医療AI臨床試験：AI支援の診療に「構造的検証層」を重ねると安全上の失敗が減るか ― 3群無作為化で2つの問いを同時に検証（Waymark・NCT07597499）

1AIを足すのでなく、AIの上に重ねる

この試験の問いの立て方が特徴的である。AIを使うかどうかだけでなく、AIを使ったうえでさらに検証の層を重ねるかどうかを比べている。3つの群は、支援なしの標準診療、AI支援、AI支援＋検証層。AIの導入効果と、AIの出力を機械的に点検する仕組みの効果を、同じ試験のなかで分けて測る設計になっている。

AIの誤りをどう減らすかという問いに対し、より良いモデルを使うのではなく、出力を検証する別の層を置くという答え方を検証している。

2何を「安全上の失敗」と定義するか

主要評価項目は、遭遇ごとの二値の複合指標として定義されている。見逃してはならない診断への言及がないこと、トリアージが過小であること、禁忌に触れることなどが含まれる。AIの評価では正答率が指標になりがちだが、ここで数えているのは間違いのうち臨床的に意味のあるものである。何を失敗とみなすかを先に定めておかなければ、支援があった方が良かったのかは判定できない。事前登録された試験であることも記録されている。

3完了までが12週間

登録は2026年5月15日に始まり、7月6日に完了と記録されている。12週間の実施期間を設けた設計で、2026年8月31日時点で当サイトが保持する医療AI臨床試験803件のなかでは短い部類にあたる。

同じスポンサーは他の試験も登録しており、2026年8月31日時点で当サイトが保持する803件では複数試験を持つスポンサーが135あり、それらに属する記録は417件で全体の52%を占める。なお、どちらの群でどれだけ安全上の失敗が減ったかという結果は、このレジストリの記録には含まれていない。

4AIを足すのでなく、AIの上に重ねる

この試験の問いの立て方が特徴的です。AIを使うかどうかだけでなく、AIを使ったうえでさらに検証の層を重ねるかどうかを比べています。

1. 1支援なしの標準診療比較の基準になる
2. 2AI支援AIを導入したことの効果を測る
3. 3AI支援＋構造的検証層AIの出力を機械的に点検する仕組みの効果を測る

AIの誤りをどう減らすかという問いに対し、より良いモデルを使うのではなく、出力を検証する別の層を置くという答え方を検証しています。主要評価項目は遭遇ごとの二値の複合指標で、見逃してはならない診断への言及がないこと、トリアージが過小であること、禁忌に触れることなどが含まれます。何を失敗とみなすかを先に定めておかなければ、支援があった方が良かったのかは判定できません。