医療業界はデジタルツールの導入に関する課題を抱えています。多くの医療現場では、提供されているデジタルツールを継続的に利用している患者は3分の1にも満たないのが現状です。融通の利かないインターフェースは、患者の日常生活──たとえば日々のストレス、身体的な制約、言語の壁、そして優先すべきさまざまな用事──と噛み合わず、支援になるどころか、かえって負担やストレスを生み出してしまうことが少なくありません。
従来の固定型の患者向けアプリは、状況に合わせて柔軟に対応することができません。決まり切ったワークフローしか使わせないので、ケアへの参加方法を形作る患者の病状・気分・状況の変化を見落してしまいます。
るのではなく、むしろテクノロジーを回避しながら対処せざるを得なくなっています。適応性がないと、プラットフォームは、利用者のニーズやタイミング、状況には関係なく、同じ体験ばかり提供してしまいます。
エージェント型AIは、こうした状況を一変させています。システムが状況を理解し、一人ひとりの固有のニーズにリアルタイムで適合することで、医療サービスの提供方法、そしてより広義にはデジタル体験の提供や享受の方法に新たな可能性が切り開かれます。
人間中心の大規模な開発
エージェント型AIにより、リアルタイムで対話を個別に最適化するインテリジェントエージェントを組み込むことで、システムは状況を理解し、ニーズを予測し、業務や患者ケアのプロセスにおいて利用者を積極的にサポートします。
生きたアプリが、まさにそれを実現してくれるのです。エージェント型AIを搭載した適応型アプリは、現在の固定型ポータルを、既存の医療システムや管理システムの上に構築される応答性の高いユーザー体験レイヤーに変えます。単一で固定されたワークフローではなく、患者が誰であるか、またその人特有の状況やニーズに応じて、コンテンツ、対話パターンやガイダンスを絶えず再構成します。
患者のデータ（年齢、能力、言語、好みなど）、ケアチームが定義した臨床任務（例えば、投薬計画、副作用の報告、治験日誌の記入など）、そしてアプリ自体から得られる背景情報（時間帯、デバイス種別、または利用環境など）を組み合わせることで、エージェント型AIはそうした入力情報を解釈し、インターフェースを動的に適応させます。その結果、基盤となるシステムの一貫性、安全性、コンプライアンスを損なうことなく、患者のニーズに合わせて調整しながら、臨床的な文脈に沿ったパーソナライズされた体験を実現することができます。
例えば、服薬計画をきちんと守る必要がある若い患者には、進捗に応じたごほうびが得られたり、保護者が服薬状況を確認できたりする仕組みを備えた、ゲーム感覚のインターフェースが表示される場合があるかもしれません。震えがある高齢患者には、大きな活字やシンプルなレイアウト、柔軟な入力操作が用意される場合があるかもしれません。英語が話せない患者は、自分の母国語を使って音声やテキストで対話することができ、その裏側ではシステムがそれを臨床医の言語へと正確に翻訳します。いずれの場合でも、医療手順やコンプライアンスの枠組みは変わりませんが、情報の提示方法や使い方は、患者一人ひとりの状況に完全に合わせて最適化されるのです。
逆説的ではありますが、うまく設計された生きたアプリは、インターフェースがより直感的になるため、「操作方法」についての初歩的な質問の数を減らすことになるはずです。その結果、カスタマーサポートチームの負担が軽減され、日常的な操作性や使いやすさに関する問題ではなく、真に複雑でリスクの高い少数の重要な問題に、人的サポートを集中させることができるようになります。
エージェント型AIによる体験のキュレーション（最適な体験の自動構成）の仕組み
このレベルの応答性の実現には、明確な技術的意味合いがあります。エージェント型インターフェースには、いくつかの機能を一体化した次世代の体験レイヤーが必要です。
- アプリケーションの目的を基軸にする：システムは、安全な服薬厳守、治験プロトコルの遵守、術後回復などといったアプリ中核となる目標を明確に重視する必要があり、いかなる変更もその目標から逸れてはならず、その目標に貢献するものでなければなりません。
- 豊富で進化し続けるユーザーコンテキスト: インターフェースは、年齢や使用言語、障害の有無といった定常的な属性だけでなく、最近の行動履歴、利用時間帯、使用デバイス、周囲の騒音レベルなどの動的シグナルも含めた「ユーザーコンテキストモデル」を活用できる必要があります。一部の情報は初期設定時の質問から取得されますが、それ以外の情報については、エージェントが患者とのやり取りを観察する中で徐々に推測されていきます。
- リアルタイムのフィードバックループ：すべての操作がフィードバックとして処理されます。操作中のためらい、繰り返し行われるタップ、入力途中で放棄されたフォーム、あるいは「理解できません」といった明確な発言は、エージェントが難易度、ペース、説明、あるいは引き継ぎの経路をリアルタイムで調整するために使用するシグナルです。
- マルチモーダルなインタラクション：体験レイヤーは、テキスト、音声、視覚情報、触覚フィードバックなど複数の入出力チャネルをサポートし、その時点での利用者の状況に応じて、最も適切な方法を動的に選択し組み合わせる必要があります。
その結果、インターフェース自体が適応的なものになります。
- 適応型の出力：システムは対話方法を決定します：つまり、音声による指示、段階的な視覚的表示、データの豊富なダッシュボードの提供、またはウェアラブル端末上のシンプルなアイコンと振動による合図などの方法が可能です。
- 適応型の入力：システムは応答方法を決定しますが、従来の命令と応答というやり取りに限定されません。例えば、「次に何をすればいいかわからない」といった自然言語の音声やテキストを受け取り、それを混乱や苦痛と解釈し、ガイダンスを調整したり、必要に応じて医療従事者やサポートチームに引き継いだりすることができます。
エージェント型インターフェースと意図を考慮した相互運用性
