「AIが発達したら、医師は必要なくなるのか」 この問いを、医療者なら一度は考えたことがあるでしょう。答えは単純ではありませんが、腫瘍内科医・緩和ケア医という立場から考えると、少し違う景色が見えてきます。 筆者は地方病院で乳がんの診断と緩和ケアを担当しています。日々の業務でも生成AIを活用し始めている一人として、「代替されるもの」と「代替されないもの」が少しずつ見えてきた気がします。 AIが得意なこと——正直に認める まずAIが得意なことを認めるところから始めましょう。 標準治療の提示：ガイドラインに基づくレジメン選択・薬剤情報の整理 有害事象の予測：蓄積されたデータから副作用リスクを推定 画像・病理の補助診断：パターン認識における高い精度 文書業務：サマリー作成・退院時書類・紹介状の下書き 情報収集：最新の臨床試験・論文のまとめ 実際、こうした作業の一部をAIに任せると、かなりの時間を節約できます。 「AIに仕事を奪われる」というより、「AIが雑務を引き受けてくれる」というイメージが近い。その分、本来の仕事——患者と向き合うこと——に時間が使えます。 AIが苦手なこと——「正解が定義しきれない問い」 では、AIが苦手なこととは何か。 一言でいえば、**「正解が定義しきれない問い」**です。 AIが得意 AIが苦手 ガイドラインに則った判断 ガイドライン逸脱症例への対応 統計的な平均値の提示 目の前の患者の個別性への対応 テキスト・画像の処理 非言語コミュニケーション 一貫したアルゴリズムの実行 価値観が異なる人々の調整 標準的な乳がんの術後ホルモン療法を選択する場面なら、AIは非常に有能です。ガイドラインと患者背景を照合して、妥当な選択肢を提示することができる。 しかし、「高齢で認知機能が低下しつつある患者さんに、積極的な化学療法を続けるべきか」という問いはどうでしょう。 患者本人の以前の意思表示 家族の意向と相互のずれ 現在の苦痛の程度と予後の予測 主治医との長年の関係性 これらを総合して「その人にとっての正解」を探すのは、アルゴリズムでは処理できません。正解そのものが、その人の価値観によって変わるからです。 緩和ケアは「例外の連続」 標準治療のフェーズでも個別性は重要ですが、緩和ケアに移行すると、その個別性はさらに際立ちます。 緩和ケアとは、病気を治すのではなく、苦痛を和らげ、その人らしく生きることを支える医療です。 このフェーズで遭遇する問いは、ほぼ全てが「例外」です。 「痛み止めの量は十分なのに、苦しそうな表情が消えない。何が起きているのか」 「余命をどのタイミングで、誰が、どのように伝えるか」 「患者さんは自宅に帰りたいと言っている。しかし家族は病院での看取りを希望している」 「意思決定ができない状態になった患者さんに、何が最善か」 これらは全て、「教科書の正解」が存在しない問いです。蓄積されたエビデンスが参考になることはありますが、目の前の患者さんが生きてきた文脈は、過去のデータには存在しません。 緩和ケアは、正解のない問いに繰り返し向き合う仕事です。だからこそ「例外の連続」と言えます。 「構造としてのAI」と「実存としての医師」 AIを医療に取り込むとき、陥りやすい危険があります。それは、AIに「実存」を仮託してしまうことです。 「このAIが言うなら正しいだろう」「AIが判断してくれた」——こうした姿勢は、AIを単なるツールから「責任を持つ存在」に変えてしまいます。 しかし生成AIは、アルゴリズム・統計・最適化からなる**「構造」**の存在です。苦しみも責任も持たず、患者の人生に関わりません。 一方、医師は**「実存」**として患者と向き合います。患者の苦しみを前にして動揺し、家族の悲嘆に心を痛め、診断と治療の結果に責任を負います。 EBMやガイドラインとの向き合い方も同じです。エビデンスは「構造」であり、それをどう使うかの判断と責任は医師が引き受ける。AIとの関係も、本質的には変わりません。 AIリテラシーの本質は「使いこなす能力」というよりは、AIを最後まで「ツール」として扱い続ける能力だと思います。 将来の緩和ケア医・腫瘍内科医の姿 AIが普及した未来では、腫瘍内科医・緩和ケア医は「困難な意思決定を支援する伴走者」としての性格をさらに強めていくと考えます。 治療の情報収集・副作用管理・標準的な判断支援はAIが担い、医師は： 患者・家族と時間をかけて対話する 価値観の衝突を調整する 予測不能な事態への臨床判断をする 不確実性の中で「それでも決断する」ことを支える こうした役割は、標準化できません。 