AIは「診断」できても「診察」はできない——身体という暗号、関係という解読装置

ルートヴィヒ・ウィトゲンシュタインは『哲学探究』の中で、「ライオンが話せたとしても、私たちは彼を理解できないだろう」と書いた。この一節が示すのは、言語の問題ではなく、生活形式（Lebensform）の共有という条件の問題である。理解とは、記号の照合ではなく、共通の身体的・実践的文脈の中に浸ることによって成立する——ウィトゲンシュタインの洞察はそこへと向かっている。私がAIと医師の関係を考えるとき、この命題は奇妙なほど精確に問題の核心を指し示す。

2017年、スタンフォード大学の研究グループがNatureに発表した深層学習モデルは、皮膚科専門医129名との比較において、皮膚がんの分類精度で同等以上の成績を示した（Esteva et al., Nature, 2017）。2019年にはGoogle HealthのAIが、乳がんのマンモグラフィ読影において放射線科医を上回る偽陰性率・偽陽性率を達成したとLancetに報告された（McKinney et al., Lancet, 2020）。これらの数値は実際に圧倒的であり、AIが特定の「診断タスク」において人間の認知限界を超えうることは、もはや争う余地のない事実である。

しかし私が問いたいのは、そのような「診断タスクの精度比較」が、医師という存在の機能を正しくモデル化しているかどうかである。放射線画像から病変を検出する行為は確かに「診断の一部」だが、それは患者が診察室に入ってくる前に始まり、退室した後も続く一連のプロセスの、ごく限られた断面にすぎない。問題は、AIが医師を「代替」できるかではなく、私たちが「診察」と「診断」を区別して思考できているか、という認識論的な問いの方にある。

以下の論考では、診断と診察という二つの概念を神経科学・現象学・医療人類学の複数の軸から解剖し、AIが何を行っているのか、そして医師が（これまで言語化されてこなかった仕方で）何を行っているのかを明確にする。

「診断」と「診察」——概念の解剖

医学において診断（diagnosis）とは、患者が呈する症状・徴候・検査値の集合を、既存の疾患分類体系（DSM-5、ICD-11、あるいは病理学的カテゴリー）へと対応づける操作を指す。本質的には、入力データセットを所定のクラスへとマッピングするパターン認識の問題構造を持つ。この構造において、AIは原理的に優位である。なぜなら機械学習モデル——とくにディープニューラルネットワーク——は、人間の知覚的・認知的閾値を超える微細なパターンを高次元データから抽出することが可能であるからだ。

一方、診察（medical examination / clinical encounter）は、はるかに複雑な実践構造を持つ。それは単なる情報収集の手続きではなく、医師と患者という二つの身体的存在が、時間・空間・情動・言語・非言語シグナルを共有する場において展開する相互構成的なプロセスである。診察とは、患者の発する多チャンネルのシグナル——声調・表情・姿勢・皮膚色・呼吸リズム・眼球運動・語彙選択・沈黙の質——を、医師という生物学的受容体が全身で受け取り、そのデータを仮説として組み立てては棄却する反復的認知プロセスである。

この区別は恣意的な概念操作ではない。神経学者のアントニオ・ダマシオが提唱したソマティック・マーカー仮説（Somatic Marker Hypothesis）は、人間の意思決定が内臓感覚・身体状態を符号化した情動的シグナル（ソマティック・マーカー）によって方向づけられていることを示した（Damasio, 1994）。経験を積んだ臨床医が「この患者は何か重篤なものを持っている」と直感的に感じる現象は、単なる「勘」ではなく、長年の臨床経験が内臓・皮質系ループとして実装された予測符号化プロセスの出力である可能性が高い。このような身体に根ざした認識は、現時点のAIアーキテクチャには原理的に存在しない。

