• 日本では医療費の増大が予測されている。一般に重症化するほど医療費負担は大きくなるが裏を返せば予防などで重症化を回避できれば増大を緩和できる可能性がある。
• 昨今導入が進むAIにより疾病予測や精緻な病変領域特定などが可能になってきている。今後さらにAIが浸透することで予防や早期対処できるケースが増えると期待できる。
• AIの浸透には「1.0/2.0/3.0」の三つの段階が想定される。まず「1.0」の段階では「既存業務での効率化・高度化」のためにAIが導入され、投入リソースあたりの成果が増大する。（…短期的未来）
• 次にAIの活躍に伴いデータ蓄積が進むことで「2.0」の段階としてデータに基づく医療の「精密化・個別化」が進むと想定される。（…中期的未来）
• さらにAIは遺伝子治療や老化メカニズムの解明を加速する。そのため「3.0」の段階では「抗老化医療・寿命脱出」がキーワードになる。（…長期的未来）

日本の医療費は2023年度に約47兆円と3年連続過去最高を更新した。国民一人当たり医療費に換算すると平均38万円、年齢階層別では75歳未満で平均25.2万円、75歳以上で平均96.5万円となっている¹。なお2040年の医療費は約78兆円と約1.7倍になると予測されている²。

日本の将来的な人口動態変化を鑑みるとこういった医療費の増大は避けられないように思われるが、当然ながら予防により疾病に罹患しないケースまたは早期発見によって必要最小限の治療で完治するケースが増えれば医療費増大を緩和できるだろう。AIはその一助となると期待できる。例えばAIは疾病予測、ごく初期の兆候の把握、病変領域の精緻な特定など人間だけでは難しかったことを可能にしており、結果として予防や早期に治癒できる割合が増えることが期待できる。それにより重症化する割合が減少すれば医療費増大の緩和へと繋がるだろう。なおシカゴ大学の研究では“AIの普及により米国の医療費が5～10%削減される”可能性が示されている³。日本と米国では医療制度や生活環境が異なるものの、こういった見通しはAIがヘルスケア領域に浸透することが医療費適正化に資することを示唆していると言える。

ヘルスケア領域はこれまで膨大な時間と多くの人の手によって試行錯誤を重ねながら進歩してきたが、AIの登場により今後の進歩は加速すると期待できる。

例えば一般に新薬開発には数千億円の費用と10年超の開発期間を要すると言われるが、近年登場したAI創薬によりコストと期間を大幅に短縮することが可能となりつつある。創薬だけでなく病院での問診、診断、手術といったヘルスケア領域の様々な場面においてAIと人間の協業が始まっている（図1）。これらについて以降で紹介する。

図1　ヘルスケア領域の様々な場面におけるAIのユースケース

出所）各種公開情報を元にNRI作成

①問診：AI問診による時間創出で患者への丁寧な説明が可能に

外来患者として病院に行くと一般には受付後に紙の問診票を渡されて症状などを記入する。医師は問診表に加えて聴取した内容を電子カルテに入力するが、その入力作業は患者が診察室を出てからも続くなど意外と時間を要する。結果として外来患者の4割が診察までに30分以上待つ状況となっている⁴。待ち時間を短縮しながら患者に相対する時間を多く確保することが求められているが、その手段として問診AIが近年導入されはじめ、有効性も見えてきた。例えばAI問診Ubieを導入した医療機関では初診患者の1人当たり問診時間が約65％削減（年間問診時間1/3、約1000時間削減）され、患者への説明に時間を充てることが可能となった⁵。同様に医薬基盤・健康・栄養研究所ではAIを活用したアバター医師が患者に対する問診や治療説明を自動化するシステムを開発している。これにより時間創出とともに診療情報のデータ化を通じて創薬研究などへの活用を目指している⁶。

