医療AIの説明可能性と統合性の向上による医療専門家の受容と利用促進
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Improving Explainability and Integrability of Medical AI to Promote Health Care Professional Acceptance and Use: Mixed Systematic Review
雑誌名：J Med Internet Res. 2025 Aug 07; 27: e73374.
概 要：
本研究は、医療における人工知能（AI）の受容を向上させることを目的とし、医療専門家（HCP）の視点から医療AIの説明可能性と統合性に関する理解を探求しています。HCPの受容は、AI技術の成功した実装に不可欠であり、これらの要因が彼らの採用意欲に影響を与えることを明らかにしています。
方 法：
2014年から2024年に発表された医療AIの説明または統合性に関する研究を対象に、PubMed、Web of Science、Scopus、IEEE Xplore、ACM Digital Library、arXivデータベースで包括的な検索を行い、混合系統的レビューを実施しました。研究の質は、Joanna Briggs Instituteの批判的評価チェックリストと混合方法評価ツールを用いて評価され、中程度または高品質の研究のみを含めました。定性的データはテーマ分析により、定量的結果は物語的に統合されました。
結 果：
11,888件の記録から22件（0.19%）の研究が選定基準を満たしました。すべての研究は2020年以降に発表され、主に高所得国からのものでした。選定された研究の大多数（82%）は定性的手法を採用し、説明可能性に関してはHCPが主に後処理の説明を強調しました。統合性に関する主要な懸念は、ワークフローの適応、電子健康記録とのシステム互換性、全体的な使いやすさでした。
結 論：
医療現場でのAIの広範な採用を促進するためには、HCPのニーズに基づいたシステム設計が必要です。後処理の説明可能性を向上させ、既存のワークフローへのシームレスな統合を確保することが、信頼構築と持続的な利用促進において重要です。提案された概念的フレームワークは、開発者、研究者、政策立案者がAIソリューションを現場のユーザー期待に合わせるための実用的なガイドとして機能します。