はじめに：AI医療革命の幕開け

人工知能（AI）は、その驚異的なデータ処理能力とパターン認識能力により、あらゆる産業に革命をもたらしていますが、その中でも特に医療分野における影響は計り知れません。市場調査会社Grand View Researchの報告によると、世界のAIヘルスケア市場規模は2023年に約200億ドルに達し、2030年には年平均成長率（CAGR）37.5%で成長し、1800億ドルを超える規模になると予測されています。この驚異的な成長は、AIが診断の精度向上から創薬の効率化、さらには個別化された治療法の提供に至るまで、医療のあらゆる側面を根本から変革しつつあることを明確に示しています。AIはもはや未来の技術ではなく、今日の医療現場において不可欠なツールとなりつつあるのです。

はじめに：AI医療革命の幕開け

医療分野におけるAIの導入は、単なる技術的な進歩以上の意味を持ちます。それは、長年にわたり人間が行ってきた複雑な判断や作業を、より高速かつ正確に実行する能力をAIが獲得したことを意味し、医療従事者の負担軽減、医療費の削減、そして何よりも患者へのより良い医療サービスの提供を可能にするものです。AIは、ビッグデータ解析を通じて新たな知見を発見し、診断アルゴリズムを改善し、治療プロトコルを最適化する力を秘めています。

これまでの医療は、医師の経験と知識に大きく依存してきましたが、AIは膨大な医学文献、患者データ、臨床試験の結果を瞬時に分析し、人間の限界を超える洞察を提供します。これにより、誤診のリスクが減少し、より早く、より適切な治療法が選択できるようになることで、患者の予後が劇的に改善される可能性が高まります。AIは、医療の質と効率を同時に高めるための強力な触媒として機能しているのです。

AI医療革命の背景には、大きく分けて三つの要因があります。一つ目は、データ生成量の爆発的増加です。電子カルテ、医用画像、ゲノムシーケンスデータ、ウェアラブルデバイスからの生体データなど、医療データはかつてない規模で生成されており、これらを人間が手作業で解析することは不可能です。二つ目は、計算能力の飛躍的向上とアルゴリズムの進化です。ディープラーニングをはじめとする機械学習アルゴリズムは、複雑なパターンを認識し、予測を行う能力を格段に高めました。三つ目は、クラウドコンピューティングの普及により、大規模なデータ処理とAIモデルの展開が容易になったことです。これらの技術的進歩が相まって、AIは医療の様々な領域で実用段階に入り、その影響は日に日に拡大しています。

診断精度の飛躍的向上：早期発見と個別化医療への道

AIが医療にもたらす最も直接的かつ大きな影響の一つは、診断精度の向上です。特に、画像診断や病理診断といった分野では、AIのパターン認識能力が人間の目をはるかに超える能力を発揮し始めています。これにより、微細な病変や兆候の早期発見が可能となり、治療の成功率を大きく向上させることができます。

画像診断（放射線科、病理科）におけるAIの貢献

放射線科では、CT、MRI、X線などの医用画像から、がんの腫瘍、脳卒中の兆候、骨折など、人間が見落としがちな微細な異常をAIが自動で検出し、医師に提示します。例えば、肺がんの早期発見において、AIは人間の医師よりも高い精度で病変を識別できるという研究結果も多数報告されています。これにより、診断時間の短縮と医師の負担軽減が実現され、より多くの患者を効率的に診察できるようになります。特に、経験の浅い医師の診断を支援することで、医療の地域格差を縮小する可能性も秘めています。

病理科においては、AIがデジタル化された組織標本画像を分析し、がん細胞の有無や種類、悪性度などを識別します。特に、前立腺がんや乳がんの病理診断では、AIが細胞の微細な変化を検出し、医師の診断を補助することで、診断の一貫性と客観性が向上します。これにより、患者はより迅速かつ正確な診断結果を受け取ることができ、適切な治療への移行が早まります。さらに、AIは、画像診断だけでなく、眼底写真から糖尿病性網膜症や緑内障の兆候を検出したり、皮膚病変の画像から悪性黒色腫（メラノーマ）の可能性を判定したりするなど、その応用範囲は多岐にわたります。一部の研究では、AIが皮膚がんの診断において、専門医と同等、あるいはそれ以上の精度を示したと報告されています。

