中国AIスマート病院の拡大と残る課題
中国は、逼迫した公衆医療システムの近代化を図るため、AI統合型スマート病院の導入を加速している。14億人を超える人口と医療アクセスにおける地域格差という課題を抱える中、国家衛生当局は人工知能を単なる奢侈品ではなく、システム全体の強靭性を支える要と位置付けている。顔認証受付端末や音声対応臨床記録ツールが主要都市で普及しつつある一方、より深い課題が残されている――パイロット成功事例を、拡張性・安全性・公平性を備えたインフラへと如何に転換するかという問題である。
最近のデータによると、国家衛生健康委員会が「3A」と格付けした中国のトップ層公立病院の60%以上が、少なくとも1つのAI支援型臨床または管理モジュールを導入している。採用が進むのは放射線科・病理科における診断支援で、続いて入院患者フローや在庫管理の予測分析が続く。しかし2021年に『中華中医薬図書情報雑誌』で発表された研究によれば、真のボトルネックはハードウェアやアルゴリズムではなく、相互運用性、人材、ガバナンスにあるという。
北京の中国人民解放軍総医院医療物資センターの張夢元氏が執筆した本論文は、中国の「AI＋スマート病院」構想の野心と摩擦点の両方を明らかにしている。迅速な導入にもかかわらず、大多数の施設が依然として断片化されたデータ生態系――電子医療記録（EMR）、画像アーカイブ、物流ログといった互いに連携しない「情報の孤島」――の中で運営されている実態を浮き彫りにする。さらに深刻なのは、患者の同意フレームワークとデータ分類プロトコルが不一致なままであり、サイバーセキュリティ監査や中国のヘルステック輸出可能性を追う外国投資家にとって懸念材料となっている。
政策の推進と運用现实の狭間で
中国のスマート病院推進が本格化したのは2010年代後半で、二つの並行する枠組みに導かれてきた。患者向けデジタルサービスに焦点を当てた「医院智慧服務分級評価標準」（2019年）と、臨床ワークフローのデジタル化を目標とする「電子病歷（EMR）應用水準評価」（2018年）である。これらは二重のインセンティブ構造を形成しており、高得点を獲得した病院は研究助成金、設備調達割当、名声において優遇措置を受ける。
しかし、政策の野心は実施能力を上回っている。評価制度は機能の導入――オンライン予約、モバイル決済、自動報告書交付など――を評価するが、バックエンドの統合を義務付けていない。その結果、多くの機関が従来の病院情報システム（HIS）上にスタンドアロン型アプリを重ね合わせ、統一されたプラットフォームというよりデジタルなファサードを創り出している。
張氏の分析は、示唆に富む不一致を指摘する。調査対象の3A病院の90%以上がWeChatベースの予約・請求機能を提供している一方、EMR成熟度スケールでレベル4以上（構造化・コード化されたデータ入力と部門間EMR共有を要求する閾値）を達成しているのは35%未満である。レベル5以上では、薬物相互作用や敗血症リスクに対するAI支援アラートを含む、クローズドループ型の臨床意思決定支援がシステムに求められる。今日まで、成都の華西医院や上海の瑞金医院などのごく一部の基幹病院のみがレベル6をクリアしている。
この隔たりは、より広範な真実を反映している。デジタルな「利便性」は、デジタルな「知性」よりも購入が容易だということだ。病院は一夜でAI搭載の体温スクリーニングカメラを入口に設置できるが、初診から退院までをカバーするAI対応のリアルタイムデータパイプラインを構築するには、何年にもわたる抜本的な改革が必要なのである。
データのジレンマ：価値と脆弱性
スマート病院ビジョンの核心にあるのは、医療ビッグデータ――イメージングファイル、検査結果、バイタルサインのストリーム、ゲノム配列のペタバイト級のデータ――である。理論上、このデータの山は診断アルゴリズムの訓練、人員配置の最適化、さらには地域的な疾病発生の予測にも活用できる。しかし実際には、その大部分がロックされ、サイロ化され、または低品質のままである。
研究は、システム的なデータ制約を3つ特定している。
第一は「所有権の曖昧さ」である。金融や通信データとは異なり、中国の法的枠組みは公立病院で生成される臨床データの所有権を明確に定めていない。データは国家、施設、医師、それとも患者の所有物なのか？規制の沈黙が事実上の施設管理を可能にする一方、施設間の協力を阻んでいる。標準化されたデータ共有契約とガバナンス協議会がなければ、病院は責任や競争上の不利を恐れてリソースの共有を躊躇する。