地方病院の緩和ケア外来では、患者さんと長年関係を築き、「先生に診てもらいたい」という信頼のもとに成り立つ医療があります。その信頼は、AIには代替できないものです。 若手医師へのメッセージ AI時代に医師を目指す方、あるいはキャリアの転換点にいる医師に伝えたいことがあります。 ① 専門領域を確立する AIが平均的な回答を提示するなら、医師はその平均から外れた個別ケースに対応できなければなりません。専門領域の深い知識は、AIとの「分業」を成り立たせる基盤です。 ② AIを批判的に使う力を身につける 専門外の領域でも、AIを使いながら一定水準で対応できる能力が求められます。「AIが言ったから正しい」ではなく、「AIの提案を批判的に検討して判断する」力です。 ③ 患者との対話を磨く デジタル化が進む医療において、「患者の言葉を引き出す」「沈黙に耐える」「感情に寄り添う」ことは、むしろ希少な能力になっていくかもしれません。 まとめ AIは標準的な判断・文書業務・情報収集を担い、医師が本来の仕事に集中できる時間を生む 緩和ケアは「正解が定義しきれない問い」の連続——AIが最も苦手とする領域 AIは「構造」であり、責任を持つ「実存」ではない。最終的な責任を引き受けるのは医師 将来の緩和ケア医・腫瘍内科医は「困難な意思決定を支援する伴走者」へ AIリテラシーの本質は、AIを最後まで「ツール」として扱い続ける能力 「AIに仕事を奪われるかどうか」よりも、「AIと組んでより良い医療ができるか」を考える方が、ずっと建設的だと思っています。 ...

がん遺伝子パネル検査（CGP検査）が保険適用となり、臨床現場での活用が広がっています。しかし、その結果を解釈・評価するエキスパートパネル（EP）の運営には、依然として大きな人的リソースが必要です。 2026年5月、札幌医科大学のグループが、AIを用いてこのプロセスを支援するシステム「VarporterAIシステム」を発表しました。 地方病院で働く医師として、このシステムが何を解決しようとしているのか、臨床的な意義を整理してみます。 エキスパートパネルの現実的な課題 CGP検査の結果を臨床に活かすには、エキスパートパネルによる評価が必須です。 EPでは、腫瘍内科医・外科医・病理医・遺伝専門医・薬剤師・バイオインフォマティシャンなど、多職種の専門家が集まり、それぞれの変異の病原性・治療標的としての意義・臨床試験への適合性などを議論します。 現実的な問題： 週1回程度の開催で、準備に膨大な時間がかかる 変異ごとに最新のガイドライン・臨床試験情報を手動で収集する必要がある 地方病院では多職種を常時集めること自体が難しい バイオインフォマティシャンが不在の施設が多い 特に地方では、CGP検査の体制整備が都市部に比べて遅れがちです。専門家が一堂に会することのハードルは、都市部よりも格段に高い。 Varporterとは Varporterは、もともとCGP検査のマニュアル解析作業を自動化するソフトウェアとして開発されました。 バリアント（遺伝子変異）の同定・分類・レポート作成といった定型業務を自動化することで、解析にかかる時間を大幅に短縮するシステムです。 今回発表されたVarporterAIシステムは、このVarporterにLLM（大規模言語モデル）ベースの機能を統合したものです。 VarporterAIの主な機能 RAG（検索拡張生成）による情報収集 通常の生成AIは、学習時点の情報しか持っていません。VarporterAIはRAG（Retrieval Augmented Generation）技術を採用し、最新のガイドライン・論文・臨床試験情報をリアルタイムで検索・参照した上で回答を生成します。 これにより、ハルシネーション（もっともらしい誤り）を抑制しつつ、常に最新のエビデンスに基づいた情報整理が可能になります。 HBOCへの対応 BRCA1/2などの病原性バリアントの評価に、ClinGen ENIGMAの分類基準を適用したAI支援機能が搭載されています。 乳がん領域では特に重要で、HBOCの診断・家族への影響・予防的介入の適応判断に直結します。 「バーポくん」——対話型バリアント支援 バリアント表記の正規化・ゲノム参照配列のバージョン変換などを、対話形式で実行できるAIチャットボットが実装されています。専門的な表記の違いに戸惑う場面を減らすことができます。 