放射線専門家がAIシステムを信頼する条件とは？スウェーデンでの調査結果

解説対象論文: Radiologists’ Trust in AI-Based Systems
Journal of Imaging Informatics in Medicine｜被引用数: 0（2026年9月13日時点）

人工知能（AI）は、医療画像診断の分野でその存在感を増しています。しかし、その導入が真に成功するかどうかは、技術的な性能だけでなく、実際にAIを使用する放射線専門家がどれだけシステムを信頼できるかにかかっています。本記事では、スウェーデンの放射線専門家を対象に行われた最新の調査結果に基づき、AIに対する専門家の認識、信頼の要因、そして今後の課題について深掘りします。

Feasible実施可能性	スウェーデン国内の放射線専門家57名を対象としたオンライン横断調査として実施可能である。
Ethical倫理面	AI導入における倫理的課題（責任帰属、透明性、バイアス）を明確化し、信頼ある利用の枠組み構築の重要性を示す。
Interesting面白さ	放射線専門家のAIに対する意識、信頼の要因、懸念を包括的に明らかにする点で興味深い。
Novel新規性	放射線専門家のAIへの信頼を専門的経験として掘り下げ、多角的な要因を検討した点が新しい。
Relevant切実さ	臨床現場でのAIの普及と、それに伴う専門家の信頼醸成は、安全かつ効果的なAI活用に不可欠な課題であり、関連性が高い。
Measurable測定可能性	回答は記述統計で定量分析され、自由記述は帰納的に質的分析が行われる。
Modifiable派生・改善	信頼構築には、専門家へのAI教育、責任の明確化、透明性の確保など改善可能な点が多数提示されている。
Structured文章構造	AI知識・トレーニング、態度、責任、情報・透明性、評価・リスク、専門性発展、機能的信頼の8つのテーマで構成されている。
PICO / PECO対象・介入・比較・結果	P(スウェーデンの放射線専門家), I(AI支援システム), C(既存の診断方法), O(AIに対する信頼度、認識、責任帰属、課題)。

AI時代における放射線専門家の「信頼」の深掘り

どうも、Beyond the Pixelです。人工知能（AI）は、医療画像診断の分野でその存在感を日増しに強めており、画像解釈の支援、ワークフローの最適化、診断決定の補助など、多岐にわたる用途で導入が進んでいます。しかし、AI技術が臨床現場で真に成功するかどうかは、単にその技術的な性能だけでなく、実際にAIを使用する放射線専門家がどれだけシステムを信頼できるかに大きく依存します。本記事では、スウェーデンの現役放射線専門家を対象に行われた最新の調査結果（Hussainら, 2026）に基づき、AIに対する専門家の認識、信頼の要因、そして今後の課題について深掘りし、AIと専門家の協調関係を築くためのヒントを探ります。

調査の概要：スウェーデンの放射線専門家57名への問い

この研究の目的は、放射線専門家が臨床現場でAIをどのように認識し、その認識がAI支援診断における信頼とどう関連しているかを調査することでした。スウェーデンで実務を行う放射線専門家57名を対象に、オンラインでの横断調査が実施されました。調査票は、AIの知識とトレーニング、AIに対する態度、責任帰属、情報と透明性、評価とリスク認識、専門性の発展、AIシステム機能への信頼という8つのテーマで構成されています。

収集されたデータは記述統計を用いて定量的に分析され、自由記述形式の回答は帰納的分析によって質的に分析されました。参加した専門家は、経験レベルや臨床現場が多岐にわたり、レジデント（研修医）、専門医/顧問医、上級顧問医など様々な役割の専門家が含まれていました。

本表は、本研究に参加した放射線専門家の人口統計学的特性を示しています。年齢、性別、経験年数、現在の役職、専門分野、年間レビュー症例数、勤務する医療施設など、多様な情報がまとめられています。例えば、年齢層では30〜39歳が40%を占め最も多く、経験年数では20年以上が30%、現在の役職では上級顧問医が44%と多数を占めています。年間レビュー症例数は2000〜4999件が58%と最も多く、ほとんどの参加者が公立病院（72%）に勤務していました。

AIに対する「期待」と「現実」：知識、トレーニング、そして信頼

調査結果からは、AIに対する放射線専門家の「期待」と「現実」の間にギャップがあることが明らかになりました。大半の専門家はAIに対し全体的に肯定的な態度を示しており、56%が「肯定的」、12%が「非常に肯定的」と回答しています。AIシステム全般（Q14）およびAI支援診断（Q16）に対しても、「中程度」から「高い」信頼を表明しています。

