「医療AIのニュースを読んでも、略語ばかりで内容が入ってこない……」 「SaMDやPMDAといった専門用語の意味を、手っ取り早く整理したい」
このような悩みをお持ちではありませんか。
AI医療の分野は、テクノロジーと医療制度、さらには倫理や法律が複雑に絡み合う領域です。そのため、聞き慣れない英字略語や専門的な概念が多く、どこから手をつければよいか迷ってしまう方も少なくありません。
この記事では、AI医療用語の基本を、初心者の方でも体系的に学べる順番で整理して紹介します。実務で頻出する画像診断AI、自然言語処理、SaMD、PMDA承認といったキーワードを中心に、その背景まで含めて解説しました。
この記事でわかること:
- 医療AIの全体像を捉えるための3つの分類
- 現場やニュースで必ず目にする基本用語30選
- 技術用語と制度用語を混同しないための読み解き方
- 導入検討や情報収集で役立つ比較のポイント
- 効率的に用語を習得するための学習ステップ
この記事を読み終える頃には、医療AIに関する専門的な会話や最新の製品資料が、驚くほどスムーズに理解できるようになっているはずです。
AI医療用語を理解する前に知っておきたいこと
医療AIの世界へ踏み出す前に、まず意識しておきたいのが「用語の属性」です。医療AIの話題では、技術的な側面と、法律や規制といった制度的な側面がセットで語られます。
たとえば「深層学習（ディープラーニング）」は技術の話ですが、「SaMD（プログラム医療機器）」は規制上の分類を指す言葉です。これらを混同したまま読み進めると、製品の凄さはわかっても、それが日本で実際に使えるものなのか、といった実務的な判断ができなくなってしまいます。
また、医療という命に関わる分野である以上、単に「AIの精度が高い」だけでは不十分です。データの安全性や説明責任、個人情報の保護といった観点も用語として定義されています。これらをセットで押さえることが、本質的な理解への近道です。
用語を整理するための3つの視点
膨大な用語を効率よく吸収するために、まずは次の3つのカテゴリーを意識してみてください。
- 画像や検査データを解析する「技術用語」
- カルテや会話などのテキストを扱う「言語処理用語」
- 医療機器としての承認や規制を扱う「制度・運用用語」
この3つの箱を頭の中に用意するだけで、新しく出会った単語をどこに収納すべきかが明確になります。 それでは、具体的な重要用語を見ていきましょう。
AI医療用語の基本30選
ここからは、医療AIを語る上で避けて通れない30の用語を解説します。興味があるセクションから順に目を通してみてください。
1. AI技術の基礎を支える用語
まずは、医療AIの土台となっている技術用語です。
-
AI（人工知能） コンピュータに人間のような知的な処理を行わせる技術の総称です。医療現場では、レントゲン写真の解析などに活用されています。
-
機械学習（マシンラーニング） データからパターンや規則性をコンピュータが自ら学習する手法です。「この画像には病変がある」といった判断の基準をデータから作り出します。
-
深層学習（ディープラーニング） 脳の仕組みを模した「ニューラルネットワーク」を多層にした手法です。医療画像の認識において、従来の機械学習を大きく上回る性能を発揮しています。
-
ニューラルネットワーク 脳内の神経細胞のネットワークをモデル化した計算構造です。AIが情報を処理するための「頭脳」の土台となります。
-
推論（インファレンス） 学習済みのAIモデルが、新しいデータに対して結果を出す工程を指します。
-
学習データ AIが学習するために必要なデータのセットです。医療AIでは、質の高い症例データの蓄積が性能の鍵を握ります。
-
ラベル付け（アノテーション） データに「これは肺がんの影です」といった正解情報を付与する作業です。医師の手作業で行われることが多く、多大なコストがかかります。
-
精度（アキュラシー） AIの予測全体のうち、正解した割合です。ただし医療では、精度以外の指標も非常に重視されます。
-
再現率（リコール） 病気がある人を、AIがどれだけ正しく「病気あり」と判定できたかの割合です。見逃しを最小限に抑えたい検査で重要視されます。
-
特異度（スペシフィシティ） 病気がない人を、正しく「病気なし」と判定できた割合です。不要な再検査や患者の不安を減らすために必要な指標となります。
2. 画像診断と医療データの処理
次に、医療AIで最も実用化が進んでいる画像解析周りの用語です。
-
画像診断AI X線やCTなどの画像から、病変の疑いがある箇所を自動で検知・指摘するシステムです。
-
DICOM（ダイコム） 医療用画像の保存や通信のための世界共通規格です。AIが病院内のシステムとやり取りする際に必須となる形式です。
-
EHR（電子健康記録） 病院間で共有される、個人の健康情報データです。AIによる長期的な健康予測に利用されます。
-
PHR（パーソナルヘルスレコード） 患者自身が管理する健康記録です。生活習慣データとAIを組み合わせることで、予防医療への活用が期待されています。
-