AIと医療——数字が示す現状と限界

AIの診断支援における現状を、主要な研究データから整理しておく。

画像診断領域では、2020年に報告されたGoogle DeepMindの眼底画像解析AIが、50種以上の眼科疾患において眼科専門医と同等以上の感度・特異度を示した（De Fauw et al., Nature Medicine, 2018）。病理診断においては、デジタルパソロジーに適用されたAIが、乳がんのリンパ節転移検出においてリンパ節専門病理医を上回るAUC（0.994 vs 0.966）を達成している（Bejnordi et al., JAMA, 2017）。

精神医学領域に目を向けると、状況は大きく異なる。うつ病の診断においてAIが音声解析・表情解析・テキスト解析を組み合わせたマルチモーダルアプローチで感度70〜80%程度を達成した報告はあるが（Cummins et al., Speech Communication, 2015）、これはDSM-5に基づく精神科医による構造化面接の診断精度と比較しても、臨床使用に耐える水準にはまだ達していない。統合失調症・双極症・PTSDのような複雑な精神疾患では、AIの診断精度は画像診断と比較して著しく低く、その主因は症状の文脈依存性と患者の語りの解釈困難性にある。

ここで注目すべきは、AI精度が高い領域の共通点である。それらはいずれもタスクが「視覚的パターン認識」に収束する領域であり、患者の主訴・生活史・価値観・家族背景・文化的文脈の統合を必要としない。精度の高さは、タスク定義の明確さと不可分である。

現象学的診察——フッサールからメルロ＝ポンティへ

診察という行為を哲学的に位置づけるとき、フッサールの現象学とメルロ＝ポンティの身体論は不可欠な参照軸となる。

エドムント・フッサールは「志向性（intentionality）」の概念によって、意識は常に「何かについての意識」であり、主観と客観の二分法を超えた経験の構造を持つことを示した。これを医師と患者の関係に適用するならば、診察とは医師の意識が患者の身体・語り・沈黙へと向かい、その中に病いの構造（疾患としての disease ではなく、病い経験としての illness）を見出す志向的行為である。

モーリス・メルロ＝ポンティはさらに根本的な命題を提示した。彼の主著『知覚の現象学』（1945）は、人間の認識が「身体図式（schéma corporel）」——身体の運動的・感覚的な世界への習慣的な係わり方——によって根底から構成されていることを論じた。医師が患者の歩行を見る、皮膚の色調を見る、手を握るとき体温と筋緊張を感じる——これらの知覚行為は、医師自身の身体が媒介する解釈活動である。AIに入力される画像や音声データは、この身体図式的な知覚のデジタル的変換物にすぎず、変換の過程で失われる情報の量は計量されていない。

このことは、電子カルテの構造化データや、画像ファイル・音声ファイルとしての記録が、診察の完全な代理になりえないことを意味する。記録されたデータは、診察において知覚されたものの選択的・不完全な写像である。

臨床直感の神経科学——予測符号化と身体化された認識

熟練した臨床医の「直感的診断」を神経科学的に解析すると、それが単なる経験則の蓄積ではなく、神経生理学的に説明可能なプロセスであることが示唆される。

現代神経科学における予測符号化（predictive coding）理論——とくにカール・フリストンの自由エネルギー原理（Free Energy Principle）——によれば、脳は感覚入力に対して受動的に反応するのではなく、常に次の感覚入力を予測するモデルを生成し、予測誤差（prediction error）を最小化するよう動作している（Friston, Nature Reviews Neuroscience, 2010）。臨床経験とは、この予測モデルの精緻化プロセスであり、長年にわたって磨かれた予測モデルは、わずかな感覚入力から「通常と異なる何か」を高速に検出できるようになる。

さらに重要なのは、島皮質（insula）の役割である。島皮質は内受容感覚（interoception）——内臓・循環系・筋骨格系からの身体内部シグナル——を統合し、情動・共感・身体的自己感覚に関与する脳領域として同定されている（Craig, Nature Reviews Neuroscience, 2002）。臨床医が患者と対面するとき、島皮質を含む辺縁系は患者の情動状態に対してミラー的に応答し、これがダマシオの言うソマティック・マーカーとして意思決定プロセスに入力される。この身体間共鳴（interbodily resonance）のメカニズムは、神経科学的に実装された共感の生物学的基盤であり、同時に臨床的情報収集の重要チャンネルである。

