Contact us
Contact us
We work together to explore the risks and benefits posed by technological advancements, analyze their expected societal impact, and devise tools and methods to support effective future planning.
当センターはテクノロジーの進歩により得た利益とリスクを追究し、それによる社会への影響、デバイス機器、将来有効な計画立案のための手法について分析することを目的としています。
View more
【開催案内】KGRI主催 レジェンドに聞く Vol.1：福澤諭吉が描いた 「テクノロジーとつくる未来」を語る（2025.8.22開催） CCRCから村井純とクロサカタツヤが登壇し、福澤諭吉『西洋事情』に通底する情報通信の発達を基軸に、テクノロジーと人や社会との関係、コミュニケーションの未来の展望を語ります。 会場では、ポスターセッション「CCRC Overview」を予定しております。 ※定員に達しましたので、参加登録は締め切らせていただきました。たくさんのお申し込みありがとうございました。 詳細はこちら ・主 催：慶應義塾大学グローバルリサーチインスティテュート(KGRI) ・日 時：2025年8月22日(金)17:30～20:00 (開場17:15) ・会 場：慶應義塾大学 三田キャンパス 北別館６階 イノベーションラウンジ 〒108-0073 東京都港区三⽥⼀丁⽬4番65号 https://www.kgri.keio.ac.jp/docs/access_kitabekkan.pdf ※北別館は三田キャンパスから北西に徒歩７分ほどの三田一丁目の高台に今年3月、新たに建設された施設です。 ・対 象：学内教職員、KGRI所員（塾外）、塾生（修士課程以上）、KGRI関係企業の方 ※要事前登録 ・参加費：無料（ドリンク・軽食付き） ・プログラム：17:30～ 村井教授の最新研究に関するポスターセッション「CCRC Overview」 協力：サイバー文明研究センター (CCRC) 18:30～ トークセッション 聞き手：クロサカタツヤ（慶應義塾大学大学院 政策・メディア研究科特任准教授） 村井純（慶應義塾大学名誉教授／KGRI特別特区特任教授） 19:30～ 交流会 ※本イベントのZoom配信はありません。
＊日本語の記事はこちら *Click here for the first half of the event report. Panel Discussion: “Healthcare and Medicine Premised on AI” Moderator: Jun Murai — Co‑Director, Cyber Civilization Research Center, Keio University KGRI Panelists: Shigeru Omi — Chairman, Japan Anti‑Tuberculosis Association Yukio Yuzawa — President, Fujita Health University Rami Suzuki — President & CEO, ARC Therapies Inc. Hiroshi Asai (online) — VP of Infrastructure Strategy, Preferred Networks, Inc. Tatsuhiko Yamamoto — Professor, Law School, Keio University Masahiro Hashimoto — Lecturer, Department of Radiology, Keio University School of Medicine Koichi Hashida — Group Director, RIKEN Center for Advanced Intelligence Project (AIP) Center Shin Suzuki — Co-founder & Chief Development Officer, CureApp, Inc. / Medical Doctor Munenori Fukunishi — Global Program Director, Anout Co., Ltd. ◯ Murai: Today’s theme is “Healthcare and Medicine in the Age of AI.” The issue I feel most strongly about is that these technologies are something we have spent many years developing from the researchers' and engineers' side. With the experience of the pandemic, public understanding has grown, and the technologies themselves have undergone rapid evolution. I believe we are finally at a point where the ideals we once envisioned are becoming a reality that can be shared across society. In such a critical domain as healthcare and medicine, if we are unable to utilize these technologies, then, as someone who has been involved in their development, I can’t help but wonder what all our efforts have been for. At the same time, from the perspective of those working in healthcare, it seems that the environment is finally ready to make these long-held dreams a reality. Whether we view it from the standpoint of technology developers or within the healthcare field, I believe we have reached a point where we can no longer make excuses for the advancement of better medicine. To begin, I’d like to ask Dr. Hashida about the current state of AI. Dr. Hashida has been a leading researcher in this field for many years and has played a pivotal role in AI research in Japan since its inception. How do you see the situation as of 2025? ◯ Hashida: It's been about three years since the advent of ChatGPT, and from observing the developments since then, I feel that research has progressed more than I expected. However, regarding so-called 'Artificial General Intelligence (AGI),' I think we cannot achieve it simply by advancing current AI technology. Even if we were to extend today's deep neural networks, I believe we cannot create an entity that surpasses human intelligence. Current AI demonstrates immense power in superficial information processing tasks such as summarization and translation. Still, it does not possess abilities equivalent to human critical thinking, and as of now, there is no technological roadmap to achieve that level. ◯ Asai (Online) As Professor Hashida said, there are still many steps to go before we reach AGI. That said, the advent of Transformer models has enabled the more efficient use of computing resources, and I acknowledge that the performance of AI has steadily improved. In particular, tools like ChatGPT, which anyone can use through a natural interface, represent a significant breakthrough. We can now interact with AI through natural language or voice. I believe these changes in interaction indicate that AI is reaching a point where it could become a foundational part of our daily lives and work. ◯ Murai So far, we've been discussing the current state of AI from a technological perspective. However, in actual clinical settings, when we attempt to incorporate this technology, we encounter a range of challenges. Fujita Health University has taken on the challenge of adopting the latest technologies, including artificial intelligence. Dr. Yuzawa, from the standpoint of someone working in a hospital setting, what is your view on where AI currently stands? ◯ Yuzawa From my perspective, we are in a