レントゲンを含むDICOMデータの読み取りからAIが診断補助｜導入の論点と人件費の試算

レントゲンをはじめとするDICOMデータの読み取りから、AIが診断を補助する時代になりました。胸部X線、CT、MRI、内視鏡、病理画像。それぞれの領域で、病変の候補を検出してマーキングするソフトウェアがプログラム医療機器（SaMD）としてPMDAの承認を受け、実際の診療現場で稼働しています。胸部X線の分野では、2024年12月時点で国内700以上の医療機関に導入されている製品も出ています。

ただし、ここで最初に確認しておきたいことがあります。AIは診断しません。診断を補助します。この違いは言葉遊びではなく、日本の制度上の位置づけそのものです。診断や治療の最終判断は医師が担う——この前提を外した導入計画は、法令面でも運用面でも成立しません。

私たち株式会社HUMEDITは、グループで11院・多科目のクリニック運営に関わりながら、医療機関向けのシステム開発とIT支援を行っています。この記事では、DICOMデータを起点にしたAI診断補助について、仕組み・効果・導入の論点・人件費の試算までを、判断材料として使える形で整理します。

⚠️ 本記事は2026年8月時点の公開情報にもとづく整理です。プログラム医療機器の承認状況・保険適用の可否は個別の製品ごとに異なり、時期によって変わります。導入検討にあたっては必ず各製品の添付文書と最新の承認情報をご確認ください。特定の製品の推奨を目的とした記事ではありません。

この記事でわかること

• 「AIが診断する」と「AIが診断を補助する」の制度上の違い
• DICOMとは何か。なぜそこが起点になるのか
• AIが画像の何を見ているのか。対応するモダリティ別の状況
• 検出率がどれだけ上がるのかという実際のデータ
• 承認機器と非医療機器の見分け方、保険適用の考え方
• 人件費が年間いくら減るのか（読影時間・遠隔読影費との比較）
• 導入チェックリスト22項目

「AIが診断する」のではなく「AIが診断を補助する」

制度上の位置づけ

日本の現行制度では、医療AIは医師の判断を支援する位置づけが基本であり、診断や治療の最終判断は医師など医療従事者が担うとされています。AIが出した結果をそのまま診断名として患者に伝える運用は想定されていません。

画像診断支援ソフトウェアの多くはプログラム医療機器（SaMD：Software as a Medical Device）として規制されます。厚生労働省は2020年11月に「プログラム医療機器実用化促進パッケージ戦略（DASH for SaMD）」を公表し、2021年4月には厚労省にプログラム医療機器審査管理室、PMDAにプログラム医療機器審査室が設置されました。審査の体制そのものが整備されてきた領域です。

この位置づけが実務に与える影響

3行目は特に重要です。AIが見落としても、責任が移転することはありません。導入によって責任分界が変わるわけではない、という理解から出発してください。

DICOMとは何か｜なぜそこが起点なのか

医用画像の標準フォーマット

DICOM（ダイコム／Digital Imaging and Communications in Medicine）は、医用画像とその付帯情報を扱うための国際標準規格です。単なる画像ファイル形式ではなく、画像そのもの＋撮影条件＋患者情報＋検査情報が一体になっている点が特徴です。

この付帯情報があるからこそ、AIは「いつ・誰の・どこを・どう撮った画像か」を理解したうえで解析できます。JPEGに書き出した画像を渡すのとは、精度がまったく違います。

DICOM化されていないと、そもそも始まらない

実務でつまずくのがここです。遠隔読影やAI解析にデータを送るには、画像を医療標準フォーマットであるDICOM形式に変換して送信する必要があり、DICOM化されていないデータはシステム上で扱えません。

古い装置を使っている、あるいはフィルム運用が残っている医療機関では、AI導入の前段としてDICOM化の工程が必要になることがあります。ここを見積もりに入れずに計画すると、導入時期が大幅にずれます。

PACSとの関係

PACS（画像保存通信システム）は、DICOM画像を保存・配信するシステムです。AI診断補助は、多くの場合このPACSと連携して動きます。典型的な流れは次のとおりです。

1. 撮影装置（モダリティ）がDICOM画像を生成する
2. 画像がPACSに送られる
3. PACSからAI解析エンジンへ自動的に転送される
4. AIが解析し、病変候補をマーキングした結果を返す
5. 医師が読影端末で、元画像とAIの結果を並べて確認する

重要なのは3番が自動であることです。医師が手動でAIに投げる運用にすると、忙しい日には使われなくなります。撮ったら勝手に解析されている状態を作れるかどうかが、定着の分かれ目です。

AIは画像の何を見ているのか

画像診断支援は、医療AIの中で実用化が比較的早く進んだ領域です。胸部X線・CT・MRI・内視鏡・病理画像といったデータから病変の特徴を抽出するソフトウェアが、承認されたプログラム医療機器として複数公表されています。