疾患予測とリスク評価：予防医療への応用

AIは、患者の電子カルテ、遺伝情報、ライフスタイルデータ、ウェアラブルデバイスから得られる生体データ、さらには環境データなど、多様な情報を統合的に分析することで、将来の疾患リスクを予測する能力も持っています。例えば、心疾患や糖尿病の発症リスク、特定のがんのリスクなどをAIが予測し、患者や医師に早期に警告することで、予防的な介入を促すことができます。病院内では、AIがリアルタイムで患者のバイタルサインや検査値を監視し、敗血症や心停止などの急変リスクを早期に予測するシステムも導入され始めており、患者の生命予後改善に貢献しています。

この予測能力は、予防医療の分野において革新的な可能性を秘めています。AIが特定のリスク要因を持つ患者を識別し、生活習慣の改善指導や定期的なスクリーニングを推奨することで、疾患の発症自体を防ぐ、あるいは進行を遅らせることが可能になります。これにより、長期的な医療費の削減にも貢献し、社会全体の健康寿命の延伸に寄与することが期待されます。例えば、AIは個人の遺伝的傾向と生活習慣データから、最適な食事や運動プランを提案し、健康維持をサポートするパーソナルヘルスコーチングのような役割も担うことができます。

創薬プロセスの変革：時間とコストの劇的な削減

新薬の開発は、莫大な時間と費用がかかるプロセスであり、成功率も非常に低いことで知られています。平均して、一つの新薬が市場に出るまでに10年以上の歳月と数千億円もの費用がかかると言われています。AIは、この非効率な創薬プロセスを根本から変革し、より迅速かつコスト効率の高い方法で、新たな治療薬を発見する可能性を秘めています。

ターゲット探索と分子設計の高速化

創薬の最初のステップは、特定の疾患の原因となるタンパク質や遺伝子などの「ターゲット」を特定することです。AIは、ゲノムデータ、プロテオームデータ、疾患のメカニズムに関する膨大な科学論文を解析し、これまで見過ごされてきた潜在的なターゲットを迅速に特定します。さらに、AIは、特定されたターゲットに効果的に結合し、薬理作用を発揮する可能性のある分子（候補化合物）を設計する能力も持っています。これは、従来の試行錯誤に基づく方法とは異なり、生成AI（Generative AI）やグラフニューラルネットワークなどの先進的なAI技術を用いて、全く新しい化学構造を「デザイン」するアプローチです。

従来の創薬では、数百万もの化合物を物理的にスクリーニングする膨大な作業が必要でしたが、AIを用いることで、計算上で数億、数十億もの仮想化合物を評価し、最も有望なものを絞り込むことが可能になります。これにより、実験室での試行錯誤の回数を大幅に削減し、開発期間とコストを劇的に圧縮できます。実際に、AIを活用して発見された候補化合物が、すでに臨床試験段階に進んでいる事例も増えつつあります。また、既存の薬の中から新たな効能を見つけ出す「ドラッグリポジショニング（薬物再配置）」においても、AIは膨大な薬剤データと疾患データを照合し、新たな治療用途を迅速に特定する強力なツールとなっています。

臨床試験の最適化と高速化

創薬プロセスのボトルネックの一つである臨床試験においても、AIは大きな貢献をしています。AIは、過去の臨床試験データ、患者の遺伝子情報、疾患の特性などを分析し、臨床試験に最も適した患者を特定・募集するのに役立ちます。これにより、臨床試験の参加者募集が迅速化され、試験期間が短縮されます。特に、希少疾患の臨床試験では、対象患者が少ないため募集が困難でしたが、AIが電子カルテや遺伝子情報を解析することで、効率的に患者を特定できるようになります。

さらに、AIは臨床試験中に収集される膨大なデータをリアルタイムで分析し、薬剤の有効性や安全性に関する早期の洞察を提供します。例えば、特定の副作用のリスクが高い患者グループを早期に特定したり、効果が見られない患者を速やかに試験から除外したりすることで、試験の効率性を高めることができます。これにより、有望な薬剤はより早く患者の元に届き、そうでない薬剤は早期に開発を中止することで、無駄なリソースの消費を防ぐことが可能になります。リアルワールドデータ（RWD）やリアルワールドエビデンス（RWE）の分析もAIの得意とするところであり、臨床試験後の薬剤の有効性・安全性評価にも貢献し、承認後の安全性モニタリングを強化します。

