、病院が開始した人工知能プロジェクトの数を数える代わりに、リーダーたちに対し、組織全体の準備状況を5つの特定の領域にわたって評価するよう求めました。この研究では、病院、医療センター、およびテクノロジー企業から150人のリーダーに調査を行い、その後28人に対して詳細なインタビューを実施しました。その目的は、これらの領域における病院の準備状況が、実際に人工知能の導入、その使用の拡大の容易さ、および実質的な利益の享受とどのように結びついているかを判断することでした。調査結果は、多くの組織が戦略やガバナンスについては書面上では強力であるものの、スタッフのトレーニングや、これらのツールを日常の患者ケアに統合するという実践的な作業において苦戦していることを示唆しています。

研究者は、相互に関連する5つの柱に基づいたフレームワークを構築しました。第一は「リーダーシップと戦略」であり、エグゼクティブが人工知能の取り組みを導くための明確な計画と知識を持っているかを確認します。第二は「データ、テクノロジー、およびインフラストラクチャ」であり、病院がクリーンでアクセス可能なデータと、これらのツールを実行するために必要なコンピュータシステムを備えているかを検証します。第三の柱は「労働力と組織の準備態勢」であり、医師、看護師、および管理者がテクノロジーを理解し、それを使用する準備ができていると感じているかに焦点を当てます。第四の領域は「ガバナンス、セキュリティ、および責任ある人工知能」であり、組織が患者のプライバシーを保護し、バイアスを防ぎ、説明責任を果たすためのルールを持っているかをチェックします。最後の柱は「臨床統合と評価」であり、ツールが患者のワークフローにスムーズに適合しているか、および病院が実際に成果を改善しているかどうかを追跡できるかを測定します。

研究者が調査回答を分析したところ、準備態勢はこれら5つの領域において均一に分布していないことが分かりました。「リーダーシップと戦略的準備態勢」は最も高いスコアを獲得し、5点満点中平均3.89でした。これは、病院のエグゼクティブが一般的に人工知能の重要性を認識しており、戦略の策定を開始していることを示唆しています。「ガバナンスとセキュリティ」も3.71と比較的良好なスコアであり、多くの組織がこれらのテクノロジーを監督するための委員会やポリシーを確立していることを示しています。しかし、より実践的な側面については、スコアが大幅に低下しました。「労働力の準備態勢」は平均3.34であり、「臨床統合と評価」は最低の3.29でした。このパターンは、共通の傾向を明らかにしています。すなわち、病院は計画を立て、ルールを設定することには長けているものの、スタッフを訓練し、これらのツールを複雑でリアルタイムの患者ケアの流れの中に織り込む準備については、準備不足であるということです。

この研究は、これらの準備スコアが実際の成功に寄与するかどうかについても調査しました。データは、全体的な準備態勢と、3つの主要な成果（AIの導入の成功度、他の部門への展開の容易さ、および組織が実質的な価値を得ていると感じるかどうか）との間に強い関連性があることを示しました。5つのドメインすべてにおいて高いスコアを獲得した組織は、これらのツールの展開およびスケールアップにおいて高い成功率を報告しました。具体的には、「リーダーシップと戦略的準備態勢」が導入の成功に対して最も強い独立した関連性を持ち、次いで「臨床ワークフローへのツールの統合能力」が続きました。これは、トップからの明確なビジョンを持つことが極めて重要であるが、それだけでは不十分であり、ツールは最前線の人間にとって使いやすいものでなければならないことを示しています。

数字をより深く理解するために、研究者は調査に回答したリーダーたちに話を聴きました。インタビューは調査結果を裏付けるとともに、重要な文脈を加えました。多くのリーダーは、野心的な戦略や正式な委員会を有している一方で、日々の現実的な運用はしばしばより困難であることを認めました。彼らは、互いに連携していない断片的なデータシステム、スタッフに対する具体的なトレーニングの欠如、そして新しいツールを既存の患者のルーチンを乱すことなく適合させることの難しさについて述べました。あるリーダーは、小規模なパイロットプロジェクトからフルスケールのシステムへと移行するには、単にテクノロジーが機能することを証明する以上のことが必要であり、信頼できるデータ、明確な所有権、および継続的なサポートが必要であると指摘しました。別のリーダーは、ガバナンスは承認段階で止まってしまうことが多く、ツールの展開後にそれらを監視したり、そのパフォーマンスに対して責任を追及したりすることには注意が払われにくいことを指摘しました。

本研究は、「AIレディ（AIへの準備ができている状態）」になることは、単一のイベントではなく、能力を構築し調整していく継続的なプロセスであると結論付けています。病院が新しいテクノロジーを採用するだけでは不十分であり、スタッフを訓練し、データをクリーンにし、ルールを徹底し、ワークフローを適応させなければなりません。研究は、多くのヘルスケア組織が現在、戦略とガバナンスにおいては先行しているものの、人工知能を実践の中で機能させるために必要な人間的および運用的な作業においては遅れをとっていることを示唆しています。この研究は、これらのギャップを特定するための有用なフレームワークを提供する一方で、著者は、結果が自己申告による認識に基づいているため、今後時間をかけてさらなる検証が必要であると警告しています。それにもかかわらず、この知見はヘルスケアのリーダーたちに明確なメッセージを伝えています。人工知能の可能性を最大限に引き出すためには、テクノロジーそのものだけでなく、支持的で、有能で、統合された組織を構築することに目を向けなければならないということです。