生成AI時代の医療者の学び直しとチーム形成:多職種で持ち寄る手順と練習

目次
  1. チームの業務に入ったAI
  2. 本人の代わりに動き続けるAI
  3. 一人ひとりのAIが照らす範囲
  4. 独立した判断を持ち寄る
  5. 常駐のAIを持つ学生と研修医
  6. 架空の退院前カンファレンスで追う4段階
  7. AIの回答を組み立てる5つの要素
  8. AIを見る順序
  9. 伝え方を練習する
  10. 自分の強みを見直す
  11. 参考文献

AIは正確なことを言えるようになりました。けれども、それをどう伝えるかは人にかかっています。だからチームの価値は、一人ひとりがAIで高めた力を持ち寄ることにあります。

この主張を支える研究と、ブーバーの『我と汝』との関わりは、「すべて真の生は出会いである」:AIが正確に答える時代のチームに書きました。ここでは、多職種協働と教育の視点から、持ち寄る手順と、その練習の場を中心に書きます。

チームの業務に入ったAI

AIはすでにチームの業務の中にあります。米国では Epic の電子カルテに、臨床医向けのAIアシスタント Art が組み込まれつつあります1。ニューヨーク大学の NYU Langone Health では、Epic の電子カルテの中で、医療者向けのAI検索 OpenEvidence を患者さんの文脈つきで使えるようになりました2。

国内でも、カンファレンスの録音から生成AIで要約を作り、人が確認・修正して電子カルテに入れる運用が広がっています。相澤病院では、退院前カンファレンスの記録の作成時間が60分から10分に短くなり、実施件数も導入前の月4件から最大で月20件に増えたと、病院と企業が公表しています3。

カンファレンスの録音から電子カルテまで
  1. 録音
  2. 生成AIで要約
  3. 人が確認・修正
  4. 電子カルテに入れる

相澤病院の退院前カンファレンス記録の作成時間は60分から10分に、実施件数は月4件から最大で月20件に(病院・企業の公表値)

では、知識がその場で手に入れば、判断は良くなるのでしょうか。医師50人の無作為化比較試験では、GPT-4を使えた群と通常の資料だけの群で、診断推論の得点に統計的な差はありませんでした(試験の詳細)。

AIを使えるようにしただけでは、判断の成績は変わりませんでした。差が出るのは、チームの中でどう話し合い、どう決めるかだと考えます。伝え方と決め方は、人の側に残っています。

本人の代わりに動き続けるAI

2026年の秋には本人の代わりに動き続けるAIも出てきました4–9。

本人の代わりに動き続けるAI
Claude DuetAnthropic 2026年10月接続したアプリを数時間おきに見回り、毎朝、横断した要約を送る@agents同僚エージェントGoogle 2026年10月自分のメールアドレスを持ち、社員名簿に載る。自分の名前で動くTeam BotsxAI 2026年9月チームで共有する役割別のボット。Slack のチャンネルに招待できるdotsOpenAI 2026年9月クラウドに自分のパソコンとブラウザを持ち、手元の端末が切れていても働き続けるMuseMeta 2026年9月(日本は10月)アプリを閉じた後も作業を続け、メールの送信や購入の前に承認を求める

では、チームにエージェントを一人加えれば済むのでしょうか。

机に向かって座った人が、ピンクの紙を両手で持って読んでいる。机の上には開いたノートパソコンとカップがある
夜のあいだもAIが動き、朝に要約が届く

一人ひとりのAIが照らす範囲

AIは虫眼鏡や双眼鏡のように、関心のあるところを深く、遠くまで見せてくれます。その一方で、関心の外は手薄になりやすい(虫眼鏡のたとえ)。

一人のAIが照らす範囲
患者さんの全体像症状検査診断治療方針自分のAI観察日々の変化本人の希望生活の様子職種の間の違い相互作用服薬の実際動作住環境関心のある領域は高い解像度関心の外は手薄

医師のAIは医師の視野を深め、看護師のAIは看護師の視野を深めます。持ち寄らなければ、本人の希望や職種の間の違いは、どのAIにも渡されないままです。

職種ごとのAIが照らす範囲
患者さんの全体像症状検査診断治療方針医師のAI相互作用服薬の実際薬剤師のAI観察日々の変化生活の様子看護師のAI動作住環境療法士のAI本人の希望職種の間の違い中央の点線は、どのAIにも渡されていない範囲

AIはチームの一員として加わるのではなく一人ひとりの目を強める道具です。

独立した判断を持ち寄る

もう一つ気をつけたいのは、個人の視野が広がることと、チームの中の視点の多様性が減ることが、同時に起こりうる点です。AIの案を使った書き手の物語は評価が上がる一方で、物語どうしは似通っていました(物語の実験)。

チームの多様性を保つ手掛かりは、独立した判断を持ち寄ることにあります。医師とAIが別々に出した診断を集約した研究と、人とAIの組み合わせのメタ解析を合わせて読むと、組み合わせが生きるのは、互いの判断が独立していて、どちらを採るかを決める手順があるときです(2つの研究)。

常駐のAIを持つ学生と研修医

学生や研修医は、常駐のAIを持って現場に来ます。教育の論点はAIを使うか使わないかから、各自のAIが見ていないものをチームでどう補うかに移ります。

架空の退院前カンファレンスで追う4段階

多職種で学び直す手順として、4段階を提案しています(4段階の一覧)。ここでは、本人が自宅への退院を希望している架空の退院前カンファレンスで追います。

手順1 AIを見る前に観察を書き出す

各職種が自分の観察と懸念を短く書き出します。何を見たか、何が分からないか、何を優先するか。看護師は「夜間のふらつき」、薬剤師は「眠剤は継続可」、療法士は「玄関に段差」、医師は「施設も検討」と書きます。

