「機械が放射線科医を引退させる」という予測が外れたことは、それが正しい理由で間違っていたという点でこそ示唆に富む。検出精度は元々ボトルネックではなかった。画像を読む行為は、トリアージ、過去画像との照合、曖昧な所見に対する慎重な判断、依頼医との協議、そして医療法的リスクの負担といった業務全体のほんの一断面にすぎない。AIは狭義の知覚タスクには卓越した力を発揮したが、それを取り巻く説明責任においてはほぼ無力だった。したがって短期的なグローバルのパターンは人員削減ではなく処理能力の拡大だ――専門医は同じ人数のままより多くの検査を読影し、アルゴリズムが優先順位付けと一次フラグ立てを担う。画像診断の需要は熟練した読影者の供給を上回るペースで伸び続けているため、AIによる拡張は余剰を生むのではなく不足を緩和する。
商業的な含意として、価値は単独の検出モデルからワークフローオーケストレーションへと移行する。キューを制し、レポーティングレイヤーを握り、PACSやEHRシステムとの統合を担う者がマージンを獲得する。確率スコアを出力するだけのポイントソリューションはコモディティ化した入力要素に成り下がり、持続的な事業は調整レイヤーに位置する。これは、AIがタスクを自動化しても周辺プロセスまでは自動化できなかった他の領域で起きたことと同じ構図だ。
日本にとって、この力学は異例なほど有利な条件をもたらす。日本はCTおよびMRIスキャナーの人口当たり保有台数が世界最高水準にある一方、放射線科医は都市部に集中し、地方病院は慢性的な人手不足に陥っている。限られた専門医プールがリモートで読影し、インテリジェントに優先順位を付けられるようにする拡張型AIは、この構造的なギャップに直接対応するものだ。問題は需要ではなくインフラにある。断片化した病院IT、オンプレミスのレガシーPACS、そしてPMDA承認経路における規制上の慎重姿勢がその障壁となっている。
ここに国内SIerおよび医療ITインテグレーターの守るべき役割がある。機会は、輸入またはライセンス供与されるであろう診断モデルの開発ではなく、日本の病院がそれを安全に導入できるよう整える統合・検証・コンプライアンスの基盤構築にある。勝ち筋のプレイブックは、RPAスタイルのタスク自動化よりも、責任所在・監査証跡・医師による監督を最初から組み込んだ臨床ワークフローの再設計に近い形になるだろう。放射線科AIを精度競争ではなくコンプライアンスと統合の問題として捉えるベンダーこそが、より持続的なビジネスをここで見出すことになる。