生きたアプリの高度な適応性を実現するためには、エージェント型システムが正確で包括的な患者データへリアルタイムでアクセスできる必要があります。相互運用性は譲ることのできない基盤であり、標準化された接続データ層を提供することで、AI主導の体験が画一的な設計を超えながらも、一貫性・安全性・コンプライアンスを維持できるようになります。生きたアプリはインターフェースでのユーザー体験の問題を解決しますが、システムレベルに関連する別の課題が生じます。機械により、システム間で医療ケアの目的や状況を転送する必要があるのです。そこで重要になるのが「意図を伴う相互運用性」です。
従来の相互運用性は、医療提供過程全体にわたりシステム間でデータを移動させることに重点を置いていました。もちろんそれは現在でも変わらず重要ですが、それだけでは十分ではなくなりつつあります。同じデータや同じ質問であっても、それを利用するのが在宅患者なのか、診療現場の臨床医なのか、あるいは治験を行う研究者なのかによって、「正しい」答えが異なる場合があります。相互運用可能なデータに明確な意図と状況を組み合わせることにより、エージェント型インターフェースはそれぞれの状況に応じて適切な行動、説明、またはワークフローを選択できるようになります。
在宅でデジタル医療サービスを受ける個々の患者にとって、意図を認識する相互運用性とは、「次に取るべき最適な行動」を平易な言葉で表示するなどのより簡単な調整を意味するかもしれません。臨床試験や研究の現場では、その重要性はさらに高まります。例えば、状況を誤って解釈すると、試験プロトコルの遵守やデータ品質に悪影響を及ぼす可能性があります。どちらの場合でも、相互運用可能なデータと意図を認識するエージェント型インターフェースが組み合わせこそが、固定的だったデジタル表示画面を、医療の厳格な要求事項に沿いながら、人間に安全に適応できる生きた学習システムへと変える鍵となります。
アプリストア、規制当局、そして適応型ソフトウェア
実装の観点から見ると、生きたアプリは現在のアプリ配信や規制の枠組みと必ずしも相性が良いとは言えません。アプリストアや医療機器規制は、主として、ゆっくりと、かつ明確に定義された段階を経て変化するソフトウェアを前提として設計されています。応答性の高い、AI主導の動作は、その前提そのものに疑問を投げかけています。
アプリストアの面では、AppleとGoogleは、特にアプリが個人情報を第三者のAIサービスへ送信する場合において、データ利用、AIの動作、プライバシー保護に関する要件をますます厳格化しています。継続的な学習、パーソナライズ、マルチモーダルな対話に依存する適応型医療アプリにとって、これは設計上の緊張関係を生み出します。つまり、より固定的な体験のために構築されたポリシーに適合させながら、エージェント型AIの機能を最大限に活用するにはどうすればよいか、という課題です。
アーキテクチャの観点で見ると、現在もっとも有望なパターンは、生きた体験レイヤーを、Apple App StoreやGoogle Play Store上に存在する薄いシェルから切り離すことです。ストア経由で配布されるアプリは、安定した、境界が明確なコンテナとなる一方、適応型動作の大部分は、適切なガバナンスの下でより迅速に進化できる、安全で準拠したバックエンドサービスとウェブベースのインターフェースに存在しています。
同時に、軽量なデバイス上のエージェントが、リアルタイムの使用状況や背景情報に基づいて、インターフェースの一部をローカルで（オフラインでも）段階的に適応させていくという、第二のパターンも出現しつつあります。こうしたアプローチを組み合わせることで、組織は配信上の制約を遵守しながらも、インテリジェンスがどこで実行されているかに関わらず、真に生き生きとした体験を提供できるようになります。
規制面では、米国やEUをはじめとする各国・地域の規制当局が、AIを活用した応答性の高い医療ソフトウェアをどのように評価すべきかについて積極的に取り組んでいます。透明性とコンプライアンスは開発の初期段階から構築すべきであり、そのため規制対応戦略を後付けで考えるのではなく、製品開発やエンジニアリングのロードマップにおける不可欠な要素として組み込むことが強く推奨されます。それは、つまり以下のようなものです：
- 開発の初期段階からトレーサビリティを考慮して設計することで、あらゆる適応的な変更やモデルの更新について、説明と監査が可能になること。
- 安全上重要な適応と、そうでない適応との間に明確な境界を設け、それぞれに適切な管理を適用すること。
- 規制当局や認証機関と早期に連携し、エビデンス、モニタリング計画、許容される更新の仕組みについて認識をすり合わせること。
人を中心に据えた、新しい世代のヘルスケア体験
生きたアプリは、医療では常に約束してきたものの、デジタルシステムによってしばしば損なわれてきたもの、つまり真にパーソナルなケアを取り戻す機会となります。
相互運用可能なデータ、明確な意図、そして適応型のエージェント型インターフェースが連携することで、患者はもはや静的なポータルを体験する必要がなくなります。代わりに、自身のニーズを理解し、時間の経過とともにそれに合わせて変化するシステムと対話するようになります。その裏側では、データモデル、コンプライアンスルール、各種標準が引き続き厳格に維持されています。表面的には、ケアはようやく人間らしさを取り戻したものとして感じられるようになります。
私たちがお手伝いできること
私たちは、医療機関、医療機器メーカー、デジタルヘルス企業と提携して、次世代の医療プラットフォームを設計・構築しています。当社のチームは、医療向けカスタムソフトウェア開発、HL7 FHIR相互運用性に関する専門知識、そして実用的なAIソリューションを組み合わせることで、拡張性の高い医療データプラットフォーム、インテリジェントな患者エンゲージメントソリューション、安全な臨床ワークフロー自動化を実現しています。