4人がテーブルを囲んで座り、それぞれ小さな紙にペンで書いている。テーブルの上のタブレットには誰も触れていない
AIを見る前に、各自の観察を書く

手順2 AIで補う

根拠、別の仮説、見落とした観点をAIに求め、AI由来の提案だと分かる形で並べます。この例では、根拠として「転倒予防の指針」、別の仮説として「眠剤の影響」、見落としとして「家族の介護力」が並びます。

手順3 相違と欠落を検証する

意見が違う理由、根拠のない生成内容、本人の希望や生活条件との不一致を確かめます。薬剤師の「眠剤は継続可」とAIの「眠剤の影響」は食い違っています。AIが挙げた転倒予防の指針は、出典を確認できません。医師の「施設も検討」は自宅という本人の希望と合いません。

手順4 共同で決めて記録に残す

共同で決め、採用と不採用の理由と担当を記録に残します。不採用の理由も残します。

採否の記録(架空の退院前カンファレンス)
提案採否と理由担当
眠剤の見直し採用
ふらつきの仮説
薬剤師
転倒予防の指針不採用
出典を確認できず
医師
家族と面談採用
自宅の希望に沿う
看護師

AIの回答を組み立てる5つの要素

AIが加わっても、意思決定の枠組みは変わりません。EBMの適用も、患者中心の医療でいう共通の理解基盤も、そのままです。そこに加わるAIの回答を、次の5つで組み立てることを検討しています。

AIの回答の5つの要素
  1. 構造化した質問(PICO)
  2. 推奨(方向と強さ)
  3. エビデンスの要約と確実性
  4. 意思決定を支える文利益と害のどこで選択が変わるかを示す
  5. 文献と出典の透明性

4つ目の意思決定を支える文は、「患者の価値観を考慮」で済ませず、利益と害のどこで選択が変わるかを示します。それでも、決めるのは本人とチームです。

AIを見る順序

手順1でAIを見ないのは、先にAIを見ると皆の判断がAIに寄り、持ち寄る価値が減るからです。先に各自の観察を出しておけば、違いが残ります。香港の多職種連携教育でも、AIなしでケア計画を立て、AIで点検し、指針と専門知識で検証してから共同で承認する順序で実践されています(香港の実施例)。

教育の課題は、AIの使い方を教えることより、AIを使った後も、異なる観察と異論がチームに残るようにすることだと考えます。

伝え方を練習する

伝え方は練習できます。その場として、禁煙外来のシミュレーターを作って公開しています。医師役として返答を選ぶと、架空の患者さんが声で答え、最後に講評が出ます。

このシミュレーターで体験するのは、医学的に正しいことも、伝え方ひとつで相手に届かなくなるということです。正しい情報で相手を正そうとすると、相手はたばこを続ける理由を探して自分を納得させ、その合理化を後押しするだけになります。

チームの運営も同じ構造です。正しい方向性が見えていても、多職種で患者さんにどう働きかけるかを決めなければ、本人には届きません。

3人が横に並んで座り、それぞれタブレットを手に持って画面を見ている
返答を選び、伝え方を練習する

自分の強みを見直す

他職種もそれぞれAIを使っています。チームで議論すると、別の角度から解像度の高い助言が得られる時代になりました。では、自分が持ち寄れるものは何でしょうか。

AIは自分の強みを見直すためにも使えます。次の3つをAIに問い、言葉にしてみます。

AIに問う3つのこと
  1. 自分の職種が見ている、患者さんの側面
  2. 自分が最初に気づく変化
  3. 自分が引き受けている判断
机に向かって座った人が、開いたノートにペンで書いている。机の端にノートパソコンがある
自分の持ち場を言葉にする

看護師は生活と変化の観察、薬剤師は服薬の実際、療法士は動作と環境、医師は診断と治療方針の統合。持ち場が明確になるほど、重ねたときの視野が広がります(職種ごとの視野)。

チームに持ち寄るのは、AIそのものではなく一人ひとりがAIで高めた力です。広角の視野はチームで持つ。これが生成AI時代のチーム形成だと考えます。

そのうえで最後に残るのは、同じ場で向き合うことです。ブーバーの「すべて真の生は出会いである」がこの時代に何を問うかは、AIの時代に読む「出会い」に書きました。

参考文献

  1. A Deep Dive Into the Announcements at Epic UGM 2025. Healthcare IT Today. 2025-08-21. https://www.healthcareittoday.com/2025/08/21/a-deep-dive-into-the-announcements-at-epic-ugm-2025/
  2. OpenEvidence. Announcements. 2026-10-29. https://www.openevidence.com/announcements
  3. Ubie株式会社. 相澤病院の導入事例に関する発表(PR TIMES). 2026-07-01. https://prtimes.jp/main/html/rd/p/000000216.000048083.html
  4. Anthropic. Claude Duet. 2026-10-21. https://claude.com/resources/articles/claude-duet
  5. Google Cloud. Welcome to Gemini at Work 2026. 2026-10-09. https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026
  6. xAI. Team Bots. 2026-09-28. https://x.ai/news/team-bots
  7. OpenAI. Meet dots. ChatGPT Learn. https://learn.chatgpt.com/docs/dots
  8. Meta. Introducing Muse: The World’s First Personal AI Agent Built for Everyone. 2026-09. https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/
  9. Meta. Meta、パーソナルAIエージェント「Muse」を日本で提供開始. 2026-10-23. https://about.fb.com/ja/news/2026/10/muse-personal-ai-agent-launches-in-japan/