②診断：AIが専門医並の精度で病変を発見

AIが専門医並の精度で診断を行うケースも出てきている。例えば国立がん研究センターが開発した早期胃がんの自動範囲診断AIでは94.9％の精度で早期胃がんを発見しており、病変領域の一致率も専門医とほぼ同等となった。胃がんは最も死亡率が高いがんの一つと言われ、従来課題であった人の熟練度や装置の違いから生じる診断能の差をAIで解消することが期待されている⁷。画像だけでなく会話による診断にもAIは有用で、慶応義塾大学とFRONTEOが開発したシステムではAIが会話を通じて認知症を診断でき、約9割の精度となっている⁸。

③手術：AIによる手術支援・自動化

今後手術を受ける際にはAIがその手術を支援している状況が普通になっているかもしれない。2024年7月にはAI視覚支援を利用した手術が日本で初めて実施されている。用いられたアナウト株式会社のEureka αではAIがモニター上で切除の目印となる疎性結合組織をリアルタイムで外科医に提示して手術を支援している（同システムはプログラム医療機器として国内初の事例となっている⁹）。さらにロボットとAIが融合することで外科医を介さない自動化された手術の可能性も見えている。既にジョンズ・ホプキンス大学の自律型手術ロボットSTARが腹腔鏡手術の実験に成功しており、最も複雑で繊細とされる腸の両端を再びつなぐ作業をAIが自動化できることが示された¹⁰。こういった技術は遠隔手術や地域間の医療リソースの偏在解消、さらに宇宙など特殊環境下での医療の提供に役立つと考えられる。

④遺伝子療法：AIによる治療法進化や遺伝子エディター開発

新たな治療法として遺伝子療法が注目されているが、ここでもAIが活躍している。2020年にノーベル化学賞を受賞したCRISPR－Cas9と呼ばれるゲノム編集技術ではワードファイルのスペルミスを見つけて修正するように遺伝性疾患の治療を可能である。すでに鎌状赤血球症に対しては2023年にFDAが承認済で実用段階にあり、さらに今後は家族性アルツハイマー病、ハンチントン病、パーキンソン病などの治療にも適用可能性があると言われている¹¹。ただしこの手法には標的と似たDNAを誤って編集してしまうオフターゲット効果などの課題がある。こういった課題の解決にAIが活用され始めており、AIでオフターゲット効果を予測して精度を向上する取り組み¹²や、AIを用いて新種の遺伝子エディター「OpenCRISPR-1」を開発する企業も登場¹³している。

⑤予測医療：人間が気付きにくい微小な兆候や疾病リスクを把握

またAIは人間では把握しきれない将来の疾病リスクを把握できる。これにより予測に基づいて早期治療を開始するといった「予測医療」分野が今後広がる可能性がある。例えばメイヨークリニックとGoogleはAIが「将来どんな病気にかかるのか」を検知する予測医療システムの共同研究¹⁴を開始している。実現すればAIが「3年後に心不全で突然死を起こす」ことを予測して医師が予防策となる生活習慣改善の提案や治療薬を提供する、といったことが可能となる。身近なところでは東京ミッドタウンクリニックが健康診断結果から糖尿病・高血圧症・脂質異常症など特定の疾病についてAIによるリスク予測を行っており¹⁵、こういった動向も予測医療のケースの1つと捉えることができる。

⑥創薬：AIにより低コスト・短期での成果創出が可能に

既に述べたように新薬開発には莫大な費用と期間を要する状況であったが、今後はAI創薬により低コストかつ短期で新薬開発が可能になると期待されている。例えば2025年3月にユニコーンとなったInsilico MedicineではAIを用いておよそ30種類の新薬候補を開発した。その中でも特発性肺線維症を対象に開発された代表的な新薬候補の「ISM001-055」のケースでは従来手法で6年かかると見積もられたところAIを用いることで1/3の期間で臨床試験の第一段階に到達している。加えて従来手法では4億ドル以上のコストを要すると想定されたところを1/10のコストで開発している¹⁶。そのほかにも“AIにオールイン”すると宣言しているフランスの製薬会社SanofiがAIにより研究プロセスを数週間から数時間へと短縮し、免疫学・腫瘍学・神経学などの分野で標的特定を20～30％向上させている¹⁷。従来よりも開発に要するコストが低下することでこれまで進みにくかった希少疾患に対する創薬も期待できる。