第二は「意味論的断片化」である。システムが技術的につながっている場合でも、互換性のないコーディング方式を使用していることが多い。あるEMRでは「ALT」と表示される血液検査が、別のEMRでは「SGPT」とタグ付けされるかもしれない。上海ではSNOMED-CTでコード化された放射線所見が、蘭州では独自の地域辞書で捕捉されているかもしれない。これは連合学習（生データを移動させずに分散データセットでアルゴリズムを訓練する手法）の取り組みを妨げる。モデルの収束には一貫した特徴定義が必要だからだ。
第三は「データの質（データハイジーン）」である。張氏は、多くのEMRが依然として自由記述の医師記録、スキャンした手書き書式、非構造化の画像注釈に依存していると指摘する。こうした入力で訓練されたAIモデルは、ノイズとバイアスを引き継ぐ。多施設共同試験の一例では、初期の糖尿病網膜症を検出するように設計されたアルゴリズムは、眼科医が標準化報告テンプレートを使用した基幹病院では94%の精度を達成したが、従来の記録方法を使用した提携施設では68%に低下した。
これらの課題は、セキュリティ上の懸念によってさらに複雑化する。医療データは標的としての価値が高く、単一の完全な患者記録は闇市場で最大250ドルにもなり、クレジットカード情報よりもはるかに高値で取引される。しかしながら、多くの病院が依然として境界防御型のセキュリティ――ファイアウォール、基本的な暗号化――に依存しており、内部者による脅威の監視やゼロトラストアーキテクチャを軽視している。生体認証（手掌静脈や虹彩認証など）は職員のアクセス管理に導入が進むが、患者向けポータルでは、より脆弱なSMSベースの二要素認証が使用されることが多い。
規制当局は対応しつつある。2023年、国家インターネット信息办公室（中国サイバー空間管理局）は「医療健康データ安全ガイドライン」を改定し、差異化的なアクセス制御を義務付けた。例えば、生のゲノムデータには三要素認証と監査ログが必要だが、匿名化された集計統計はシングルサインオンにより承認された研究者がアクセス可能となる。しかし、執行は不均一であり、IT部門が過重労働の管理者一人で構成されていることもある地方の県病院では特にその傾向が強い。
隠れたボトルネック：プロセッサーではなく人材
張氏の研究から得られた最も厳しい洞察は、技術が主要な制約要因ではないということかもしれない。問題は人材なのである。
中国は毎年80万人以上のSTEM（科学・技術・工学・数学）分野の卒業生を輩出しており、世界でも最高水準の量を誇る。しかし、医療AIの実装に必要なハイブリッドなスキルセット――臨床領域の知識に加えてデータエンジニアリング、さらに変更管理の能力――を備えているのは5%未満である。
研究は、全国で少なくとも12,000人の「複合型」専門人材が不足していると推定する。これは、臨床医の診断ワークフローを機械可読なパイプラインに変換し、実世界での展開におけるモデルドリフトをデバッグし、看護師にAIの出力を過信ではなく信頼するよう訓練できる個人を指す。
このギャップは、最適ではない導入状況に表れている。山東省の某病院は、CTスキャンによる脳卒中検出のための210万ドルのAIプラットフォームを購入した。しかし、6か月後、使用率は15%未満で低迷した。なぜか？放射線科医はインターフェース設計に関与せず、システムはアラートを英語で生成し、手動でのDICOMファイルアップロードを必要とした。地元のエンジニアが最終的に統合層を書き直したが、それはベンダーのサポート契約が終了した後のことだった。
この問題を認識したトップ機関は、新たな訓練プログラムを構築している。復旦大学は2022年にAI専門分野を備えた健康情報学修士号を設立し、北京協和医学院は臨床AIレジデンシートラックを導入した。しかし、こうしたプログラムを拡大するには、カリキュラム改革、教員のスキル向上、そして決定的にキャリアインセンティブが必要である。現在、上海の病院で働くAIエンジニアの給与は、フィンテック企業の同僚よりも約40%低く、昇進の道筋も少ない。
一方、リーダーシップの準備は遅れている。病院長は通常、数十年の臨床経験を持つベテラン臨床医だが、アジャイル開発、プロダクトライフサイクル管理、データガバナンスにほとんど触れたことがない。経営陣の賛同がなければ、デジタル施策はパイロット段階で行き詰まる。
前進への道：孤立ではなく統合へ
張氏は、断片化されたデジタル化を超えるための4つの戦略的転換を提案している。