個別化医療と治療最適化：患者一人ひとりに合わせたアプローチ

「One size fits all（万人に共通の解決策）」という概念は、医療においては常に限界がありました。患者一人ひとりの体質、遺伝的背景、病状は異なり、最適な治療法もそれに応じて異なります。AIは、この個別性の課題を克服し、患者一人ひとりに最適化された治療法を提供する「個別化医療（パーソナライズド・メディシン）」を現実のものにするための強力なエンジンとなります。

ゲノム医療とAI：精密な治療の実現

ゲノム医療は、個人の遺伝子情報を解析し、それに基づいて疾患リスクの評価、診断、治療法の選択を行う最先端の医療です。AIは、膨大なゲノムデータを高速に解析し、特定の遺伝子変異と疾患の関連性、あるいは特定の薬剤に対する反応性を予測します。例えば、がん治療においては、AIが患者のがん細胞の遺伝子変異パターンを分析し、最も効果が期待できる分子標的薬や免疫チェックポイント阻害剤を選択する手助けをします。これは精密医療（プレシジョン・メディシン）の中核をなすもので、患者の遺伝子プロファイルに基づいて最適な治療薬と投与量を決定することで、治療効果を最大化し、不要な副作用を最小限に抑えることを目指します。

AIによるゲノム解析は、薬理ゲノミクス（ファーマコゲノミクス）の分野でも重要です。これにより、患者が特定の薬剤をどのように代謝するか、あるいは特定の副作用を起こしやすいかといった情報を事前に把握し、薬剤選択や投与量調整に役立てることができます。例えば、抗うつ剤や抗凝固剤など、個人差が大きい薬剤の処方において、AIがゲノム情報に基づいた最適な選択肢を提示することで、治療の初期段階から効果的なアプローチが可能になります。また、希少疾患の診断においても、AIは複雑な遺伝子変異パターンを解析し、診断が困難であった症例の特定に貢献しています。

治療計画の立案と効果予測：最適なパスウェイの選択

AIは、患者の過去の治療履歴、既存疾患、服用中の薬剤、アレルギー情報、検査結果、ライフスタイル、社会経済的要因など、あらゆる臨床データを統合的に分析し、最適な治療計画を提案します。例えば、糖尿病患者に対して、AIは血糖値の変動パターン、食事内容、運動習慣などを学習し、インスリン投与量の最適化や、生活習慣改善のための具体的なアドバイスを提供します。これは、患者の自己管理能力を高め、慢性疾患の長期的なコントロールに寄与します。

さらに、AIは提案された治療計画が患者の予後にどのような影響を与えるかを予測する能力も持っています。これにより、医師は複数の治療選択肢の中から、患者にとって最もメリットの大きい、あるいはリスクの低いパスウェイを客観的なデータに基づいて選択できるようになります。これは、特に複雑な疾患や多剤併用が必要な高齢患者において、治療の安全性と有効性を高める上で極めて重要です。AIは、治療後の回復期間や再発リスクまでをも予測し、患者のQOL（生活の質）を最大化するための包括的なサポートを提供することが可能になります。

参照: Reuters: AI is reshaping the future of drug discovery

手術支援とロボット工学：精度と安全性の向上

手術は、人間の技術と経験が極めて重要となる医療行為ですが、AIとロボット工学の進化は、この分野にも革新をもたらしています。AIは術前の計画段階から、術中の支援、そして術後の回復管理に至るまで、外科医の能力を拡張し、手術の精度と安全性を飛躍的に向上させています。

術前計画とシミュレーション：リスクの最小化

AIは、患者のCTやMRIなどの画像データ、解剖学的情報、過去の手術記録などを解析し、三次元の精密な臓器モデルを構築します。このモデルを用いて、外科医は手術前に仮想環境で手術をシミュレーションし、最適な切開線、アプローチ方法、リスクの高い領域などを事前に把握することができます。例えば、がんの切除手術においては、AIが腫瘍の位置、周囲の血管や神経との関係を詳細に分析し、安全かつ確実に腫瘍を切除するための最適な経路を提案します。拡張現実（AR）や仮想現実（VR）技術と組み合わせることで、外科医は手術部位の内部構造を立体的に視覚化し、より直感的に手術計画を立てることが可能になります。

