暗黙知と形式知をAIで活用する医療現場

暗黙知と形式知をAIで活用する医療現場

暗黙知と形式知の違いを医療現場で整理する

医療現場には、ガイドライン、添付文書、院内規程、クリニカルパスのように文章・数値・図表で共有できる形式知があります。一方で、熟練者が患者の表情、呼吸の変化、訴え方、既往歴の組合せ、家族の支援力などから「今日は帰宅ではなく観察を続けるべきだ」と感じる判断には、経験に根ざした暗黙知が含まれます。

暗黙知は、単に「説明されていない知識」ではありません。身体的な手技、場面の文脈を読む力、優先順位の組み替え、例外への対応など、言葉だけで完全に移し替えにくい実践知です。医療のナレッジマネジメントでは、診断や手術のノウハウのような認知的・身体的技能が暗黙知として位置づけられ、マニュアルや教科書などの形式知と区別されています。医療のナレッジ・マネジメントでは、この二つの知を循環させる重要性が整理されています。

ただし、「形式知化できないものは価値がない」と考えるのは危険です。例えば、急変の前兆を察知した看護師の観察は、そのままでは再現困難でも、観察した順番、注目した変化、判断を変えた情報、医師への報告内容を振り返ることで、一部を共有可能な知識へ変換できます。目標はベテランの勘を一枚の手順書に押し込めることではなく、判断の再現性を高めながら、例外や不確実性も残すことです。

暗黙知を形式知に変えるSECIモデルとAI

暗黙知と形式知の変換を考える際には、野中郁次郎らのSECIモデルが実務的な枠組みになります。SECIは、共同化、表出化、連結化、内面化の四つの過程から構成されます。医療組織の知識創造は、文書を作る一回限りの作業ではなく、この循環を繰り返すプロセスとして捉える必要があります。

プロセス	知識の変化	医療現場の例	AIの補助例
共同化	暗黙知→暗黙知	同行、カンファレンス、手技の見学	振り返り用の質問案や症例検討の論点整理
表出化	暗黙知→形式知	ヒヤリ・ハット、症例レビュー、手順の言語化	会議録から判断条件、注意点、例外を抽出
連結化	形式知→形式知	院内マニュアルとガイドラインの統合	複数文書の比較、重複・矛盾候補の検出
内面化	形式知→暗黙知	シミュレーション、OJT、ケース学習	職種別・経験別の演習問題やフィードバック案

AIが特に力を発揮しやすいのは、表出化と連結化です。録音を書き起こしただけでは知識になりませんが、AIに「判断の起点」「除外した選択肢」「例外条件」「確認すべき情報」「根拠が不十分な箇所」という観点で整理させれば、経験談を検証可能な論点へ分解できます。もっとも、AIが抽出した文章は知識の候補にすぎず、臨床的な妥当性は現場の専門職が確認しなければなりません。

参考リンクでは、共同化・表出化・連結化・内面化という四つの変換過程と、医療の知識管理への応用が解説されています。

医療のナレッジ・マネジメント

暗黙知をAIで抽出する症例検討と業務改善

医療従事者がAIを使って暗黙知を扱う場合、最初から「院内の全知識をAIに学習させる」と考えない方が成功します。対象を絞り、頻度が高い、担当者による差が大きい、教育コストが重い、インシデント予防に結び付く、といった業務から始めると成果を確認しやすくなります。

例えば、抗菌薬適正使用支援で「培養結果が出る前に、いつde-escalationを検討するか」という実務課題を扱う場合を考えます。AIに自由回答を求めるのではなく、感染巣、重症度、免疫状態、採取検体の質、培養採取後の経過、画像所見、地域耐性率、腎機能、アレルギー歴、投与期間といった入力項目を先に定めます。そのうえでカンファレンス記録を要約し、専門医が「一般化できる条件」と「個別判断を要する例外」をレビューします。