過学習（オーバーフィッティング） AIが学習用データにばかり詳しすぎて、実際の患者に対応できなくなる現象です。
-
外部検証（外部バリデーション） 開発時とは別の病院のデータなどを使って、汎用性を確認するテストです。
-
バイアス データの偏りのことです。特定の年代のデータばかりで学習すると、正確な判定ができなくなる恐れがあります。
-
説明可能性（エクスプレナアビリティ） 「AIがなぜその結果を出したのか」を人間が理解できる形で示す性質です。
-
データクレンジング 欠損値や誤入力を修正し、AIが学習しやすい綺麗なデータに整える作業です。
-
転移学習 あるタスクで学んだ知識を、別のタスクに流用する手法です。少ないデータでも効率よくAIを開発できます。
3. 自然言語処理と診療支援
テキストデータや音声を活用し、事務作業を効率化するための用語です。
-
NLP（自然言語処理） 人間が話したり書いたりする言葉をコンピュータに処理させる技術です。膨大なカルテからの情報抽出などに使われます。
-
音声認識 医師や看護師の声をリアルタイムで文字に変換する技術です。診療記録（カルテ）入力の負担を劇的に減らすツールとして注目されています。
-
生成AI プロンプト（指示文）に応じて文章や画像を新しく作り出すAIです。医療では紹介状の下書きや、退院サマリーの自動生成への活用が期待されています。
-
要約 長い診療記録から重要なポイントを抜き出す処理です。多忙な現場での情報共有を迅速にするために役立ちます。
-
セマンティック検索 キーワードの完全一致ではなく、言葉の「意味」をもとに検索する技術です。類似症例の検索や、医学文献の調査を効率化します。
-
マルチモーダルAI 画像、数値、文章など、複数の種類の情報を組み合わせて処理するAIです。画像診断の結果と血液検査の結果、カルテの記述を統合して判断するといった高度な支援が可能になります。
4. 制度・規制と運用のルール
日本で医療AIを普及させるために守らなければならないルールに関する用語です。
-
SaMD（プログラム医療機器） Software as a Medical Deviceの略で、それ単体で医療機器としての役割を果たすソフトウェアです。スマホアプリによる診断支援などが該当します。
-
PMDA（独立行政法人 医薬品医療機器総合機構） 日本で医療機器や医薬品の審査を行う公的機関です。AI製品が「医療機器」として世に出るための関門となります。
-
承認（プロダクト・アプルーバル） PMDAの審査を経て、厚生労働大臣が販売を認めることです。承認を受けた製品は、初めて「医療機器」として公に販売・使用が可能になります。
-
QMS（品質マネジメントシステム） 医療機器の設計から製造、出荷後の安全管理までを適切に行うための仕組みです。AIが常に一定の品質を保てるよう厳格に管理されます。
医療AIの用語で特に重要な3つの壁
用語を30個紹介しましたが、実務において特につまずきやすいポイントが3つあります。ここをクリアにするだけで、理解度は一段と深まるでしょう。
技術と制度を切り分ける
現場で最も多いのが、SaMDとPMDAを混同するパターンです。言葉の性質を整理すると、以下のようになります。
- SaMDは「そのソフトウェアがどんな性質のものか」という分類の言葉です。
- PMDAは「その製品を審査する組織」の名前です。
「このSaMDはPMDAの承認を受けているか」という問いが成立するよう、それぞれを切り分けて覚えることが大切です。
精度だけを見ない
AIのプレゼンで「精度99%」という数字が出ると、つい「完璧だ」と思いがちかもしれません。しかし、医療においては**再現率（見逃しの少なさ）と特異度（誤検知の少なさ）**のバランスがより重要です。
スクリーニング目的のAIなら再現率を高く設定し、確定診断の補助なら特異度を重視するといった、目的別の指標の読み分けが必要になります。単一の数字に惑わされない姿勢が、正しい評価に繋がります。
説明可能性の有無を確認する
最新の深層学習は非常に高性能ですが、なぜその結論に至ったのかがわかりにくい「ブラックボックス問題」を抱えています。医師が納得して診断を下すためには、AIが「この影の周辺に特徴があるため病変と判断しました」といった根拠を示す説明可能性が鍵になります。
現場への導入を検討する際は、AIが根拠をどう提示してくれるのかを必ず確認しましょう。
AI医療用語を実務で読み解く比較軸
新しい医療AI製品を検討したり、論文を読んだりする際には、単語そのものだけでなく、以下の5つの軸で比較することをお勧めします。
| 比較軸 | チェックポイント |
|---|---|
| データの種類 | 画像（CT/MRI等）か、言語（カルテ/論文）か、数値（血液検査等）か |
| 開発フェーズ | 研究段階（学会発表レベル）か、薬事承認済み（現場で使える）か |
| 検証の質 | 単一の施設でのデータか、複数の施設（マルチセンター）でのデータか |
| AIの役割 | 医師の見逃しを防ぐ「検知支援」か、良悪性を判断する「診断支援」か |