これにより、手術中の予期せぬ事態が減少し、出血量や手術時間の短縮、合併症のリスク低減に繋がります。また、複雑な手術においては、若手外科医のトレーニングにも活用され、経験豊富な外科医の知識や技術を効率的に伝承する手段としても期待されています。AIによるシミュレーションは、何百もの異なるシナリオをテストし、最も安全で効果的な手術戦略を導き出すことができ、外科医の判断を客観的なデータで裏付けます。

ロボット支援手術の進化：人間を超える精密性

AIを搭載した手術支援ロボットは、すでに多くの病院で活用されています。最も有名なのは、ダヴィンチ（da Vinci）サージカルシステムに代表される内視鏡手術支援ロボットです。AIは、このロボットの操作をアシストし、外科医の手の震えを補正したり、人間では到達が困難な狭い領域での精密な操作を可能にしたりします。これにより、微細な血管の縫合や神経の温存など、高度な技術を要する手術の成功率が向上します。

将来的には、AIが手術中にリアルタイムで患者の生理学的データを分析し、手術器具の動きを自動で最適化したり、緊急時に外科医に警告を発したりするシステムも開発されるでしょう。例えば、AIが組織の硬さを識別し、がん組織と健常組織を瞬時に区別する技術や、術野の出血を自動で検知し、外科医に注意を促すシステムなどが実用化されつつあります。さらに、極小のマイクロロボットが血管内を進み、特定の病変部位に薬剤を直接届けるような、SFのような治療も研究されており、AIがその精密なナビゲーションを担うことになります。AIとロボット工学の融合は、まさに「超精密手術」の時代を切り開くものです。

倫理的課題と規制：AI医療の健全な発展のために

AIが医療にもたらす恩恵は計り知れませんが、その導入には倫理的、法的、社会的な多くの課題が伴います。これらの課題に適切に対処し、明確な規制とガイドラインを設けることは、AI医療が社会に健全に受け入れられ、持続的に発展していく上で不可欠です。

データプライバシーとセキュリティ：患者情報の保護

AI医療は、患者の個人情報、特に機微な医療データを大量に利用することで成り立っています。遺伝情報、病歴、ライフスタイルデータ、画像データなど、これらの情報は極めてプライベートであり、その漏洩や不正利用は個人の尊厳を深く傷つける可能性があります。そのため、強固なデータセキュリティ対策と厳格なプライバシー保護規制が必須となります。匿名化や仮名化技術の進化、ブロックチェーン技術の活用、厳格なアクセス制御など、技術的な対策と同時に、GDPR（EU一般データ保護規則）やHIPAA（米国医療保険の携行性と責任に関する法律）、日本の個人情報保護法といった法的な枠組みや倫理ガイドラインの整備が急務です。患者が安心してAI医療サービスを利用できるよう、データがどのように収集され、利用され、保護されるのかについて、透明性の確保とインフォームドコンセント（十分な説明と同意）の徹底が求められます。

責任と透明性の問題：誰が責任を負うのか？

AIが診断や治療の意思決定を支援するようになるにつれて、「AIが誤診した場合、誰が責任を負うのか？」という問いが浮上します。AI開発者、医療機器メーカー、AIを利用する医師、あるいは医療機関、それぞれがどのような責任を負うべきかについて、明確な法的責任体系を確立する必要があります。特に、AIが自律的に判断を下す度合いが高まるにつれて、この問題はより複雑になります。

また、AIの意思決定プロセスが「ブラックボックス」化しているという問題も指摘されています。AIがなぜ特定の診断を下したり、特定の治療法を推奨したりするのか、その根拠が人間には理解しにくい場合、医療従事者や患者はその判断を信頼しにくいでしょう。AIシステムの透明性（Explainable AI: XAI）を高め、その推論過程を人間が理解できる形で提示する技術開発が重要です。これにより、医師はAIの提案を批判的に評価し、患者に対してその根拠を説明できるようになります。

アルゴリズムのバイアスと公平性

AIモデルは、学習に用いたデータセットの特性を反映します。もしデータセットが特定の人口統計学的グループ（例えば、人種、性別、年齢層）に偏っている場合、AIはそのグループに対して不正確な、あるいは不公平な判断を下す可能性があります。このようなアルゴリズムのバイアスは、医療格差を拡大させる恐れがあるため、AIシステムの開発段階から多様なデータを収集し、バイアスを検出・是正するメカニズムを組み込むことが不可欠です。AI医療がすべての人に公平な恩恵をもたらすためには、公平性の検証と継続的な改善が求められます。

