病院AIは成果を出しているか──6,166病院の全国分析が示す改善と格差

米ドレクセル大学の研究チームが2026年9月12日、Scientific Reportsに全米6,166病院を対象としたAI・ロボティクス導入と医療成果の関連を報告した。勤務スケジューリングAIは敗血症治療バンドルの完遂率上昇と、定型業務自動化AIは30日肺炎死亡率の低下と、それぞれ統計的に有意な関連を示した。一方で、AI対応病院から車で30分圏外に暮らす人口は約1.146億人に達し、成果と格差が同時に浮き彫りになった。

時間が結果を分ける医療で、スケジューリングAIが示した関連

米国の病院でAIの導入が広がるなか、「実際に医療の質と結びついているのか」を全国規模のデータで検証した研究が報告された。ドレクセル大学のAaron Johnson氏、David Gefen氏、Teresa D. Harrison氏の研究チームは2026年9月12日、英Nature系列のScientific Reportsに論文を発表した（DOI: 10.1038/s41598-026-70027-1。受理済み論文の早期公開版）。

分析では、米国病院会（AHA）の2023年調査データ6,166病院分を、メディケア・メディケイドサービスセンター（CMS）の病院成果指標、疾病対策センター（CDC）の死亡統計、3,143郡の社会経済データと結合した。2019年のベースライン性能と病院・郡の特性を調整した統計モデル（AIPW）で、AI導入と2023年の医療成果の関連を推定している。

結果の要点は2つある。第1に、スタッフ勤務スケジューリングAIの導入は、重症敗血症・敗血症性ショックの早期治療バンドル（SEP-1）完遂率と、調整後2.24ポイント（相対改善3.9%、P < 0.05）の上昇と関連した。第2に、定型業務自動化AIの導入は、30日肺炎死亡率が0.87ポイント（相対低下5.4%、P < 0.05）低いことと関連した。敗血症も肺炎も、初期対応の速さが転帰を左右する時間依存性の病態であり、人手配置や定型業務の負荷が成果に直結しやすい領域だ。

「改善」と言い切れない理由──研究が自ら引いた線

この研究は観察研究であり、因果関係の証明ではない。論文の要旨自体が「因果解釈ではなく、縦断的な確認に値する成果固有の調整後関連」だと結論づけている。

留意点は3つある。まず、後に定型業務自動化AIを導入した病院は、導入前から肺炎死亡率がやや低い傾向にあったという。つまり「もともと組織的能力の高い病院がAIを導入した」という交絡が残る。次に、郡レベルの分析では、定型業務自動化AIへのアクセスは75歳未満の院内死亡が10万人あたり25.5人少ないこと（9.9%減、P < 0.001）と関連したものの、この推定は推定量の選択や組織的能力に関する調整を加えるとほぼゼロに近づいた。研究チーム自身がこの結果を慎重に扱っている。

第3に、外科ロボティクスは、偶発的な穿刺・裂傷を示す患者安全指標（PSI-15）とのみ0.03ポイントの改善と関連し、AIで見られたような広範な関連は観測されなかった。働き方を変えるAIと、手技を補助するロボティクスでは、現れる成果の形が違う可能性を示唆する結果といえる。

車で30分圏内は65.8%──残る約1.146億人のアクセス格差

成果と同時に浮き彫りになったのはアクセスの偏りだ。研究チームは約24万の米国勢調査ブロックグループを単位に、人口加重した車の走行時間を解析した。その結果、AI対応病院から車で30分以内に暮らす人口は分析対象の65.8%（約2億2,010万人）にとどまり、約1億1,460万人が30分圏外だった。外科ロボティクス対応病院では79.5%（約2億6,600万人）が30分圏内であり、AIのほうが地理的な偏りが大きい。

走行距離の分布も不均衡だ。AI対応病院までの距離は10パーセンタイルで1.9マイル（約3.1 km）に対し、90パーセンタイルでは61.3マイル（約98.7 km）と、約32倍の開きがある。アクセス負担の不均衡を示すジニ係数はAIで0.740、ロボティクスで0.776と、いずれも高い水準だった。なおこのアクセス指標は地理的近接性を表すもので、実際の受診や病院の収容力、AI実装の深さを反映するものではないと研究チームは注記している。

病院数は56%増えても埋まらない偏り

導入自体は急速に進んでいる。2022年から2024年の間にAI対応病院の数は推定56%増加し、30分圏内に暮らす人口の割合も66.2%から75.2%へ上がった（この多年比較では、2023年の主分析より広い定義を使用）。ところが、アクセス負担のジニ係数は0.739から0.767へとわずかに悪化した。分布全体で見ると、不均衡は解消に向かっていない計算だ。

一方、最も遠い層に限れば状況は異なる。90/10パーセンタイル比で測った格差は33%縮小しており、アクセスが最も悪かった地域には改善の兆しがある。導入の増加が都市部への集中を強めながらも、周辺部の底上げを進めている──それが2022〜2024年の米国の姿としてデータから読み取れる。

分析コードを公開して「検証可能」にした設計

この研究には再現性への配慮もある。AIPW推定から空間診断、図表生成までを含む分析コード（SQLとPython）はGitHub上に公開されており（タグv1.0.5）、ライセンス契約下のAHAデータへのアクセスがあれば誰でも結果を再現できる構造だ。

病院AIの効果は、個別事例の物語ではなく、ベースラインを調整した全国規模のデータで検証してはじめて輪郭が見える。今回の分析が示したのは「一部の時間依存性医療では有意な関連が見えた」「因果とは言えない」「アクセスは大きく偏っている」という3点であり、次に必要なのは導入前後を追う縦断研究だと研究チームはしている。