医師の意思決定・本音・AI時代の判断軸

いえいえ、こちらこそ。こういう話って、腰を据えてする機会、意外と少なくて。

そうそう。現場の本音のところって、なかなか表には出てこないですよね。

治験データやガイドラインが大事なのは、大前提なんですよ。

ただ難しいのは、その情報を目の前の患者さんに、どう当てはめるかで。

そうなんです。むしろ、そこから先が悩みどころですね。

そもそもエビデンスって、ある条件を満たした人たちから出た結果なんですよね。

しかも海外のデータが元になってるものも多くて。日本の患者さんとは、年齢も体格も違うんです。

たとえば米国の研究だと、肥満のある若い患者さんが多い。でも日本の内科って、痩せ型の高齢の方が中心だったりして。

だから「同じデータを、そのまま当てはめていいの？」っていうのが、まずあるんです。

違いますね。医療費の自己負担が大きい環境だと、薬の値段が治療の選び方に強く効いてくるんです。

日本のガイドラインも、海外のデータを参照しながら作られてたりするので。患者さんの背景や制度の違いは、いつも頭の片隅に置いてます。

それと、もう一つ。エビデンスって、併存疾患の少ない、条件のそろった方たちから得られることが多くて。

ええ、いくつも病気を抱えた方を診ますから。どうしても解釈の幅が出るんですよ。

その「解釈の幅」、具体例があると、わかりやすいかも。

たとえば、GLP-1受容体作動薬⁠^※っていう薬があって。

肥満のある患者さんだと、有力な選択肢になることがあるんです。

でも、認知症があって、ご家族の支援も十分でない患者さんだと、使いたくても難しくて。

そうなんですよ。しかもここで、医師によって判断が分かれる。治療の基準って、決まってるようで、一律には決められないんです。

あと、これは製薬会社さんにも知ってほしいんですけど、新しい治療を考えるときって、患者さんの性格や生活もありますよね。

短い外来のなかで、どう伝えたら納得して選んでもらえるか。そこ、意外と共有されてないんです。

医師がほしいのは、そういう患者さんへの説明のコツみたいな部分で。

もっと現実的な話をすると、外来の時間とか、患者さんの費用負担もあって。

新しい治療を出すと、説明にも時間がかかる。今の治療で落ち着いてる方ほど、費用や通院の続けやすさまで考えると、簡単には変えにくいんですよ。

わかります、その感覚。

だから、「ほかの先生はどうしてるんだろう」って、気になってくる。

内科だと、データだけじゃなくて「なんで効くのか」っていう作用機序を大事にする先生も多くて。そこがわかると、データの読み解き方の手がかりになるんです。

そうそう、そういう感じです。

あと、まわりの先生の使用経験も、判断材料になりますね。薬とか病気を、一人で理解しきるのって、限界があるので。

身も蓋もない話ですけど（笑）、ほかの先生の経験も、判断の参考になる実臨床の情報なんですよ。

その典型が、SGLT2阻害薬⁠^※ですね。

循環器の先生は「とにかく心不全を減らしたい」から、前向きに使う。

糖尿病や腎臓の側から見ると、また少し気の使い方が違うんです。同じ薬でも、診る科によって力点が変わる。どっちが正しい、って話じゃなくて。

一人ひとりの患者さんで見ると、もっと揺らぎますよ。心臓だけ見れば薬を足したい。でも薬が増えすぎて、通院そのものをやめちゃう方もいる。

そこをどう調整するか。外来って、わりとコーチングなんですよね。

まさに。しかも毎回、キレイに解ける保証はない（笑）。

できないんです。多くの患者さんに効く治療でも、まれな副作用がその人に出たら、その患者さんにとっては、それがすべてですから。

しかも生活習慣病だと、「10年後、20年後のリスクを下げる」話になる。手応えって、すぐには見えないんですよ。

一言でいうと、「問いが浅い」に尽きるんです。

そうなんですよ。医師がどこで迷うか、そこまで仮説を立ててから問いを作らないと。

ペルソナを絞るんです。「高齢で、降圧剤をもう何種類か使っている患者さんに、次の一手どうします？」くらい具体的だと、急に答えやすくなる。

現場の視点と、ビジネス側の目的を、つなぐ工程がいるんですよね。

それに、開業医か勤務医か、年代でも、答えはまるっきり変わりますし。

変わると思います。回答する医師側の傾向まで踏まえて設計できれば、もっと本音に近づけるはずで。