本図は、放射線専門家がAI技術に対して抱く態度を自己評価した結果を示しています。AI技術に対する全体的な態度、AIツールへの信頼度、AI使用に伴うリスクの認識、AI支援評価への信頼、そしてAIシステム評価への過度な依存のリスク認識が、それぞれ質問（Q13-Q17）として提示されています。多くの回答者がAIに対して肯定的でありながらも、リスク認識の高さが伺えます。

しかし、日常の臨床診療におけるAIの利用は限定的で、約4分の3の専門家が「全くない」（26%）または「低い」（47%）と回答しています。また、放射線専門家養成教育における正式なAIトレーニングも「全くない」が約半数（49%）、「ごくわずか」が40%に上り、広く普及しているとは言えません。

本図は、放射線専門家が自己申告するAIの知識とトレーニングの状況、AI教育の重要性に対する認識、およびAIツールに対する信頼度を示しています。具体的には、AIの日常使用状況、正式なAIトレーニングの有無、AI教育の重要性、そしてAI搭載ツールへの信頼度がそれぞれ質問（Q9-Q12）として提示されています。日常的なAI使用と正式なトレーニングが限定的である一方で、AI教育の重要性は高く認識されています。

一方で、AI教育の重要性については強く支持されており、65%が「重要」または「非常に重要」と回答しています。これは、AIが現代の放射線診断実践において不可欠な能力になりつつあるという認識を反映しています。信頼は主に、診断の正確性、実証的検証、透明性、責任、そして継続的な人間の監視に結びついていました。懸念は、データ代表性、複雑な症例でのシステムの堅牢性、AIへの過度な依存、そして不十分な透明性に集中しています。

責任の所在：AI時代における新たな問い

AI支援放射線診断における責任は、主に人間関係者に帰属すると認識されていることが示されました。調査結果によると、AI開発者（46%が「非常に高い責任」）が最も責任を負うべきとされ、次いで放射線専門家自身（40%が「非常に高い責任」）、医療組織（40%が「高い責任」または「非常に高い責任」）が続きました。対照的に、AIシステム自体に責任を負わせる意見は少数派であり、46%が「責任なし」と回答しています。

本図は、AI支援放射線診断ツールによる評価における、さまざまな関係者の責任に対する参加者の認識を示しています。放射線専門家、医療提供組織、AIシステム開発者、AIシステム自体がそれぞれどの程度の責任を負うと認識されているかが質問（Q18a-Q18d）として提示されています。AIシステム自体よりも、人間関係者、特にAI開発者に高い責任が帰属していることが分かります。

この責任帰属のパターンは、一部の先行研究とは異なる点です。先行研究では放射線専門家が主要な責任者と認識されるケースもありましたが、本研究ではAIシステムの設計、開発、検証を行うAI開発者により強い責任が置かれていることが示唆されます。同時に、臨床判断と最終決定は専門家が行うという専門職の規範から、放射線専門家も依然として大きな責任を負うと見なされています。

AIが臨床業務に深く組み込まれるにつれて、誰が何の責任を負うのかを明確にすることが、専門家の信頼を維持し、曖昧な状況での説明責任を確保するために非常に重要となります。

透明性への強い要求：AIを「ブラックボックス」にしないために

放射線専門家は、AI支援放射線診断において、開発から運用後の更新に至るまで、AIのライフサイクル全体にわたる透明性を強く求めています。これは、AIを信頼するための重要な条件と見なされています。

本図は、AIの情報と透明性に対する参加者の認識を示しています。AIツールの基盤となるコードやアルゴリズム、AI生成リスクスコアに影響を与える画像特徴とそのメカニズム、AI開発に関わる能力、臨床導入後の継続的なトレーニングについて知りたい程度が、それぞれ質問（Q19-Q23）として提示されています。全体的に、透明性への強い要求が見て取れます。

特に、AIが生成するリスクスコアに影響を与える画像特徴や、それらの特徴がリスクスコアをどのように増減させるかについて、95%の専門家が「中程度から極めて高い関心」を表明しています。これは、臨床推論と意思決定をサポートする上で、説明可能性が中心的な役割を果たすことを反映しています。

