20260406第22回OralScienceCafe 医療・歯科領域におけるAI活用の可能性と課題
全体要約（喋ラボ様のご協力により自動で生成しております）
日時：2026/04/06 19：00～
全体要約
本日のサイエンスカフェでは、医療・歯科分野におけるAIの具体的活用と限界について議論した。前半は坂東氏より、日本医療機能評価機構の医療事故・ヒヤリハットデータを用いた階層型クラスタリングの応用例が紹介され、インシデントの構造把握と未然防止への有用性が示された。後半は和泉氏から、ChatGPT・Gemini・Claude・NotebookLMなど生成AIを用いた日常業務支援、ガイドライン集約・検索ツール試作の実演があり、信頼できるデータソースに限定したAI活用の重要性が確認された。AIの出力は鵜呑みにせず、開発者と医療者が協働して評価・改善していくべきとの認識が共有され、次回以降もAIを継続的な主要テーマとする方針が確認された。
郡山ミーティング・多職種連携会など今後の対面／ウェブ会合について
5月7日（木）12時頃：郡山でのミーティング開催案内: 十河先生（大阪）による提案で、BNCT等これまでの議論の総括と今後の構想を意見交換する場として設定。
参加予定・対象: 菅井先生・十河先生・南東北〜北関東・福島県内の先生方を中心に、現地参加＋ウェブ参加のハイブリッドを想定。
役割分担: 山森先生には同じ補綴の立場から可能であれば現地参加を依頼、島倉先生ほか周辺の先生にも参加呼びかけを行う方針。
第2回 練馬区医療介護多職種連携会（総合東京病院）: 草川先生主催の会合がオンライン参加可能となる見込みで、本サイエンスカフェの名簿を基に和泉氏から案内・チラシを回覧する。
医療事故・ヒヤリハットへのAI適用：階層型クラスタリングの発表（坂東氏）
背景と目的: 通信・金融など他分野同様、医療でも事故・インシデント情報を収集し再発防止だけでなく未然防止に活用する必要があり、その支援としてAIを用いたテキスト分析ツールを開発。
データソース: 日本医療機能評価機構（JQ）が公開する歯科ヒヤリハット事例3718件（うち「歯科治療処置」2079件など）を対象に、概要テキストを用いて自作モデル（約6年前作成）で階層型クラスタリングを実施。
手法の概要: 事例テキストを分かち書きし単語頻度ベクトル化→事例間の非類似度（距離）を算出→凝集型（ボトムアップ）階層クラスタリングによりデンドログラムを作成し、5クラスター／10クラスターなど任意の深さで分類。
得られた分類例: 「技術的要因による処置・器具操作ミス」「新素材・新器具への不慣れと軟組織損傷」「処置中の予期せぬ脱離や部位間違い」「単独診療時の操作ミス・器具落下」など、クラスターごとに傾向が可視化された。
AIによる要約・代表事例抽出: 各クラスターから数学的に代表度の高い事例を3件選び、Google Gemini（無料版）にタイトル付けと150字程度の要約、さらには「主な課題」の整理を依頼し、処置環境の最適化や多重確認の必要性などの示唆を得た。
障害・嚥下など特定テーマへの応用と今後の発展可能性（坂東氏）
嚥下関連事例の試行: 全事例から「嚥下」をキーワード検索し44件を抽出、5クラスターで再クラスタリングしたところ、要配慮患者への強行処置による誤嚥、多忙時の単独診療・放置による事故など、動的リスク要因が浮き彫りになった。
AIによる課題整理の例: 「動的リスク要因の複合的発生」「否定型反射動作による予見可能性の限界」「タイムプレッシャーによる認知資源の枯渇」「医療環境ごとのリスク構造の差異」などの抽象化された課題をAIが提示。
モデル更新の課題: 現在のモデルは古典的な単語頻度ベースであり、今後はBERTやGPT系の埋め込みを用いて文脈も評価できるように改良することで類似度精度の向上を目指す必要がある。
ローカルデータとの統合: 各病院が持つインシデントデータ（100件程度規模でも可）とJQデータを統合クラスタリングすることで、自院に特有に多いリスククラスターや全国的に多いが自院では未発生なクラスターなどを把握し、対策の優先順位付けや相対評価に活用できる。
AI提案の位置づけ: AIはクラスターごとの対策案まで自動生成可能だが、坂東氏自身は「そのままは信用せず、医療者と開発者が対話するたたき台・議論の材料として使う」のが適切とし、医療者側の評価・修正を前提とする共創が重要との意見。