⑦研究：構造予測やターゲット発見においてAIがブレークスルー

治療法の確立や創薬の前提となる分子レベルのメカニズムの解明にあたっても人間の限界をAIが打破している。例えば、たんぱく質は人間の体内で約10万種類存在し、さらに1つのたんぱく質が折りたたまれた時にとりうる立体構造の数は時に宇宙に存在する原子の数よりも多くなる。そういった状況もあり、これまで「1個のたんぱく質の立体構造を解き明かすだけで1本の論文が書けた」と言われるほど分析には時間を要した¹⁸。Google DeepMindの研究者らはわずかな時間でたんぱく質の構造予測を行える画期的なAIモデルAlphaFoldを開発し、2024年にノーベル化学賞を受賞した。また研究時にデータ不足に悩まされる場面は多々あるが、その際にAIが予測したデータを用いることで解消を試みるという大胆なケースもある。例えばがん治療薬の開発では、患者からがん細胞を採取してもすぐに遺伝子情報が失われてしまうことからデータ不足になるという課題があった。そこでInsitroはAIにがん細胞の画像400枚を学習させてがんの原因となる遺伝子情報を予測することでその課題を打破した。AIを用いることで画像データから10万の遺伝子情報を生成し、さらにそれらの遺伝子情報を別のAIに学習させることでこれまで人間による研究ではたどり着けなかったがん細胞のターゲットを発見している¹⁹。

これまで見てきたようにAIと人間の協業が進むことで創薬の短期化・低コスト化、問診時間短縮、手術精度向上など患者が享受できるアウトカムは増大する。ただしAIが広く浸透するには供給側の「技術的な実現性」と需要側の「社会的な受容性」の双方の充足がポイントとなる。

例えば問診AIや手術の視覚支援AIのように既に一部医療機関で実運用に入っているケースでは双方を充足しており遠くない未来に普及すると推察される。一方で自律型手術ロボットの場合は「技術的な実現性」を充足したとしても万が一の際に医師とロボットの責任範囲をどう判断するのか、というような「社会的な受容性」の観点で慎重に検討すべき部分がある。また遺伝子治療ではオフターゲット効果のような「技術的な実現性」での課題に加えて各国での承認といった「社会的な受容性」でも不確定要素がある。このような場合は普及に時間を要するだろう。こういった違いからAIがヘルスケア領域にもたらす変化は図2の「AI×ヘルスケア1.0/2.0/3.0」に示すような異なる段階があると考えられる。

まず短期的には「AI×ヘルスケア　1.0」の段階としてすでに始まっているように問診、診断、治療、創薬・・等の各シーンにおける「既存業務の効率化・高度化」からAI活用が進んでいく。その結果として各場面でのデータ蓄積が進み、さらにそれらのデータを活用することで中期的には「AI×ヘルスケア　2.0」として医療の「精密化・個別化」が可能になると考えられる。

「精密化・個別化」された医療、言い換えると個々人に個別最適かつ過不足のない精密な治療を提供するには健康診断、レセプト、アクティビティログなどの個々人の情報を把握し、数多くの類似症例における治療効果を参照しながら治療法を探索する必要がある。人間だけでこういったことをするには限界があるがAIと協業すれば可能となる。例えば2022年に日立製作所が開発した「糖尿病治療薬の選択時に治療効果を予測するAI」はそれをイメージしやすいケースと言える。ユタ州とインディアナ州で導入されたこのAIは、複数の薬を併用するなど複雑な治療を要する糖尿病患者に対して治療薬ごとの治療効果予測を行い、医師が最適な治療薬を選択できるようにサポートした²⁰。