だからこそ、一律に聞くより、症例のなかで実際に迷ってもらうほうが、本音が出るんです。

今回の「タイプ別診断コンテンツ」も、出発点はそこで。

匿名で、具体的なケースなら、意外なくらい本音が出ますよ（笑）。

ええ。匿名で、わりと何でも話せる場なんです。

まさに、そうなんですよ。

メインのコミュニティには、1,000人を超える先生が参加しています。

「専門医どう取るか」みたいな、キャリアの話はよく伸びますね。

あとは副業とか……地味に、恋愛の話も（笑）。

いや、そこ、けっこう本質で。

医師って真面目だから「知識を届けよう」って考えがちなんですけど。

反応が集まるのは、だいたい2種類なんですよ。

「自分が得する情報」か、「感情が動く情報」か。

得するのは、キャリアとか税務とか、診療の時短。

感情が動くのは、共感とか、賛否が割れる症例。放っておいても議論が伸びるんです。

コミュニティだと、エビデンスそのものだけで議論が続くことって、あんまりなくて。

盛り上がるのは、それをどう当てはめるかで迷う、具体的な症例なんです。

教科書で答えが出る相談より、例外のほうに経験が集まるんですよね。

妊婦さんで、中性脂肪の値が5,000 mg/dLを超えた相談があって。あまり見ないパニック値なんですけど。

「こんな経験ありますか？」って聞くと、一気に反応が集まる。

そういう例外の話は、本当に伸びますね。

細かい応用までは、ガイドラインだけじゃわからないことがあって。そこで、現場の経験が補助線になるんです。

意外と伸びるのは「学会のその後」とか「どの施設で症例を積めるか」。表に出にくい実務の話ほど、反応があるんです。

そうです。

匿名掲示板に近い感覚で、立場を気にせず聞けるんですよ。

信頼してる相手でも、まわりの目があると話せないこと、ありますからね。

話題の比率でいうと、うちは勉強目的が強いので、試験や臨床の相談が多めですね。

そうした話題の比率も、製薬会社さんにお伝えしたいところで。

同じフォロワー数でも、患者さん中心か、臨床の情報を求める医師中心かで、マーケティング上の意味が全然変わるんです。

そうなんです。数より先に、参加者の属性を見ないと。

割れます（笑）。

ええ、まさに。どこで慎重になって、どこで踏み込むか。その傾向を、タイプとして捉えるんです。

アンケートで答えさせられてる感じじゃなくて、症例のなかで自然に迷ってもらう。回答すること自体が、医師にとって気づきのある体験になるのが理想ですね。

参加型だと、どこで迷って、何を重視したかまで、設計しだいで見えてくるんですよね。

まず、単純に性格はありますね（笑）。

私、大学院で基礎研究をやってたので、作用機序とか研究データの見え方が、ちょっと違うのかもしれません。

新しい研究まで深く読むと、教科書だけじゃ見えにくい判断材料が増えることがあって。

そこは大きいです。ただ、踏み込む人にも、その人なりの根拠があるんですよ。

逆に、一度ヒヤッとした経験があると、守りに入る。育った施設にも左右されますね。

施設の体制も大きくて。

たとえば一部の肥満症治療薬だと、適正使用の要件として、処方前後の食事・運動療法や継続的な栄養指導、施設体制が定められてるんです。

ただ、栄養士が足りてない施設だと、その運用自体が難しくて。

個人の意向だけじゃなく、組織の体制まで見ないと、処方の動きは読めないんですよね。

私は、守り派ですね。

長期の影響が、まだわからないことも多いので。良い作用と悪い作用って、裏表のこともありますから。

私は……データ上は良くなるはずなのに、なかなか良くならない患者さんがいるとき、新しい薬の仕組みを説明して、少し期待を持ってもらうことがあります。

「一緒に頑張りましょう」って空気になるのが、好きなのかもしれません。

患者さんの受け止め方って、医師の伝え方で大きく変わるんです。

だから「皆さんどう説明してます？」「納得につながった言い方、あります？」って聞くこともあって。

結局、状況次第なんですよ。

同じ医師でも、重症化リスクや緊急性によって、判断は変わる。何もしなきゃ命に関わる、ってなれば、一気に積極的になりますし。

そうですね。それに、医師ごとの治療成績って、単純には比べられないんです。診てる患者さんの背景が、違いますから。

AIの話、ですね（笑）。来ると思ってました。

まず広がってるのは、音声入力とか、診療記録の支援ですね。