• 症例検討の音声・メモから、判断の根拠と分岐条件をAIで抽出する
• ベテランへの半構造化インタビューをAIで整理し、質問の抜けを補う
• 院内手順書、添付文書、ガイドラインの差分候補をAIで洗い出す
• 新人教育で使うケース問題を、実際の判断場面に沿って作成する
• ヒヤリ・ハット報告を分類し、繰り返される状況要因を可視化する

意外に重要なのは、成功例だけでなく「うまくいかなかった判断」を知識化することです。医療安全では、結果が良かった事例だけを集めると、偶然うまくいった対応まで標準化してしまうおそれがあります。AIにインシデント報告を要約させる際も、「何が起きたか」だけではなく、「どの時点で別の選択が可能だったか」「どの情報が利用できなかったか」「個人の注意力では防げない設計上の問題は何か」を出力項目に含めるべきです。

暗黙知をAIで形式知化するときの安全管理

患者情報を扱う領域では、AIの便利さよりも情報管理が先に来ます。氏名、患者ID、生年月日、詳細な住所だけでなく、希少疾患、特異な経過、受診日、自由記載の組合せは、直接識別子を消しても個人を推定できる場合があります。「匿名化したつもり」の症例メモを、契約・設定を確認していない外部AIへ入力する運用は避けなければなりません。

厚生労働省の「医療情報システムの安全管理に関するガイドライン」では、生成AIサービスへ医療情報を入力する場合、入力情報がAIの学習などのために保存されないことが契約等で担保されている場合の考え方がQ&Aで示されています。導入時は、サービスの画面上の設定だけで判断せず、保存、二次利用、委託先、アクセス権、ログ、削除、事故時の連絡、監査に関する契約条件を組織として確認することが重要です。

安全な運用では、次のように用途を分けます。患者情報を含まない一般教育資料や公開ガイドラインの要約は比較的始めやすい一方、症例情報を含む業務では、院内承認済みの環境、最小限のデータ、明確な利用目的、記録と監査の仕組みが必要です。AI出力を診療記録や患者説明に使う際も、根拠資料の確認、誤記の修正、承認者の明示を業務フローに組み込みます。

医療情報システムと生成AIの利用条件、事業者管理、入力情報の保存に関する考え方を確認できます。

医療情報システムの安全管理に関するガイドライン 第6.0版 Q&A

暗黙知とAIの限界を残す知識設計

AIによる形式知化で見落とされがちな点は、文章が整うほど不確実性が見えにくくなることです。生成AIは、もっともらしい説明を滑らかに補完できます。しかし、経験者が「この患者には当てはまらない」と感じた理由が記録されなければ、作られた文書は平均的な症例には役立っても、例外に弱い手順書になります。

そこで独自の視点として、形式知の文書に「使わない条件」を必ず設ける方法があります。通常のマニュアルは「何をするか」を中心に書かれますが、AI時代には「この手順を適用しない患者像」「相談を要する赤旗所見」「根拠の確実性」「最終更新日」「責任部門」を併記する方が安全です。これにより、知識は単なる回答集ではなく、判断を止めて再評価するための装置になります。

さらに、AIに渡す知識ベースは「正しい文書の集積」だけでは不十分です。改訂された院内規程、失効した薬剤情報、旧版ガイドライン、ローカルルールが混在すれば、AIは古い情報にもとづく回答を生成する可能性があります。文書ごとに作成者、承認日、適用範囲、見直し期限、根拠リンクを持たせ、更新責任者を決めることが、AI活用の精度と監査可能性を左右します。

暗黙知をAIで形式知に変える取り組みの本質は、人の経験をAIに置き換えることではありません。経験を言葉にし、根拠と例外を確かめ、組織で共有し、実践で再び磨く循環を速くすることです。AIを「答えを出す装置」ではなく、「問いを深くし、知識の抜けを見つける補助者」として位置づけることが、医療現場における持続可能な知識継承につながります。

【第2類医薬品】by Amazon ユーシップFRテープVα 50枚