MEDICINE & AI

タイトル：Understanding Clinicians' Informational Needs for AI-Driven Clinical Decision Support Systems: Qualitative Interview Study 雑誌名：JMIR Med Educ. 2026 Mar 12; 12: e85228. doi: 10.2196/85228. Epub 2026 Mar 12. 概　要： 本研究は、AI駆動の臨床意思決定支援システム（AI-CDSS）の利用を促進するために、臨床医の情報ニーズと好みを探ることを目的としています。AIの進展は医療を変革していますが、臨床医はアルゴリズムの誤用や解釈の誤り、透明性の欠如に懸念を抱いており、導入は限られています。AI専門家の視点も考慮し、安全かつ適切な使用を促進するために必要な情報を特定しました。 方　法： 質的記述デザインを用い、16名（臨床医8名、AI専門家8名）への半構造化インタビューを実施しました。AIに関する経験、情報ニーズ、既存の報告基準（Model Cards、Model Facts、TRIPOD-AIチェックリスト）へのフィードバックについて議論しました。トランスクリプトはコードブックテーマ分析を通じて分析されました。 結　果： 4つの主要テーマが特定されました：（1）臨床医はモデルの適用性を判断するために、トレーニングデータの出所、サイズ、選択基準について明確な情報を必要とする；（2）パフォーマンス指標はAUCを超え、臨床的に関連性のあるものでなければならない；（3）誤用を防ぐために、限界や警告は具体的かつ明確に伝えるべきである；（4）情報は既存の臨床ソフトウェア内で層状にカスタマイズ可能な形式で提示されるべきであり、専門用語を避け、深い説明を選択できるようにすることが求められました。参加者は、報告基準の組み合わせと臨床中心の情報提供アプローチを推奨しました。 結　論： AI-CDSSの臨床実践への導入を改善するためには、報告基準を臨床医の理解と使いやすさを考慮して設計する必要があります。特にトレーニングデータとパフォーマンスに関する透明性を高めることで、臨床医がAI-CDSSをより効果的に評価できるようになると考えられます。情報はアクセスしやすく、臨床の流れに適合した層状形式で提供されるべきです。AI-CDSSの開発において臨床医との共同創造が重要であることが強調され、技術的に堅実でありながら実用的に使えるツールの確保に寄与します。今後の研究では、臨床医の理解を促進するためのパフォーマンスと検証指標の構造的報告方法を探求し、情報提供がAI-CDSSの導入に与える影響を評価する必要があります。