| 更新性 | 導入時のままの性能か、運用しながら常に学習・進化するタイプか |
この5つの観点を意識するだけで、製品カタログの裏側にある「本当の価値」が見えてくるようになります。
現場でつまずきやすいポイントと解決策
現場で医療AIの導入が進む際、言葉の定義が原因で混乱が生じることがあります。
たとえば「AIによる自動診断」という言葉です。現在、日本で承認されている多くの製品は、あくまで「医師の判断を支援するもの」であり、AIが単独で診断を下すことは制度上認められていません。ここを勘違いすると、導入後のワークフロー設計で大きなギャップが生じてしまいます。
また、略語の多さも障壁の一つでしょう。最初は無理にすべてを暗記しようとせず、自分の業務に直結する領域から手を付けるのが現実的です。
- 放射線科の方：画像診断AI、DICOM、アノテーション
- 事務・経営の方：NLP、SaMD、PMDA、要約
- 情報システムの方：EHR、PHR、QMS、データクレンジング
このように「自分に関連する用語」を入り口にすることで、学習のハードルはぐっと下がります。
AI医療用語を覚えるための5ステップ
効率的に用語を習得し、実務で使える知識に変えるためのおすすめの順序を紹介します。
- 基本3概念を理解する AI、機械学習、深層学習の階層構造をまずはしっかり押さえましょう。
- 目的別の用語に広げる 画像解析なら「画像診断AI」、文書作成なら「生成AI」と、興味のある分野の用語を覚えます。
- 評価指標の読み方を知る 精度だけでなく、再現率や特異度といった「医療ならではの測り方」を理解します。
- 制度とルールの枠組みを学ぶ SaMDやPMDAなど、日本で製品を使うために避けて通れない法律・規制の語を補います。
- 最新の活用事例と結びつける 実際の導入ニュースを読み、その中で用語がどう使われているかを確かめます。
このステップを踏むことで、単なる言葉の暗記ではなく、背景にある論理や現場の課題までセットで理解できるようになります。
医療AIの具体的な活用シーンをイメージしたい方は、こちらの記事も参考になります。 AI医療の活用事例とは？診察支援から画像読影までの最新動向
また、AI医療機器のメリットや課題について詳しく知りたい方は、以下の記事が役立ちます。 AI医療機器のメリットとデメリットを徹底解説—導入の壁と将来性
画像診断AIが実際の診断現場でどう使われているかは、AI医療診断の活用事例と最新動向もあわせて読むと理解が深まります。
参考にしたい外部情報
最新かつ正確な情報を得るためには、公的機関の一次情報を参照するのが最も確実です。
-
PMDA（独立行政法人 医薬品医療機器総合機構） 日本における医療機器承認の審査基準や、承認された製品の一覧を確認できます。実務者にとっては最も重要な情報源です。 PMDA公式サイト（外部サイト）
-
厚生労働省（医療機器のプログラム薬事承認について） SaMDに関するガイドラインや、制度設計の背景について詳しく解説されています。 厚生労働省公式サイト（外部サイト）
よくある質問（FAQ）
AI医療用語はどの程度の深さまで理解すべきですか？
まずは「その言葉が技術なのか制度なのか」を判別できるレベルを目指しましょう。エンジニアでなければ数式の理解までは不要ですが、精度指標の定義や規制の枠組みを知っておくと、メーカーとの商談や会議で困ることはなくなります。
SaMDと一般的なヘルスケアアプリはどう見分ければよいですか？
「病気の診断、治療、予防」を目的としているかどうかが大きな境目です。単なる健康管理（歩数計測など）ではなく、医学的な判断を伴うものは医療機器（SaMD）としての承認が必要になります。
画像診断AIの「精度」が100%になることはありますか？
理論上も実務上も、100%になることはありません。医療には必ず「例外」や「個体差」があるためです。大切なのは100%を目指すことよりも、AIが苦手な領域を人間がどう補うかという運用設計にあります。
医療AIを学ぶのにおすすめの資格はありますか？
「G検定」などのAI全般の知識を問うものに加え、最近では医療情報技師の知識なども役立ちます。ただし、まずは本記事のような用語解説を通じて、現場で使われている言葉のニュアンスを掴むことから始めるのが一番の近道です。
まとめ
- AI医療用語は、**「技術」「言語処理」「制度」**の3つに分けて整理すると効率的です。
- SaMD、PMDA、説明可能性の3つは、実務上の判断を左右する最重要キーワードとなります。
- 「精度」という一つの数字に惑わされず、再現率や特異度、外部検証の有無を確認する姿勢が大切です。
- 導入や情報収集の際は、データの種類やAIの役割など5つの比較軸で捉えると整理しやすくなります。
- 専門用語を入り口にして、実際の活用事例（AI医療の活用事例）や制度の話（AI医療機器の承認と課題）へと知識を広げていきましょう。
まずは今回紹介した30語の中から、気になるものをいくつかピックアップして、最新のニュースを読み解くトレーニングから始めてみてください。それだけで、医療AIの見え方が劇的に変わるはずです。