基盤となるコードやアルゴリズムへの関心も高い（55%が「中程度から極めて高い関心」）ものの、専門家はソースコードへの無制限なアクセスよりも、臨床使用をサポートする分かりやすい情報や説明を優先しています。さらに、AIツールの開発能力や、臨床導入後の継続的なトレーニング、更新に関する透明性（90%が「中程度から極めて高い関心」）も重要視されており、信頼が技術的側面だけでなく、システムの背後にある人々やプロセスへの知識にも基づいていることが示唆されています。

AIの評価とリスク認識：専門家の懸念

放射線専門家は、AIシステムの評価能力について中程度の自信を持っている一方で、関連するリスクについて顕著な懸念を抱いていることが明らかになりました。AI搭載放射線診断ツールの精度を評価する自己能力について、「中程度」と答えた専門家が33%、「非常に有能」が37%を占めています。

本図は、参加者のAI評価能力とリスク認識を示しています。AI搭載放射線診断ツールの精度を評価する自己能力、訓練データの人口統計学的代表性に関するリスク、特定の高リスク群や症例におけるAI支援システムの性能低下リスクが、それぞれ質問（Q24-Q26）として提示されています。専門家の評価能力への自信と、リスク認識の高さが対照的です。

しかし、AI関連のリスクについては強い懸念が示されており、多くの専門家が「中程度」から「非常に高い」リスクが存在すると感じています。特に、訓練データの人口統計学的代表性に関するリスク（60%が「中程度から非常に高い」リスク）や、特定の高リスク群や症例におけるAI支援ツールの性能低下（72%が「中程度から非常に高い」リスク）が懸念されています。また、AIへの過度な依存に対する懸念も広く見られ、40%が「高い」、33%が「中程度」のリスクを認識しています。これは、専門家が自動化バイアスや、専門家自身の判断能力が低下する可能性を危惧していることを示しています。

専門性の進化とAI：未来の放射線専門家像

放射線専門家は、AIを専門職の変化の推進力と広く捉えており、特に役割と実践の進化に注目しています。AIの導入によって自身の役割に「高い」または「非常に高い」変化を予想する専門家が42%に上り、さらに49%が「中程度」の変化を期待しています。AI支援ツールは、以前の技術とは「高度に異なる」または「非常に高度に異なる」と72%が認識しています。

本図は、専門職の発展に対する参加者の見解を示しています。AI生成レポートからのフィードバックを精度向上に用いるべきか、AI支援ツールが以前の技術とどの程度異なるか、AI導入が専門家の役割をどの程度変えるか、そしてAIが専門家の採用課題を軽減するかについて、それぞれ質問（Q27-Q30）として提示されています。AIによる専門職の変革が広く認識されており、フィードバックの重要性も強調されています。

AIシステムの精度向上には、専門家による評価やフィードバックをシステムに組み込むことが重要であると、61%の専門家が「高い」または「非常に高い」程度で支持しています。しかし、AIが放射線専門家の採用課題を軽減するかについては、半数近く（49%）が「ほとんど影響がない」または「全くない」と回答しており、限定的な影響と見られています。

自由記述の回答からは、AIが臨床ワークフローを長期的に変革するものの、専門家の役割を代替するのではなく、あくまで支援ツールとして機能すると捉えられていることが示唆されました。ある専門家は「AIを使う専門家が、AIを使わない専門家にとって代わるだろう」と述べており、AIが専門職の役割、ワークフロー、必要とされる能力を形成するという明確な認識があります。

また、人間の臨床判断の重要性は継続すると強調されており、専門家はAIの出力を検証し、エラーを検出し、複雑で曖昧な症例を管理する役割が期待されています。全体的にAIの臨床実践への導入に対する見通しは肯定的でしたが、過度な依存、不明瞭な責任、現在のシステムの限界といったリスクへの意識も高く、責任あるアプローチでの導入が求められています。一部の専門家からは、過度な作業負荷や燃え尽き症候群の増加への懸念も表明されました。

AI機能への信頼：慎重な姿勢の理由

放射線専門家は、AI支援放射線診断ツールの機能性や信頼性に対し、全体的に中立的で慎重な姿勢を示しています。これは、AIシステム現在の性能に対する不確実性を反映した「様子見」の姿勢と言えるでしょう。AIツールが対象者検査評価でうまく機能するか（Q33a）という問いに対しては、「中立」と答えた専門家が49%と最も多く、必要な機能を備えているか（Q33b）という問いでも「中立」が42%を占めています。