主な機能の型

クリニック規模でまず効果が出るのは検出と比較です。優先度付けは、未読影が積み上がる規模の施設で意味を持ちます。

モダリティ別の状況

最初の一歩としては、胸部単純X線から入るのが定石です。撮影件数が多く、読影の負荷が日常的に発生していて、効果を測りやすいためです。

実際にどれだけ効果があるのか

検出率のデータ

胸部X線のAI読影支援については、次のような報告があります。医師が単独で読影した場合と比べ、AIを併用した場合にはがんの検出率が、放射線科専門医で9.95％、非専門医では13.1％上昇したとされています。

この数字の読み方が重要です。

• 専門医でも上がる。熟練の問題ではなく、人間の注意力の構造的な限界を補っている
• 非専門医のほうが上昇幅が大きい。専門医が常駐していない施設ほど、恩恵が大きい
• 「AIが人より優れている」という話ではない。人＋AIが、人単独を上回るという話

2つ目は、クリニックや検診施設にとって決定的です。放射線科専門医を常勤で雇用できない施設が、読影精度を底上げする手段になりうるということだからです。

読影時間への影響

解析自体は数十秒で自動的に完了します。ただし「読影時間が半分になる」といった単純な話にはなりません。実際には次のように分かれます。

総体としては短縮方向に働きますが、時間短縮そのものより「同じ時間で精度が上がる」効果のほうが本質です。人件費の試算をするときは、この点を踏まえて控えめに見積もることをおすすめします。

心理的負担の軽減

数値化しにくい効果ですが、現場では大きい要素です。「見落としていないか」という不安を抱えたまま読影を続ける負荷は、想像以上に消耗します。もう一つの目があるという状態は、確信度を上げ、精神的な負担を下げます。とくに一人で読影している医師にとっては、この効果が導入理由になることもあります。

導入で必ず論点になる5つ

1. 承認された医療機器か、そうでないか

最初に確認すべき点です。診断の補助を目的とするソフトウェアは、原則としてプログラム医療機器の承認・認証が必要です。一方で、画像の並べ替えや業務効率化のみを目的としたツールは医療機器に当たらない場合があります。

提案を受けたら、承認番号（または認証番号）と添付文書を必ず求めてください。「AI搭載」と書かれていても、診断補助として使えるかは別問題です。ここを確認せずに診療に使うのは避けるべきです。

2. 保険で算定できるのか

製品ごとに扱いが異なります。承認を受けていることと、診療報酬上の評価があることは別です。算定できない場合、コストは全額医療機関の負担になります。

ただし、算定できないから意味がないという話ではありません。後述する読影の人件費削減、遠隔読影費の圧縮、見落としリスクの低減で回収を考えるのが現実的です。

3. PACSと本当に繋がるか

カタログ上の「DICOM対応」と、自院のPACSで実際に動くことは同じではありません。確認すべきは次の点です。

• 自動転送の設定ができるか（手動運用は定着しない）
• 解析結果を既存の読影端末で見られるか。別画面を開く運用は嫌われる
• 解析結果をDICOMオブジェクトとしてPACSに書き戻せるか
• ネットワーク帯域が足りるか。CTの大量スライスを送ると詰まることがある
• 院内に置くのか、クラウドに送るのか

4. 偽陽性が読影医の負担になる

これは導入後に必ず出る不満です。AIが問題のない部分を指摘してくると、その確認に時間が取られます。指摘が多すぎると、医師は次第にマーキングを見なくなります。そうなると導入の意味がなくなります。

対策としては、検出の感度設定を調整できる製品を選ぶこと、そして導入初期に運用しながら閾値を合わせる期間を取ることです。「感度は高いほどよい」わけではありません。

5. 患者データをどこで処理するか

医用画像は要配慮個人情報を含みます。クラウド型を選ぶ場合は、保存場所（国内か国外か）、アクセス権限、通信の暗号化、学習への二次利用の有無を契約書で確認してください。とくに「入力された画像を製品改良の学習に使わない」旨が明記されているかは必ず確認すべき項目です。

人件費はどれだけ減るのか

時間単価の出し方

読影に関わる人件費は、社会保険料などの企業負担を含めた総額で計算します。

時間単価 ＝ 年収 × 1.25（法定福利費等の企業負担）÷ 年間実労働時間1,900時間

医師の時間は1分あたり約150円です。読影時間の削減を分単位で積み上げると、想像より大きな金額になります。

読影時間の削減による人件費効果

ここでは胸部単純X線1件あたり、読影・比較・確認にかかる時間が平均で1分短縮するという控えめな前提で計算します（前述のとおり、症例によっては延びるため平均で見ます）。

健診・検診領域で効果が突出するのは、短時間に大量の正常画像を読む業務だからです。「異常なし」の確認が速くなる効果が、そのまま件数に比例します。巡回健診のように読影がボトルネックになる業務では、投資回収が早くなります。