このようにAIの普及とともに最大公約数的な治療法ではなく個々人にとって治療効果が最大化される治療法を選択できるような“精密化・個別化された治療”が広がっていくと期待できる。加えて遺伝的特性や行動特性の組み合わせからどういった疾病リスクが高いかがAIにより解明されていくことで予防領域の拡大も想定される。

ただしこの段階に至るには制度や規制の面で勘案すべき点もある。精密化・個別化された医療や予防の恩恵を多くの国民が享受するには（自由診療というよりも）保険診療として提供することが望ましいが、気になるのが診療報酬制度のあり方である。例えば「精密化・個別化された医療あるいは予防」よりも「従来の治療」の保険点数が大きい場合、医療現場での精密化・個別化あるいは予防に対する人的リソース配分は進みにくくなると推測される。現在の診療報酬は 1958年に導入された体系を基本に医療行為ごとに全国一律の点数が定められているが、精密化・個別化した医療や予防を進めるには、健康寿命延伸や医療費適正化などの長期的なアウトカムを勘案した制度設計にできるかがポイントとなる。また個々人の遺伝的特性、疾患履歴、治療経過まで含めた総合的なデータを蓄積しAIで解析することを考えると、当然ながら情報流出や倫理的に望ましくない利用を回避する枠組が必須となる。その際に利用するAIなどのテクノロジーの出身国については慎重な検討が必要だろう。気付けば米国や中国がAI開発で先進する一方で、日本では他国で外製されたテクノロジーを活用する場面が多く、結果としてデジタル赤字となっていた。ただしヘルスケアや医療のようなミッションクリティカルな領域では安全保障の観点からもテクノロジーの出身国には無関心ではいられず、外製されたAIやデータの利活用範囲に対する新たな制限・規制の設定も論点と想定される。

図2　AI×ヘルスケア領域　中期的／長期的未来の仮説

出所）NRI作成

現時点で「技術的な実現性」あるいは「社会的な受容性」に不確実性があるものでもAIにより研究が加速することで2030年代以降の長期的未来には成果が結実すると期待される。それを前提とすると「AI×ヘルスケア　3.0」の段階では「抗老化医療・寿命脱出」がキーワードになると考えられる。

人類全体の平均寿命はがんを克服しても4年しか延びない一方、老化を遅らせると10～20年延ばせると期待されており抗老化研究が盛り上がっている。中心的存在であるオーブリー・デ・グレイ博士は「寿命脱出速度」という概念を提唱し、寿命を30年延ばす技術ができればその30年にさらに寿命を延伸するイノベーションが起き、地球の重力から宇宙の無重力へと脱出したように寿命の制約から脱出できるという考えを提示している²¹。またシンギュラリティを提唱したカーツワイル氏は医療技術の飛躍的進歩から2029年に人類はこの寿命脱出速度に達すると予言している²²。同氏は「勤勉であれば人類は寿命500歳まで可能」と2024年にあるカンファレンスで発言するなどAIを含むテクノロジーの進化による寿命の伸長に対して楽観的な見方を示している。それを裏付けるかのようにテック企業の投資も盛んになっており、OpenAIのサム・アルトマン氏が出資するRetro Biosciences、Googleが設立したCalicoなどで抗老化や寿命脱出に向けた研究が進められている。成果も出はじめておりRetro BiosciencesはOpenAIと共同でタンパク質を設計するAIモデルGPT-4b microを開発し、人類の平均寿命を10年延ばす可能性を秘めた山中因子を再設計してその有効性を50倍以上に高めた²³。ほかにもMIT とハーバード大学がAIにより80万超の分子をスクリーニングすることで老化を改善できる数千の候補化合物を特定している²⁴。