一方のAIには、身体がない。現時点のAIアーキテクチャは、内受容感覚を持たず、ソマティック・マーカーを生成しない。患者の苦痛を「処理」することはできても、それを「受け取る」身体的基盤が構造的に欠如している。これはAIの技術的未熟さの問題ではなく、アーキテクチャの根本的な差異の問題である。

治療的関係——非特異的因子の定量的証拠

医師と患者の関係そのものが治療効果を持つという証拠は、精神医学において特に堅固である。治療同盟（therapeutic alliance）——医師と患者の間の協働的な信頼関係——は、心理療法の効果に関するメタ分析において、技法の種類を超えた最大の効果予測因子の一つとして同定されている（Horvath et al., Psychotherapy, 2011、対象研究数200以上、r = 0.28、p<0.001）。

プラセボ効果の研究もこの問題と直結する。2008年にHarvard Medical Schoolのグループが発表したRCTでは、過敏性腸症候群患者において、偽鍼治療であっても医師から「温かみがあり、積極的に関与する」態度で施術された群は、待機群と比較して有意な症状改善を示した（Kaptchuk et al., BMJ, 2008）。この結果は、治療的関係が生物学的に実在する効果を持つことを示すものであり、その機序にはオキシトシン・エンドルフィン系の賦活、HPA軸の抑制、免疫調節が関与する可能性が指摘されている。

Z世代社員に特化した

Z産業医事務所

Z産業医事務所は、国内初のZ世代にあたる新入社員や若手社員のメンタルケアに特化した新しい産業医事務所です。AIドクターやオンライン面談システムを駆使して、都内にある本社から離島をはじめとした僻地や地方の支店・営業所も含めた全国のメンタル不調の社員様を24時間体制でフォローすることが可能です。

Z産業医事務所 公式Webサイト

身体医学においても類似した現象が確認されている。「医師からの情報提供の質と量」よりも「患者が理解されたと感じるか」の方が服薬アドヒアランスの強力な予測因子であることが、複数のコホート研究で示されている（DiMatteo, Psychological Bulletin, 2004）。理解されるという経験は、情報伝達の問題ではなく、関係性の問題である。

不確実性の操作——医学における確率と直感の協働

AIと医師の差異を最も鮮明に照射するのは、不確実性の扱い方の問題である。

医学的診断は本質的に確率的である。ベイズ推論の枠組みで言えば、診断とは事前確率（病歴・疫学的背景から推定される疾患確率）を、診察・検査所見によって更新し続ける後方確率の反復更新プロセスである。AIはこのベイズ的更新を、大規模データから学習した尤度比として実装することができ、特定のタスクではきわめて高い精度を発揮する。

しかし臨床の現実において、不確実性の源泉は「データ不足」だけではない。患者は矛盾した症状を示すことがある。語りの中に沈黙が含まれ、その沈黙に診断的意味がある場合がある。症状は文化・言語・生活史によって異なる表現を纏う。メキシコ系米国人患者において「tristeza（悲しみ）」という語が指す身体感覚と、日本人患者が「気分が重い」と述べるときの内的状態は、DSM-5のうつ病診断基準の同一項目に対応するかもしれないが、その表現形と文脈は根本的に異なる。

この文化的・語用論的不確実性に対処するには、患者の生活世界（Lebenswelt）への参照が不可欠であり、その参照は医師という生物学的・社会的存在にのみ可能な操作である。現在のAIは、訓練データの分布内では優れた精度を発揮するが、分布外（out-of-distribution）事例への対応は構造的に脆弱であり、これは医学的現場において稀な疾患・非典型症例・多病態合併例で致命的な限界となりうる。