参考情報: Wikipedia: 医療AI

未来への展望：AIが描く医療の姿

AIは、医療の未来を形作る上で不可欠な要素となるでしょう。それは、単に既存のプロセスを効率化するだけでなく、私たちがこれまで想像もしなかったような、全く新しい医療の形を創造する可能性を秘めています。

AIと人間医師の協調：ハイブリッド医療の時代

AIが医療に深く浸透しても、人間である医師の役割がなくなるわけではありません。むしろ、AIは医師の能力を補完し、拡張する強力なパートナーとなるでしょう。AIがデータ分析、パターン認識、治療法の提案といったタスクを担う一方で、医師は患者とのコミュニケーション、共感、倫理的判断、複雑な状況における最終的な意思決定といった、人間にしかできない役割に集中できるようになります。この「ハイブリッド医療」の時代では、医師はAIの提供する情報を最大限に活用し、より質の高い診断と治療を患者に提供します。医師とAIが協調することで、医療現場全体の生産性が向上し、医療の質も飛躍的に高まることが期待されます。AIは、医師の仕事を奪うのではなく、より高度で人間的な仕事へと昇華させるツールとなるのです。未来の医師は、AIを使いこなす能力、すなわち「AIリテラシー」が不可欠となるでしょう。

遠隔医療とアクセス改善：医療格差の是正

AIは、遠隔医療（テレメディシン）の進化を加速させ、地理的な制約や経済的な障壁によって生じる医療格差の是正に貢献します。AIを搭載したウェアラブルデバイスやスマートホーム機器は、患者の生体データを常時モニタリングし、異常があれば自動で医療機関に通知します。これにより、遠隔地に住む人々や、病院へのアクセスが困難な高齢者でも、継続的な医療ケアを受けられるようになります。AIを活用したチャットボットは、初期症状のスクリーニングや一般的な医療相談に対応し、医師の負担を軽減するとともに、患者が適切なタイミングで専門医を受診できるよう導きます。

AIによる診断支援システムが遠隔地でも利用できるようになれば、専門医が不足している地域でも、質の高い医療サービスを提供できるようになります。例えば、AIが画像診断をサポートし、専門医が遠隔で最終確認を行うといった連携が可能になります。これにより、世界中の人々が、住む場所に関わらず、適切な医療を受けられるようになる未来が現実のものとなりつつあります。発展途上国における医療アクセスの改善にも、AIは大きな貢献が期待されています。

グローバルヘルスへの貢献：パンデミック対策と公衆衛生

AIは、感染症のパンデミック対策や公衆衛生の分野でも、その真価を発揮します。AIは、世界中の膨大な感染症データ、移動データ、気象データ、SNS上の情報などをリアルタイムで分析し、新たな感染症の発生や拡大を早期に予測します。これにより、政府や国際機関は、より迅速かつ効果的な対策（例えば、渡航制限、医療物資の備蓄、ワクチン開発の優先順位付け）を講じることが可能になります。

また、AIは薬剤の供給網を最適化したり、ワクチンの開発を加速させたりする上でも貢献します。公衆衛生の観点からは、AIが地域の健康データを分析し、特定の疾患のリスクが高い集団を特定することで、 targetedな健康教育プログラムや予防接種キャンペーンを展開できるようになります。例えば、AIがインフルエンザの流行を数週間前に予測し、地域住民に注意喚起や予防接種を促すことで、大規模な流行を未然に防ぐことが可能になります。AIは、人類全体の健康増進と、未来のグローバルな医療危機への備えにおいて、不可欠なインフラとなるでしょう。

医療教育とAI：次世代の医療従事者育成

AIの進化は、医療従事者の教育とトレーニングにも大きな変革をもたらしています。従来の教育モデルは、経験豊富な医師による指導や実際の症例への接触に大きく依存していましたが、AIはこれを補完し、より効率的で個別化された学習体験を提供します。