信頼できるAI活用の条件と限界に関する議論
汎用生成AIの問題意識（春日井先生）: ChatGPTやCopilot等にインプラント周囲炎の予防法を尋ねると、内容としては妥当な回答が得られる一方、根拠として示される情報源は学術論文ではなく会員向けHP等も混在しており、玉石混交なネット情報に依拠している点に懸念が示された。
クローズドなデータで学習するAIの利点（坂東氏）: 汎用AIは「世界中のネット情報」を訓練データにするためノイズや誤情報を含むが、JQデータのように専門家が記録した閉じたデータセットのみで学習・分析するシステムなら、根拠のトレーサビリティが高く、臨床・安全分野でも比較的安心して用いられる。
専門特化AIの海外動向: 米欧では診療録データのみ、医学論文のみ等で訓練した医療特化LLM（Clinical BERT等）が登場しており、日本語・日本の医療環境に適合した同様のモデル開発が今後の課題との指摘。
AIの役割の位置づけ: AIは「答えを決める存在」ではなく、「大量データの構造化・俯瞰や、過去事例との類似検索を通じて人が問題点や抜けを見つけるための道具」という整理がなされ、過去事例と現在の事故を比較することで、不十分な対策や再発の原因をあぶり出すといった活用が提案された。
新規医療技術（BNCT等）評価へのAIの可能性と限界
瀬戸／瀬戸先生の問題意識: BNCTや光免疫療法など先端治療は、既存のPMDA等の評価枠組みが単純で十分に適合しておらず、「開発を追うべき価値・可能性がどの程度あるのか」を客観的に評価する新たな手段が必要ではないかとの問題提起がなされた。
AIにできること／できないこと（坂東氏）: AIは公開された論文やデータに基づいて過去情報を整理・予測的議論を行うことは可能だが、論文やデータが少ない新規技術に対しては根拠が乏しく、結論的評価は難しいため、「文献の俯瞰」「論点整理」「議論のたたき台提示」にとどめるのが現実的との見解。
類似事例抽出の応用案: 新規治療法に関連する事故・副作用事例を大規模データから自動抽出し、過去の類似症例との比較を通じて、既存対策の不十分さや見落としを発見し、再発防止策の再設計に役立てるアプローチが紹介された。
総括: 「AIに価値判断を丸投げする」のではなく、AIが抽出・構造化した情報を起点に、医療側が科学的・倫理的検討を重ねるプロセスが不可欠である点で参加者の認識が一致した。
生成AIの実務的活用事例とツール紹介（和泉氏）
AIブームの整理: 現在は第4次AIブームであり、Transformer論文（2017, Google）が技術基盤となった生成AI（ChatGPT, Gemini, Claude等）が中心になっていることを紹介。
日常業務でのGemini活用: Windows 11やスマホからGeminiへ音声・テキスト入力し、「移動手段の検索」「予定の自動登録（Googleカレンダー連携）」「パソコン内フォルダ構成の整理提案」など、事務作業や情報整理を自動化する使い方を実演。
Claudeによる共同作業（Co-Work）機能: Claudeの「チャット／コワーク／コード」モードのうち、Co-Workモードを用いて、音声記録を自動テーブル化するWebアプリなどを“コード未経験のまま”対話のみで生成した具体例を紹介（マイク入力→日付・発言者・内容をExcel形式で蓄積する仕組み等）。
プレゼン資料作成支援: 新規事業の共催パートナー提案資料などについて、AIとの壁打ちでアイデアを詰めていく過程で、そのままスライド構成案・本文案まで生成させることで、資料作成負荷を大幅に軽減している実例を説明。
AIの使いこなしに必要な視点: 「どのデータを参照させるか」「どの条件・制約を与えるか」など、問い方とデータ提供の仕方でAIの出力は大きく変わるため、専門家自身が主体的にプロンプト設計・データ選定を行う必要があるとの指摘。
NotebookLMによるガイドライン集約・検索の試作（和泉氏）
NotebookLMの概要: Googleアカウントから利用できる「NotebookLM」を用いると、ユーザーが指定したPDF・テキスト・YouTube動画などの“限定されたソースのみ”を根拠とするQA・要約が可能であり、一般のWeb情報を参照しないため信頼性を担保しやすい。