AIは代替ではなく認識的補綴——Human-AI協働の現在地

上述の議論は、AIを医療現場から排除すべきという主張ではまったくない。むしろ、AIを何の補綴として位置づけるかを精確に定義することが、医療AIの適切な実装に不可欠であることを示している。

AIが優れているのは、人間の知覚的・認知的限界に由来するエラーを補正する領域である。夜間・長時間労働後の疲弊した医師が胸部X線を読影する場面、高容量の検診データを処理する場面、多数の薬剤相互作用を即時に確認する場面——これらにおいてAIは認識的補綴として機能し、医療安全の向上に貢献できる。

ヒューマン・コンピュータ・インタラクション研究においては、AIと人間が協働する条件下で、両者単独の場合を上回る診断精度が得られることが示されている（Tschandl et al., Nature Medicine, 2020）。この結果は、AI単独でも医師単独でもなく、両者が相互に補完的に機能する認識的エコシステムの構築を示唆するものである。

しかし協働が成立するためには、医師側がAIの出力特性——その強みと失敗モードを——正確に理解していなければならない。AIが確信度の高い誤答（confident wrong answer）を出力する可能性があること、訓練データの偏りを反映したアウトプットを生成しうること、これらを批判的に評価する認識論的能力は、AIの精度がいかに高くても、診察室に座る医師に求められ続ける。

まとめ

• 「診断」はパターン認識タスクであり、AIは特定の高度に定義されたタスク（画像診断・病理診断等）において人間の認知限界を超えうる精度を実証している。
• 「診察」は医師と患者の身体的・言語的・情動的相互作用によって構成される実践であり、メルロ＝ポンティ的な身体化された認識・ソマティック・マーカー・身体間共鳴を包含する。
• 熟練医師の臨床直感は、予測符号化（Friston）とソマティック・マーカー（Damasio）として神経科学的に記述可能であり、島皮質・前帯状皮質・扁桃体を含む神経回路の実装として理解できる。
• 治療同盟は心理療法効果の最大の予測因子の一つ（r = 0.28、Horvath et al.）であり、治療的関係はオキシトシン・エンドルフィン系等を介した生物学的効果を持つ。
• AIの診断精度はタスク定義の明確さと訓練データの分布に強く依存し、非典型症例・多文化的文脈・分布外事例においては構造的に脆弱である。
• 精神科・心療内科領域では、AIの診断精度は画像診断と比較して著しく低く、症状の文脈依存性・語りの解釈困難性が主因として同定されている。
• Human-AI協働は単独条件を上回る診断精度を示しうるが、医師がAIの出力特性を批判的に評価する能力を維持することが協働の前提条件である。
• AIは医師の認識的補綴として機能しうるが、身体なき認識システムが身体化された診察を代替することは、現行のアーキテクチャでは原理的に困難である。

Closing Note

情報理論の観点から言えば、診察室において医師と患者の間に流れる情報は、電子カルテに記録されるものよりも遥かに高いビット数を持っている。そしてその余剰情報——記録されないもの、言語化されないもの、身体によってのみ受け取られるもの——の中に、しばしば診断の鍵が宿る。エントロピー最大化の原理からすれば、診察という系を閉じることなく開放し続けることが、見逃しを最小化する戦略として機能する。AIはその系を効率化する強力な道具だが、系そのものを構成する要素にはなれない。医師という存在が診察室に物理的に存在することの意味は、情報処理の効率性とは別の次元にある。それは、苦しむ身体が別の身体によって受け取られるという、医学の起源にある非対称な関係の構造に由来している。

ウィトゲンシュタインの命題に戻るならば、AIは確かに「話せる」ようになった。しかし患者の生活形式を共有する身体を持たないAIが患者を「理解する」とはいかなることか——この問いは技術的問いではなく、医学の自己理解に関わる哲学的問いである。そしてその問いを保持し続けることが、医療AIの時代における臨床の誠実さの条件となる。