パーソナライズされた学習体験

AIは、医学生や若手医師の学習進度、理解度、得意・不得意分野を分析し、それぞれに最適な学習コンテンツや演習問題を提供します。これにより、個々の学生が最も効果的に知識を習得し、スキルを向上させることができます。AIを活用した仮想患者シミュレーションは、実際の患者にリスクを与えることなく、診断や治療計画の立案、コミュニケーションスキルを練習する機会を提供します。学生は、AIが生成する様々な症例を通じて、多様な病態に対応する能力を養うことができます。

継続的な専門能力開発

医療知識は日々更新されており、ベテラン医師にとっても継続的な学習は不可欠です。AIは、最新の医学論文や臨床ガイドラインを常時モニタリングし、医師が必要とする情報をタイムリーに提供します。例えば、特定の疾患の最新治療法や、新しい薬剤に関する情報を自動で通知したり、医師の専門分野に関連する研究成果を要約して提示したりすることで、専門能力開発を支援します。AIは、医療従事者が常に最先端の知識とスキルを維持し、質の高い医療を提供し続けるための強力な学習パートナーとなるでしょう。

挑戦と今後の方向性：AI医療の普及に向けて

AI医療の可能性は大きいものの、その広範な普及にはまだ多くの課題が存在します。これらの課題を克服し、AIが医療システムに真に統合されるためには、多角的なアプローチが必要です。

データの品質と相互運用性

AIモデルの性能は、学習データの品質と量に大きく左右されます。しかし、医療データはフォーマットが統一されておらず、異なる医療機関間で互換性がないことが多く、また不完全なデータやノイズも含まれがちです。標準化されたデータフォーマットの確立と、医療機関間のデータ相互運用性の向上が不可欠です。これにより、より大規模で質の高いデータセットを用いたAIモデルの開発が可能になります。

導入コストとインフラ整備

高性能なAIシステムを導入し、運用するためには、多大な初期投資と継続的なメンテナンス費用がかかります。特に中小規模の医療機関にとっては、これが大きな障壁となり得ます。AI医療を広く普及させるためには、導入コストの低減、クラウドベースのサービスモデルの推進、そして政府や公的機関による支援策が重要となります。また、AIシステムを安定稼働させるためのITインフラ（高速ネットワーク、ストレージ、計算資源）の整備も不可欠です。

医療従事者のトレーニングと受容

AIは医師の仕事を奪うのではなく支援するツールですが、AIを効果的に使いこなすためには、医療従事者側のトレーニングが必要です。AIが提供する情報を理解し、それを臨床判断にどう統合するか、あるいはAIシステムの限界を認識するといった「AIリテラシー」の向上が求められます。また、新しい技術への抵抗感や不信感を払拭し、医療現場でのAIに対する受容性を高めるための啓発活動も重要です。

規制と政策の一貫性

AI医療製品の承認プロセスは、従来の医療機器とは異なる特性を持つため、各国の規制当局は新たな枠組みを構築する必要があります。AIの学習能力や適応性（絶えず変化する）を考慮した柔軟かつ厳格な規制、国際的な協力による規制の一貫性の確保が求められます。これにより、イノベーションを阻害することなく、患者の安全と利益を最大化することができます。

まとめ：AIが切り拓く医療の新たな地平

今日の医療は、AIという強力な変革の波によって、新たな時代へと突入しつつあります。診断の精度向上から、新薬の発見、個別化された治療法の提供、そして手術支援に至るまで、AIは医療のあらゆる側面に深い影響を与え、その姿を根本から変えようとしています。倫理的課題や規制の整備、データの品質向上、医療従事者のトレーニングといった挑戦は残されていますが、AIと人間が協調することで、より安全で、より効果的で、よりアクセスしやすい医療が、すべての人々にもたらされる未来は、もはや夢物語ではありません。

AI医療は、疾患の早期発見、最適な治療法の選択、そして予防医療の推進を通じて、個人の健康寿命を延ばし、社会全体の医療費を抑制する可能性を秘めています。また、遠隔医療やグローバルヘルスへの貢献を通じて、医療格差の是正にも寄与するでしょう。私たちは今、医療の歴史における最もエキサイティングな転換点に立っており、AIがその未来をどのように描き出すのか、その進展に注目が集まっています。この技術革新の恩恵を最大限に享受し、すべての人々がより健康で豊かな生活を送れるよう、技術開発者、医療従事者、政策立案者、そして一般市民が協力し合うことが求められています。

関連情報: NIH News: NIH Launches New Strategic Plan for AI in Health Care