寄せられた提案コメントAI要約
このセクションに対して寄せられた変更提案を、AIが要約しました。類似した内容の提案が1つのトピックに集約されています。
AIを活用し医療被ばくの低減と検査を適正化する
過剰な医療被ばくを抑制するため、AIを活用してエコーやMRI等の低被ばく検査を優先する診療プロトコルを導入する。CT検査の件数に依存しない診療報酬設計への見直しを行い、放射線防護の最適化を推進する。
医療AIの性別バイアス対策を義務付ける
医療AIの導入補助や診療報酬加算の要件として、学習データにおける性別バイアスの評価や偏り抑制の設計を義務付ける。性差による医療事故や不適切診療を防ぎ、AIの公平性と安全性を確保することを目的とする。
検診AIによる見逃し防止を推進する
検診現場での見落としを防ぐため、CTやMRI、胃透視などの検診において、専門外の医師をサポートするAI助言システムの導入を推進し、診断精度の向上を図る。
提案コメントの一覧(4件)
このセクションに寄せられた皆さまからの変更提案のコメントです。記載内容はAIチャットの会話内容に基づいてAIが要約しています。提案はチームみらいが検討し、採用されると実際にマニフェストに反映されます。
チームみらいのポリシーや利用規約に反する提案は非表示にされることがあります
「画像診断AIで見逃しリスクと医師不足の解消を同時に」という方針に関連して、現状認識において「日本のCT由来を含む医療被ばくが相対的に大きい課題」と「低被ばく検査（エコーやMRI等）を優先するプロトコルの必要性」を明記する。また政策概要において「臨床意思決定支援(CDS)の実装」、「線量の見える化と最適化」、「CT件数に依存せず臨床推論やエコー・AI活用等を評価する診療報酬設計の見直し」を追加する。
日本はCT装置の普及が国際的に突出しており（OECD平均を大きく上回る装置密度）、利用頻度が高いほど集団線量が増えやすく、放射線防護の原則である「正当化（必要性）」と「最適化（可能な限り低線量）」の徹底が政策課題になる（OECD, 2025; WHO, n.d.）。実際、日本のCTは集団線量への寄与が大きく、調査ではCT検査が国民線量の主要部分を占め、施設間で線量ばらつきも大きいことが報告されている（Tsushima et al., 2010）。加えて、診断X線による発がん寄与についてはモデル推計に不確実性がある前提で、それでも日本は診断X線に起因し得るがんリスクが他国より高い可能性が示された古典的推計（累積がんリスクの3%超が診断X線に起因し得る、という推計）があり、少なくとも「過剰撮影を減らす余地が大きい」という政策含意は重い（Berrington de González and Darby, 2004）。したがって、AIで読影の質と速度を上げるだけでなく、AIを“入口の交通整理”にも使い（例：症状・所見・既往と組み合わせてエコーや経過観察で足りるケースを提示し、CTは適応が強い場合に絞る）、被ばくゼロの選択肢が自然に選ばれる診療導線に変えるほうが、見逃しリスク低減・医師不足対策・医療費の適正化・長期の健康リスク低減を同時に達成しやすい（WHO, n.d.; Uruma et al., 2025）。
政策概要の「人とAIが協働する医療のルールづくりを進めます」の項目内に、高度な診断支援を実現するための技術指針を追加する。具体的には、画像データ・臨床データ・機器ログを組み合わせたマルチモーダル学習の推進、説明可能なAI（XAI）の実装とAIによる自己学習、および生成AIのアウトプットを介して医師・薬剤師・エンジニア等の専門家間のディスカッションを加速させる仕組みを盛り込む。
画像診断AIの精度向上と信頼性確保に加え、生成AIを介した多職種（医師・薬剤師・エンジニア）間の連携を強化し、より質の高い診断・治療プロセスを構築するため。
「4. 画像診断AIで見逃しリスクと医師不足の解消を同時に」の政策概要に、AIシステムの導入補助や診療報酬加算の要件として、LLM等の学習データにおける性別バイアスの評価や、偏りを抑制する設計がなされていることを追加する方針に変更する。
性差バイアスに基づいた医療事故や不適切診療を防ぐため、AI開発・導入の支援条件として公平性・安全性の確保を義務付けるべきという考えから。