AIの役割を「要約・整理」に限定した設計思想 VarporterAIで注目すべきは、AIの役割を**「要約・整理」に限定**している点です。 AIが「この変異は病原性あり」と最終判断するのではなく、関連情報を整理・提示して、最終的な判断は専門家が行うという設計です。 これは前述の「生成AIリテラシーの本質」とも一致します。AIは「構造」として情報を処理し、責任ある判断は「実存」としての医師・専門家が引き受ける。 この設計思想が明確であることが、医療AIとして信頼できる要素の一つだと思います。 地方医療への示唆 地方病院でCGP検査を運用する立場から見ると、このシステムには二つの意義があります。 ①専門家の事前準備の負担を減らす EPの前に各メンバーが個別に文献を検索・整理する時間が大幅に短縮されれば、限られた人員でも質の高いパネルを維持しやすくなります。 ②専門家不在の施設への支援 バイオインフォマティシャンや遺伝専門医が常駐していない施設でも、AIが基本的な情報整理を担うことで、CGP検査の利用可能な施設が広がる可能性があります。 ただし、AIはあくまで「補助」であり、最終的な判断に必要な専門的知識の代替にはなりません。 今後の課題 VarporterAIはまだ発展段階のシステムです。実臨床への本格的な導入には、以下の検証が必要です。 実際のEPでの使用で判断精度・効率がどう変わるか どのケースでAI支援が有効で、どのケースで人間の判断が不可欠か セキュリティ・個人情報保護の観点からのクラウド運用の整備 まとめ CGP検査のエキスパートパネル運営には、大きな人的リソースが必要——特に地方では深刻 VarporterAIは、RAGとLLMを活用してEPの情報収集・整理を支援するシステム AIの役割を「要約・整理」に限定し、最終判断は専門家が行うという設計 BRCA1/2などHBOCの病原性評価にも対応 地方病院でのCGP検査体制の底上げに貢献できる可能性がある がんゲノム医療の恩恵を、都市部だけでなく地方にも届けるために、AIはどんな役割を果たせるか。今後も注目していきたいテーマです。 関連記事 生成AIリテラシーの本質——「使いこなす能力」より大切なこと AIに代替されない緩和ケア医——「例外の連続」という仕事の本質 HBOCと2026年保険改定——乳がん遺伝子検査が変わった 参考 札幌医科大学グループによるVarporterAIシステムに関する発表（2026年5月）をもとに、筆者の臨床的観点を加えてまとめたものです。 ClinGen ENIGMA分類基準（BRCA1/2バリアント評価） 筆者：田舎の県庁所在地に住む医師。外科学会専門医・乳癌学会認定医。現在は乳がんの検診・診断と緩和ケアを専門に担当。医師になって20年。

「生成AIを使いこなせる医師が生き残る」 こういう言葉を、最近よく目にします。確かにAIは便利で、文書作成・情報収集・要約といった作業を大幅に効率化してくれます。 しかし「使いこなす能力」だけに注目すると、見落とすことがあります。 生成AIリテラシーの本質は、AIを最後まで『ツール』として扱い続ける能力にある——そう考えるようになりました。 AIは「構造」の存在 生成AIは、アルゴリズム・統計・最適化の集合体です。 大量のデータからパターンを学び、確率的に「もっともらしい出力」を生成する——それが生成AIの正体です。苦しみも喜びも持たず、責任も負わず、患者の人生に関わることもありません。 これを「構造」と呼ぶことにします。 一方で、医師は患者と向き合う「実存」です。診断が間違えば患者さんに不利益が生じ、その責任を引き受けるのは医師です。患者の苦しみを前にして動揺し、家族の悲嘆に心を痛める——この「実存としての医師」の部分は、AIには代替できません。 陥りやすい罠——AIへの「実存の仮託」 生成AIを使っていると、あることが起きやすくなります。 「このAIが言うなら正しいだろう」という感覚です。 高精度の出力が続くと、AIの回答を批判的に検討せずに受け入れるようになります。「AIが判断してくれた」「AIが推奨した」という意識が生まれると、AIはもはやツールではなく「責任を持つ存在」に変わっています。 しかしAIは責任を取れません。誤った情報を自信満々に出力する（ハルシネーション）こともあります。最終的な判断と責任は、常に人間の側にあります。 EBMとの類比 「構造を使いつつ、責任は人間が引き受ける」という構図は、医療においてすでになじみのあるものです。 EBM（根拠に基づく医療） がそれです。 