本図は、AIの機能的信頼に対する参加者の見解を示しています。AI搭載放射線診断ツールが対象者検査評価でうまく機能するか、必要な機能を備えているか、信頼できる（一貫性と正確性がある）か、頼りになる（信頼性があり堅牢である）かについて、それぞれ質問（Q33a-Q33d）として提示されています。全体的に「中立」と回答する割合が高く、機能に対する慎重な姿勢が伺えます。

特に、信頼性（一貫性と正確性）(Q33c)や依存性（信頼性と堅牢性）(Q33d)といった、放射線診断のような安全性が重視される領域において核心的な機能的信頼の項目では、「中立」の割合がさらに高く、それぞれ63%と56%でした。この結果は、AIの機能が根本的に拒否されているわけではないものの、ルーチンの臨床診療で強く頼れるほどには、まだ十分に成熟したり堅牢であるとは認識されていないことを示唆しています。

自由記述の回答からは、信頼を形成する主な要因として、診断の正確性が最も支配的であることが示されました。一貫性や疲労なく動作する能力、人間の判断との整合性、そして出力を再確認できる能力も重要視されています。透明性と説明可能性は不可欠であり、「ブラックボックス」であってはならないという強い要求があります。科学的検証と質の高い訓練データも信頼の構築には必須とされています。一方、不信の主な原因は、性能の低さや一貫性の欠如、頻繁な間違い、「ブラックボックス」問題と表現される説明可能性の欠如、複雑または非典型的な症例への対応能力の限界、訓練データの偏り、商業的動機、不透明なガバナンスなど多岐にわたります。

まとめと今後の展望

本研究は、放射線専門家のAIへの信頼が、技術的な正確性だけでなく、専門家の準備状況、AIへの態度、明確な説明責任、システムの透明性、そして知覚される信頼性など、多岐にわたる要因に依存することを示しました。これは、AI支援ツールが臨床現場で広く受け入れられ、安全かつ効果的に活用されるためには、アルゴリズム性能の向上だけでなく、包括的なアプローチが必要であることを示唆しています。

信頼を強化するためには、AIトレーニングの提供、明確な責任体制の構築、システム能力と限界に関する透明な伝達、そして専門家がAIの出力を実践的に評価・関与する機会の提供が不可欠です。教育、説明責任の枠組み、そして技術の成熟度が、専門家がAI支援放射線診断ツールに批判的に関与する能力を十分にサポートしない場合、信頼への障壁が生じる可能性があります。

このため、臨床実践においてAIと協働する放射線専門家に期待される役割、責任、および能力をより明確に定義することが、信頼構築の鍵となります。これは、技術的信頼性だけでなく、倫理的なガバナンス構造の重要性を強調しており、公正性、説明可能性、専門家の自律性を確保しつつ、医療におけるAIの透明で責任ある利用を促進することが求められます。

本研究にはいくつかの限界があります。まず、参加した専門家が57名と比較的少ないため、この結果をスウェーデン全体の放射線専門家集団に一般化することは困難です。また、調査招待の配布経路が完全に追跡できなかったため、正確な回答率を算出できませんでした。したがって、本研究の知見は探索的・記述的なものとして解釈されるべきであり、スウェーデン全土の専門家を代表するものではないことに留意が必要です。

用語集

• 人工知能 (AI): 人間の知能を模倣し、学習、推論、問題解決などを行う技術。
• 放射線専門家: 医療画像を診断し、疾患の有無や状態を評価する専門家。
• クロスセクショナル調査: ある一時点における特定の集団からデータを収集する調査手法。
• 責任帰属: 決定や結果に対する責任を誰に負わせるか、または誰が負うべきかを判断すること。
• 透明性: AIシステムがどのように機能し、なぜ特定の結論に至ったのかを理解できる度合い。
• ゴールデンスタンダード: 診断や治療において、最も信頼性が高く、広く認められている標準的な手法や基準。
• ワークフロー: 特定の作業やプロセスを完了するための一連の手順や流れ。
• 自動化バイアス: 自動化されたシステムからの情報に過度に依存し、自身の判断能力が低下する傾向。
• データ代表性: AIモデルの訓練データが、実際の適用対象となる集団や状況をどれだけ正確に反映しているか。
• 帰納的分析: データからパターン、テーマ、カテゴリを導き出す質的分析手法。
• 記述統計: データの基本的な特徴を要約・記述するための統計手法。