診療報酬改定資料の統合: 令和8年度診療報酬改定関連で、厚労省が公開したPDF・説明スライド・説明動画等をNotebookLMに一括投入し、「今回改定のポイントをスライド形式でまとめる」などの指示を与えることで、自動的に構造化された解説資料を生成した例を紹介。
歯科ガイドラインの集約: 公開アクセスできる歯科関連ガイドライン約40〜50本をNotebookLM内に読み込ませ、そこからのみAIが答える環境を構築。インプラント周囲炎の予防など特定トピックを質問すると、該当ガイドラインから要点が抽出され、どのガイドラインのどの部分に基づく回答かをリンク付きで確認できる。
歯科衛生士に関する“空白”の発見: 「歯科衛生士の業務内容を抜き出してほしい」と質問したところ、「ソース内に『歯科衛生士』という語が存在しない」とAIが返答した事例があり、現行ガイドライン群で歯科衛生士の位置づけが十分に記述されていない可能性が示唆された。
活用ポテンシャルと法的留意点: 現状は「自分用ツール」として利用している段階であり、学会サイト等と連携して外部提供する場合には著作権や利用規約を精査する必要がある一方、ネット公開資料に限定すれば一定程度は共有可能と考えられることが確認された。
AIと知識アップデート・学会活動への組み込み案
個人の知識バージョンアップニーズ（式守先生）: 一時的に臨床現場を離れた歯科医師が、復帰時に最新ガイドライン・標準治療を効率的にキャッチアップする手段として、ガイドラインベースのAI検索ツールが有効ではないかとの問題意識が示された。
学会サービスとしての展開案: ガイドライン検索AIを学会サイトと連携させ、「会員が会員番号でログインすると利用できる知識アップデートツール」として提供すれば、会員の利便性向上と同時に学会員拡大にも寄与するのではないかとのアイデアが出された。
AI教育への期待と不安（瀬戸先生）: 自身も80歳を超えAI学習に意欲はあるが、独学では限界があり、「隣の机にAI専門家がいて逐一相談できる」ような伴走型の支援者が必要との率直な感想が述べられた。
AIをめぐる役割分担の確認: 「AIでできること／できないこと」を見極めつつ、医療者がテーマ設定・評価・意思決定を担い、技術側が実装・解析を担う協働体制が重要である点が改めて共有された。
熊被害・リスク認知とAIの可能性に関する自由討議
熊被害データと行動のエビデンス（北村先生）: 秋田大学整形外科等の調査により、熊襲撃時の身の処し方と転帰の関係が整理され、「伏せるなど推奨された防御姿勢を取ったケースで死亡例はなかった」といった知見が紹介され、地方紙・専門誌等での発信状況も共有された。
生活スタイルとリスク感受性: 先住民社会での狩猟採集経験から、現代日本人は「自己家畜化」により危険察知能力や五感の鈍化が進んでおり、危険な環境に身を置かないまま危険回避術も学ばない構造があるとの人類学的視点が語られた。
AIへの期待（瀬戸先生）: 「冬場の病院敷地内を歩く際など、熊に遭遇した場合にどんな行動を取るべきか、熊の生理・行動学に基づいてAIに分析させ、リスク最小の対応を導き出せないか」という、安全行動指針のAI生成案が提起された。
データの前提条件（北村先生）: 自然環境での野生熊と、人間社会に適応・学習した熊（生活圏が重なった“変質した”熊）では行動特性が異なるため、その区別なくモデル化すると誤った結論を生む可能性があり、AIに入力するデータの選定・解釈には専門家の監修が不可欠との指摘があった。
次回以降の予定・今後のテーマ
5月7日（木）郡山ミーティング: 十河先生の南東北訪問にあわせ、BNCT等これまでの議論の総括・今後の提案を行う小規模会合を対面（郡山）＋ウェブ併用で開催予定。
6月のテーマ候補: 5月7日の郡山での議論を受け、6月のサイエンスカフェでは十河先生・菅井先生によるBNCT等の続編講演・総括を依頼したい旨が確認された。
AI関連テーマの継続: 本日の議論を踏まえ、「医療・歯科領域におけるAI活用」「ガイドライン・ヒヤリハットデータのAI分析」「歯科衛生士の役割可視化」などを、今後も折に触れて取り上げる方針とし、和泉氏作成のガイドラインAIツール紹介動画を参加者へ共有することとなった。
次回予定
次回開催日：2026/05/04（月）19：00～（第1月曜）開催予定
詳細プログラムは追って調整