ガイドラインやランダム化比較試験のエビデンスは、「構造」として医師の判断を支えます。しかし目の前の患者さんへの適用は、ガイドラインが自動的に決めてくれるわけではない。患者の価値観・合併症・生活背景を総合して、最終的な判断をするのは医師です。 生成AIとの関係も、本質的には同じです。 AIをエビデンスと同じように扱う——参考にするが、鵜呑みにしない。批判的に検討して、責任は引き受ける。これがAI時代のEBMとも言えます。 実際に使って気づいたこと 筆者自身、文書作成・情報整理・アイデア出しにAIを日常的に使っています。 使い続けて気づくのは、AIが「もっともらしい誤り」を生成することがあるという点です。一見正確に見えるが事実と違う、あるいは最新の医学情報が反映されていない——こうした出力は、専門知識がなければ見抜けません。 逆に言えば、専門知識があるからこそAIを安全に使えるのです。 「AIが何でも答えてくれるなら、専門性は不要では？」という発想は、ここで逆転します。AIの出力を批判的に評価できるのは、その分野の専門家だけです。 AIリテラシーの3層構造 「AIを使いこなす」を細かく分解すると、3つの層があると思っています。 層 内容 操作層 プロンプトを書く・ツールを選ぶ・出力を整理する 批判層 出力の正誤を判断する・ハルシネーションに気づく 判断層 AIの提案を踏まえて、最終的に人間が決断する 多くの「AI活用術」は操作層の話です。しかし医療において重要なのは、批判層と判断層です。この2つは、専門知識と臨床経験がなければ機能しません。 まとめ 生成AIは「構造」——責任を持たない。責任を引き受けるのは医師 AIへの「実存の仮託」が最大の危険。「AIが言ったから正しい」は成り立たない EBMと同じ構図：参考にするが鵜呑みにしない、批判的に検討して責任は人間が持つ AIリテラシーの本質は「使いこなす能力」ではなく、AIを最後まで『ツール』として扱い続ける能力 専門知識はAI時代に不要にならない。AIの出力を正しく評価するために必要になる 「AIに仕事を任せる」と「AIに仕事を奪われる」は、紙一重かもしれません。その境界線は、判断と責任を手放すかどうかにあります。 関連記事 AIに代替されない緩和ケア医——「例外の連続」という仕事の本質 参考 本記事は、医師向け媒体における生成AIリテラシーに関する議論をもとに、筆者の実用経験を加えてまとめたものです。 筆者：田舎の県庁所在地に住む医師。外科学会専門医・乳癌学会認定医。現在は乳がんの検診・診断と緩和ケアを専門に担当。医師になって20年。

緩和ケアに関わる機会が増えるなか、オピオイドの使い分けとスイッチングは避けて通れない臨床スキルです。 本稿では、国内で使用可能な医療用オピオイドの種類と特徴を整理し、スイッチング（オピオイドローテーション）の適応・計算方法・実臨床のポイントをまとめます。緩和ケア専従ではない乳腺外科・外科・内科の医師が、外来・病棟でオピオイドを扱う際の実務的な参考としてください。 注記：本稿は一般的な解説です。個別症例の対応は専門家へのコンサルトを組み合わせてください。 1. WHOの除痛ラダー——歴史的意義と現在の限界 WHO三段階除痛ラダー（1986年初版、2018年改訂）は、がん疼痛管理の普及に歴史的な貢献をした概念です。 ステップ 疼痛強度 薬剤 Step 1 軽度 非オピオイド（NSAIDs・アセトアミノフェン）± 鎮痛補助薬 Step 2 中等度 弱オピオイド ± 非オピオイド ± 鎮痛補助薬 Step 3 強度 強オピオイド ± 非オピオイド ± 鎮痛補助薬 しかし現在の緩和ケア臨床ではラダーの重要性は相対的に低下しています。主な批判点は以下のとおりです。 Step 2（弱オピオイド）の有用性に乏しい：コデインやトラマドールを経由する臨床的メリットは限られており、強オピオイドの少量（例：経口モルヒネ5〜10mg/日相当）から直接開始することも多い 「段階を踏む」ことが治療の遅れにつながる：中等度の痛みでも予後や状況によっては、Step 2を省略して強オピオイドを選ぶほうが患者のQOLに資する 個別化の時代に馴染まない：腎機能・肝機能・神経障害性疼痛の有無・予後など個別因子のほうが薬剤選択に大きく影響する 実臨床の指針：ラダーを「概念の地図」として使いながらも、実際の薬剤選択は疼痛の強さ・性状・患者の全身状態・予後・副作用リスクを総合して個別に判断する。Step 2は必須の通過点ではない。 