遠隔読影の外注費との比較

読影を外部委託している場合は、別の計算になります。AI併用によって外注に回す件数を絞り込めるなら、その差額が効果です。

ただしこれは慎重に判断すべき項目です。外注を減らすことが精度低下につながっては本末転倒です。AIはあくまで補助であり、専門医の読影を置き換えるものではありません。外注削減を導入の主目的にするのは推奨しません。

技師・事務側の工数削減

見落とされがちですが、ここも人件費です。

技師の時間単価2,960円で、月20時間の削減なら年間約71万円です。医師の削減効果と合算して評価してください。

金額に表れない、しかし最大の効果

ここまで人件費を計算してきましたが、この領域の本当の価値は見落としの抑制です。

1件の重大な見落としが起きたときに失われるものを考えてみてください。患者の予後、訴訟対応の費用と時間、地域での信用、当事者となった医師の負担。これらはいずれも、年間数百万円の人件費削減とは比較にならない規模になります。

稟議では人件費で説明せざるを得ない場面が多いと思いますが、導入判断そのものは「精度への投資」として行うべきだと考えています。

導入コスト側の項目

AIに任せてはいけないこと

• 最終診断。AIの出力は所見の候補であって診断名ではない
• 読影の省略。AIが陰性でも医師は確認する。ここを崩すと制度上も成立しない
• 患者への説明。「AIがこう言っています」は説明になっていない
• 撮影条件の判断。追加撮影や別モダリティの要否は医師が決める
• 緊急度の最終判断。優先度付けは補助であり、臨床判断の代替ではない

院内ルールとして、「AIの結果をカルテにどう記載するか」を最初に決めておくことをおすすめします。AIの指摘を記載するのか、しないのか。指摘があったが所見なしと判断した場合にどう書くか。ここを曖昧にしたまま運用を始めると、後から記録の整合が取れなくなります。

導入チェックリスト22項目

12番と13番は必須です。ここが提示されない製品を診断補助として使うべきではありません。また22番も見落とされがちで、AIが止まったときに読影業務が止まってしまう設計になっていないかを確認してください。

よくある質問

Q. AIを入れれば読影医は不要になりますか

なりません。制度上も、AIは医師の判断を支援する位置づけです。実務上も、AIの指摘が正しいかを判断できるのは医師だけです。変わるのは「読影医が要るかどうか」ではなく、読影医が何に時間を使うかです。

Q. 小規模なクリニックでも導入する意味はありますか

むしろ効果が出やすい面があります。放射線科専門医が常駐していない施設では、非専門医の検出率が上がる効果が大きいためです。一方で件数が少ないと費用対効果が合わないことがあるので、件数課金か定額かの料金体系はよく確認してください。

Q. AIが見落とした場合、誰の責任になりますか

診断の責任は医師と医療機関にあります。AI導入によって責任分界が変わることはありません。だからこそ、AIの陰性を理由に読影を省略しない運用が重要になります。

Q. 導入してどのくらいで効果が出ますか

精度面の効果は初日から出ます。一方で時間短縮の効果は、閾値調整と運用の慣れが済んでからで、導入直後はむしろ読影時間が延びることがあります。この時間差を院内で共有しておかないと、初月の評価で否定的な結論が出てしまいます。

Q. 既存のPACSを入れ替える必要がありますか

必ずしも必要ありません。DICOM標準で連携できる構成であれば、既存PACSを維持したままAI解析を追加できる場合が多いです。ただし古いPACSでは自動転送の設定に制約が出ることがあるため、事前の接続確認は必須です。

まとめ

• AIは診断せず、診断を補助する。最終判断は医師が担うのが制度上の前提
• DICOM化が出発点。DICOM形式でなければ解析にも遠隔読影にも乗らない
• PACSからの自動転送が定着の条件。手動運用は使われなくなる
• 検出率は専門医で約10％、非専門医で約13％向上という報告がある。専門医が常駐しない施設ほど恩恵が大きい
• 承認番号と添付文書の確認は必須。「AI搭載」と診断補助に使えることは別
• 人件費は健診センター規模で年間1,000万円超の削減余地。ただし本質は精度への投資
• 偽陽性の設計を誤ると、医師がマーキングを見なくなる

画像診断AIは、医療AIのなかで最も実用化が進んだ領域です。導入するかどうかではなく、どう組み込むかを考える段階に入っています。そして組み込み方の巧拙——PACS連携が自動か手動か、閾値が現場に合っているか、カルテ記載のルールがあるか——で、成果は大きく変わります。

株式会社HUMEDITは、グループで11院・多科目のクリニック運営に関わりながら、医療機関向けのシステム開発とIT支援を行っています。DICOM・PACSまわりの構成整理、AI診断補助の導入検討、既存システムとの連携についてのご相談は、お問い合わせフォームよりお気軽にお寄せください。

関連ページ：医療IT事業について／医療事業について

参考：医療機器プログラム（SaMD）の審査ポイント（PMDA）