一部の診療支援ツールだと、患者情報をガイドラインと照らし合わせて、選択肢を示すものもあります。

ただ、医師が根拠を確かめて、最終的に判断する。そこは変わらないです。

私はAIを相棒として使ってて、脅威とはあんまり感じてないんです。

ただ、生成AIの特性上、もっともらしい答えを探すことにはたけていますが、まれだけど大事な鑑別⁠^※が抜けることがあって。

後輩が、詳しくない領域をAI中心に検討して、悪性腫瘍みたいな見逃しちゃいけない疾患が、鑑別から漏れかけたことがあったんです。

経験がある医師なら、最初に「ここは外せない」って確認する。でもAI任せだと、その優先順位が抜けることがある。

「デスキリング」^※って言葉も出てきていますよね。

AIに頼りきって自分を磨かないと、医師としての力が育たない。だから逆に、医師教育が大事になってくると思うんです。

そうなんです。前提の情報がズレてたら、そのあと細かく分析しても、答えはズレる。

だから私は、まず自分の見立てを出してから、「漏れないか」「別の見方ないか」ってAIに聞くんです。

AIを使うほど、使う側の判断軸が問われるというか。

もう一つ。情報が整ってても、誰の経験から出た言葉なのかが見えないと、読み手は距離を感じるんですよ。

そこが、これからのコンテンツでは大事だと思います。

一般的な情報は、AIでかなり集めやすくなる。だから残るのは、その取捨選択と、AIが拾いにくい例外や生の声を、補う役割ですね。

医療って命に直結するので。

おいしいお店を探すみたいに「80点なら十分」とは、いかないんです。重大な見落としは許されない。

AIってよく「優秀な新人」って言われますけど、まさにそれで。学習コストは省ける。

でも、例外を拾うとか、そもそもどんな問いを立てるかは、専門家との差が出る。

何を外しちゃいけないか、どんな問いを立てるかは、臨床経験を通じて身につくものなので。

AIにも、その前提まで明示して使わないと。

論文検索とエビデンス確認、あとスライド作りですね。

若手だと、臨床の疑問をまずAIに聞く人が、かなり増えてます。

そのあと成書⁠^※や元論文で確認する人もいますけど、確認せずに済ませちゃうケースもあって。そこが課題ですね。

私は、成書を読ませて、本人に見立てを説明させてから、指導します。

私はちょっと違って、まずAIで浅い知識やキーワードを掴んでから、成書へ進む。順番が大事だと思ってて。

そうそう。AIも出発点として使って、その先を成書や元論文で確かめる。その順番ですね。

医療コンテンツでも、一次情報を深く知る人が制作に入るのが、大事なんです。

一人の経験だけじゃなく、複数の医師の声を集めると、見えてくる前提も増えていくんですよね。

専門性を見極める一つの目安が、専門医資格で。専門医試験って、AIに頼らず答える基礎知識が求められるんです。

作る側も、AIだけじゃ答えにくい問題を、考えるようになってて。

二つあって。一つは、そもそも入れてる前提情報が正しいか、医師の特性を理解できてるか。

もう一つは、良い情報でも、誰が、どんな関係性のなかで届けるかで、受け取られ方が変わるんです。

AIは選択肢や切り口は出せても、関係性まで代わりにやってくれるわけじゃない。

私も、最後は人と人だと思います。

AIのアイデア出しは便利ですけど、そのまま持っていくんじゃなくて、相手と一緒に、そのアイデアを話す。そこが大事で。

その一手間に、人間の専門性が出ますよね。

KOLとの信頼関係を築くうえでも、最初の問いかけって大事で。

背景を理解してると伝われば、率直な意見も伺いやすくなる。

医局とか匿名コミュニティみたいな閉じた場には、外からは見えにくい関心テーマがあって。

もちろん個人情報を持ち出すことなく、匿名性を守りながら、どんな論点で迷っているかを捉えるのが大事ですね。

だからこれからの医療コンテンツは、正解を届けるものというより、医師がいまどこで迷っているかを可視化するものに近づいていく気がします。

体験型・参加型の形にすると、先生方の生きた知見が掘り起こされやすいですよね。今回のタイプ別診断コンテンツも、その一つの形だと思います。

AIに任せる部分と、人が判断する部分は、分けて考える必要がありますね。

AIの提案にすべて委ねるのではなく、あくまでも自身の意思決定のサポートとして使う認識は、常に忘れないようにしたいですね。