第一は「医療連続体における垂直統合」である。放射線科や薬局向けの単体のAIツールではなく、将来のプラットフォームは、診断前（症状チェックチャットボットなど）、診断（画像解析）、治療（手術用ロボット調整）、急性期後ケア（慢性疾患の遠隔モニタリング）を接続しなければならない。早期の事例として、広東省で試験導入された「One-ID」患者旅程システムがある。単一のQRコードで、地域保健センターの検診から三次病院のEMR、在宅ケアダッシュボードまでを結びつける。
第二は「病院の壁を越えた水平協業」である。スマート病院は孤立して繁栄できない。張氏は、医連体（中国の医療コンソーシアム）とのより深い統合を提唱し、AIツールが双方向の紹介、共有処方箋集、統一された品質指標を支援できるようにすることを訴える。例えば、北京の某3A病院で開発されたAIリスク層別化モデルは、現在27の提携県診療所で高血圧のフォローアップ優先順位付けに利用され、回避可能な入院を前年比18%削減した。
第三者パートナーシップも重要である。国内のテック巨人（平安好医生、阿里健康など）や専門AIスタートアップ（推想科技、深睿医療など）は、資本、クラウドインフラ、ソフトウェア人材をもたらす。しかし張氏はべンダーロックインに警戒を促す。理想的なモデルは、病院がデータ所有権と臨床監督を保持し、テック企業がAPI、モデルホスティング、UI/UXデザインを提供するという共同開発であると彼は主張する。透明性のあるサービスレベル契約の下で行われるべきだ。
第三のレバーは「標準化された段階的データガバナンス」である。張氏は、米国HIPAAの「最小限必要な情報」原則に類似した、国家的な医療データ分類スキーマを求める。データの機密性が保存、アクセス、匿名化プロトコルを決定するというものだ。低リスクデータ（例：集約された待ち時間）は公衆衛生ダッシュボードに公開可能とし、高リスクデータ（例：メンタルヘルス記録）は分析のために動的同意と準同型暗号を要求する。
最後に、人材育成は制度化されなければならない。病院は臨床部門に「AI連絡担当者」を配置すべきである――CMO（最高医療責任者）とCIO（最高情報責任者）の両オフィスに共同で報告するハイブリッドな役割だ。医学部には必須の医療情報学実習が必要である。そして省の衛生局は、データ科学者と第一線の臨床医を現実の品質改善プロジェクトで組ませる、機関横断的な「AIブートキャンプ」に資金を提供できる。
世界的意義：システム革新への窓
世界の医療投資家や政策立案者にとって、中国のスマート病院実験は地域の教訓以上のものを提供する――それは、規模、速度、監視の下でレガシーな医療システムを如何に再設計するかという、現実のテストなのである。
革新が民間の保険者と断片化された提供者に牽引される米国とは異なり、中国のトップダウン型調整は迅速な標準化を可能にする：同じEMR評価基準がハルビンから海口まで適用される。GDPRコンプライアンスがデータプーリングを遅らせうるEUとは異なり、中国の規制現実主義は統制された「サンドボックス」試験――例えば、匿名化されたがん登録データを厳格な監査の下で腫瘍学AIの訓練に使用する――を許容する。
しかし、トレードオフは現実のものだ。中央集権的な管理は画一化のリスクをはらみ――国家的優先事項に合致しないニッチな革新を阻害する。また、中国は業務効率（スケジューリング、在庫管理、請求）におけるAIの展開で優れている一方、微妙な判断を要する領域――行動健康、緩和ケア、複雑な老年症候群――では臨床導入が遅れている。
それでも、その勢いは否定できない。2024年末、国家衛生健康委員会は2027年までに1200の県レベル病院をスマートインフラでアップグレードするため43億ドルの投資を発表した――地方診療所向けAI支援超音波検査やドローンを用いた緊急物流を含む。成功すれば、これは都市と農村の医療格差を、過去20年間よりも5年でより縮める可能性がある。
世界は注目するだろう――輸出可能な技術だけでなく、ガバナンスモデルにも。中国は、どの国もまだ成し得ていない、高いパフォーマンスと公平性を両立するAI増強型医療システムを実現できるのか？張氏の研究が示唆するように、その答えはアルゴリズム単体ではなく、政策、人材、目的を如何に調整するかにかかっている。
張夢元（Zhang Mengyuan）、中国人民解放軍総医院医療物資センター、中国 北京 100853 『中華中医薬図書情報雑誌』、第45巻第3号、2021年6月、46–49頁 DOI: 10.3969/j.issn.2095-5707.2021.03.011