2. オピオイドの種類と特徴 ■ 弱オピオイド（Step 2） コデイン（リン酸コデイン） 作用機序：体内でモルヒネに変換されて作用（プロドラッグ） 換算：経口コデイン 180mg ≈ 経口モルヒネ 30mg（換算比 6:1） 特徴：咳嗽抑制作用も持つ。CYP2D6の代謝多型により効果に個人差が大きい 注意：CYP2D6の超高代謝型（UM型）では過剰なモルヒネ変換→毒性リスク。腎機能障害では活性代謝物蓄積 トラマドール（トラマール、ワントラム他） 作用機序：μオピオイド受容体への弱い作動作用 ＋ セロトニン・ノルエピネフリン再取り込み阻害（SNRI様） 換算：経口トラマドール 100〜150mg ≈ 経口モルヒネ 10〜20mg（個人差が大きく換算は参考値） 特徴：麻薬指定なし。神経障害性疼痛にも有効成分を持つ 注意：SSRIやSNRIとの併用でセロトニン症候群リスク。痙攣閾値低下。腎機能障害では減量 ■ 強オピオイド（Step 3） モルヒネ（MSコンチン、モルペス、アンペック坐剤他） 換算基準薬：経口モルヒネを基準（1.0倍）として他剤を換算する 剤形：経口徐放錠・速放散・坐剤・注射 特徴：最も歴史が長く、WHO推奨の標準薬。腸管蠕動抑制作用が強い 注意：活性代謝物（M6G）が腎排泄。腎機能障害（eGFR<30）では蓄積→過剰鎮静・呼吸抑制。腎機能低下例では他剤へのスイッチングを検討 呼吸困難への適応：少量モルヒネは呼吸困難に対するエビデンスが最も強い オキシコドン（オキシコンチン、オキノーム他） 換算：経口オキシコドン 20mg ≈ 経口モルヒネ 30mg（換算比 2:3） 剤形：経口徐放錠・速放散・注射 特徴：モルヒネより悪心・嘔吐がやや少ないとされる（個人差あり） 注意：CYP3A4・CYP2D6代謝。肝機能障害では血中濃度上昇。活性代謝物（オキシモルフォン）は腎排泄 フェンタニル（デュロテップMTパッチ、ワンデュロパッチ、フェントス他） 換算：経口モルヒネ 30mg/日 ≈ フェンタニル貼付剤 12.5μg/h（0.3mg/日） ワンデュロパッチ1mg ≈ 経口モルヒネ 60mg/日相当 デュロテップMTパッチ2.1mg（25μg/h）≈ 経口モルヒネ 60mg/日相当 フェンタニル貼付剤 放出速度 経口モルヒネ換算/日 ワンデュロパッチ 0.5mg 約6.25μg/h 約15mg ワンデュロパッチ 1mg 約12.5μg/h 約30mg ワンデュロパッチ 2mg 約25μg/h 約60mg ワンデュロパッチ 4mg 約50μg/h 約120mg ワンデュロパッチ 6mg 約75μg/h 約180mg ワンデュロパッチ 8mg 約100μg/h 約240mg 特徴：貼付剤が主流。内服困難例・悪心が強い例に有利。腎機能障害でも比較的安全（腎排泄の活性代謝物が少ない） 注意：発熱・電気毛布・カイロ等で吸収増加→過量リスク。貼付部位の皮膚状態に注意。速放性の口腔粘膜吸収製剤（フェントス等）はオピオイド既使用者のレスキューに限定 ヒドロモルフォン（ナルサス、ナルラピド） 換算：経口ヒドロモルフォン 6mg ≈ 経口モルヒネ 30mg（換算比 1:5） 剤形：経口徐放錠（ナルサス）・速放錠（ナルラピド）・注射 特徴：2017年に国内承認。モルヒネより高力価（5〜7倍）で少量での投与が可能。腎機能障害でも比較的安全 注意：国内の使用歴が他剤より短く、臨床的経験の蓄積がやや少ない タペンタドール（タペンタ） 換算：タペンタドール 100mg ≈ 経口モルヒネ 30〜40mg（換算比は確立されておらず注意が必要） 剤形：経口徐放錠のみ（注射なし） 作用機序：μオピオイド受容体作動 ＋ ノルエピネフリン再取り込み阻害（MOR-NRI） 特徴：神経障害性疼痛を合併した体性痛・内臓痛に期待。悪心・便秘がやや少ないとされる 注意：経口製剤のみ（内服不可能な場合は使用不可）。SSRIとの併用注意 3. オピオイドの経口換算表（経口モルヒネ基準） 薬剤 経口換算比（対経口モルヒネ） 経口モルヒネ30mg相当量 経口モルヒネ 1.0 30mg 経口コデイン 1/6（0.167） 180mg 経口トラマドール 1/5〜1/10（参考値） 150〜300mg（参考値） 経口オキシコドン 1.5 20mg 経口ヒドロモルフォン 5 6mg 経口タペンタドール 不確実（約0.75〜1.0） 約30〜40mg（参考値） フェンタニル貼付剤 — 12.5μg/h（ワンデュロ1mg） 投与経路変換（モルヒネ基準）： ...