また前述の遺伝子治療も若返りへの有効性が示唆されている。ホンジュラスにはProspera ZEDEと呼ばれる経済特区があり、FDAが米国で承認していないフォリスタチン遺伝子治療を受けることができる。治療を提供するクリニックによると治療を受けた人で生物学的年齢低下が確認された²⁵。こういった分野の研究が結実すればいずれは抗老化医療が可能に、さらには寿命脱出も視野に入ると期待できる。

日本は平均寿命、健康寿命とも世界的にトップ水準である。それでも平均寿命と健康寿命の差が男性で約8.5年、女性で約11.6年あり10年前後は日常生活に何らかの制限がある状態で過ごしている²⁶。抗老化医療が実現すれば年齢によらず身体機能を維持でき平均寿命と健康寿命の双方の延伸が期待できる。

• 1厚生労働省　令和5年度 医療費の動向（2024/9/3）
• 2厚生労働省　医療・介護費の将来見通し（2018/5/21）
• 3NBER 「The Potential Impact of Artificial Intelligence on Health Care Spending」（2024/3）
• 4厚生労働省 令和5年受療行動調査（2024/9/20）
• 5Beyond Healthレポート「これが“AI問診”の効果、「問診時間が1/3に」医師発スタートアップUbieの「AI問診Ubie」」（2019/6/26）
• 6大阪国際がんセンター　「「AI創薬プラットフォーム事業」の共同研究において、患者への対話型疾患説明生成AIの運用を開始」（2024/8/26）
• 7国立がん研究センター「AIで早期胃がんの範囲診断が可能に－内視鏡専門医の診断精度に迫る－」（2023/6/6）
• 8日本経済新聞「会話から認知症判定、AIで精度9割　慶応大とフロンテオ科学&新技術」（2022/8/15）
• 9兵庫医科大学「【国内初*】AIシステム「Eureka α」を使用した手術に成功」（2024/9/26）
• 10NVIDIA「自律型ロボットが AI で 手術精度を向上」（2022/2/2）
• 11Collision　Mammoth Biosciences CEO Trevotor Martionの講演 （2024/06）
• 12Computational Biology「Overcoming CRISPR-Cas9 off-target prediction hurdles: A novel approach with ESB rebalancing strategy and CRISPR-MCA model」（2024/11/3）
• 13AT Partners 「AIスタートアップProfluentがLLMとCRISPRを組み合わせ、オープンソースのAI遺伝子編集プロジェクトを開始」（2024/4/25）
• 14NHK「クローズアップ現代 取材ノート　アメリカの“AI医療”開発の最前線」（2024/2/6）
• 15東芝 公式HP 疾病リスク予測AIサービス
• 16NVIDIA「より迅速な治療：Insilico Medicineが生成AIで創薬を加速」（2023/7/12）
• 17GlobeNewswire「Press Release: Sanofi “all in” on artificial intelligence and data science to speed breakthroughs for patients」（2023/7/13）
• 18The HEADLINE「Google DeepMind の最新 AI モデルは何がすごいのか？創薬に革命をもたらす理由」（2024/5/13）
• 19NHK「クローズアップ現代 取材ノート　アメリカの“AI医療”開発の最前線」（2024/2/6）
• 20日立製作所「複雑な治療を要する糖尿病患者の治療薬選択を支援するAIを開発」（2022/3/25）
• 21The Asahi Shimbun GLOBE+ 「アンチエイジングのスタートアップ、西海岸で急増　不老不死の時代は近づいたか」（2018/10/10）
• 22Esquire 「時間を取り戻すことは可能か!? 未来学者が語る5年後の世界」（2025/1/23）
• 23TECKNEXUS 「AI Meets Longevity: OpenAI & Retro’s GPT-4b Micro」（2025/1/20）
• 24NAD＋ Aging Science 「Harvard and MIT Discover New Anti-Aging Drugs Using AI」（2023/5/9）
• 25Minicircle Follistatin Gene Therapy　公式HP
• 26厚生労働省 「健康寿命の令和４年値について」（2024/12/24）