phase where we need to implement AI in society in a solid, practical way—mainly to support clinical care and research. As a university and hospital, we have a responsibility to fully utilize AI in clinical research, education, and research support, and to ensure its integration into society. And to utilize AI operationally, a fundamental assumption must be made that medical data can be repurposed for secondary use. At our hospital, the president carefully explains to all department heads why we are promoting AI and medical digital transformation (DX), and has built a system that enables all departments to work together. Without this, we would not have the foundation for using AI within a university or hospital. In this regard, I feel that our organizational governance is functioning well under the president’s leadership. Additionally, in the area of clinical trials, I believe the use of synthetic data opens up new possibilities for research into rare diseases, areas where real-world data has traditionally been hard to obtain. ◯ Hashimoto At Keio, we haven't yet been able to achieve the kind of institution-wide effort you described at Fujita Health University—for example, in generating discharge summaries. Currently, the initiative is being led by individuals who take the lead themselves, experimenting with prompts and promoting the use of AI more spontaneously. Getting everyone moving in the same direction remains quite challenging. That said, I believe our fundamental guiding principles for implementing AI are to reduce the burden on healthcare workers and to deliver benefits to patients. ◯ Murai Earlier, Professor Yamamoto spoke about the concepts of the "individual domain" and the "collective domain." I found that framework to be critical when considering how we perceive personal information. It seems to me that, because the Personal Information Protection Law was bound by the notion of the individual domain alone, it may have unintentionally closed off future possibilities for utilizing medical data. Is this way of thinking—of distinguishing between the individual and collective domains—something that is becoming accepted as an international standard? ◯ Yamamoto Regarding the EU's approach, I think there is a fundamental idea that information directly related to an individual should be under the control of that individual. This relates to concepts such as data portability rights. On the other hand, information that doesn't immediately or directly affect the individual—data that isn't tangibly returned to the individual—is treated as part of the "collective domain." The EU also promotes the proactive use of such data, including industrial data, as a public resource. Thus, I think the EU has made a certain degree of progress in clarifying this distinction and applying it effectively. In contrast, in Japan, discussions have often proceeded without sufficient awareness of these distinctions, which I think has led to various misunderstandings. For example, some people treat even "collective domain" data as part of the "individual domain," believing that every use must require individual consent. Conversely, some in the healthcare field, eager to use real data, tend to treat "individual domain" data as if it were a public resource. Since both sides have been engaging in discussions without clear distinctions, I suspect we have failed to establish sufficient 'trust' in the process. ◯ Murai In 2016, Japan enacted the Basic Act on the Advancement of Public and Private Sector Data Utilization. The law was intended to promote the use of collective data, but in practice, it hasn't functioned effectively. I’d like to ask you why it hasn't worked? ◯ Yamamoto It is just my personal opinion, but I think Japan’s Act on the Protection of Personal Information has often been criticized as being both “excessive and inadequate.” In other words, it fails to protect what truly needs protection, while overprotecting less critical information. As a result, it has grown in a somewhat grotesque and unbalanced way. ◯ Murai The Basic Act on the Advancement of Public and Private Sector Data Utilization ultimately became a parliamentary bill, not driven by any particular government ministry, which perhaps reflected a broader lack of leadership (in contrast to the typical Japanese legislative process, where government ministries and bureaucrats usually take the lead). With advancements in devices, we're now entering an era where even AI processing can happen on the user side, using personal devices. Against that backdrop, I'd like to ask Mr. Shin Suzuki: How do you view the relationship between personal data (individual domain) and societal data (collective domain)? ◯ Shin Suzuki I think we should distinguish medical data and lifestyle data. For instance, the information handled by therapeutic apps encompasses a range of data from the “bio-psycho-social” spectrum. Lifestyle data details, such as whether someone works in the morning or has a regular walking habit, are all crucial in treatment contexts. And I believe such lifestyle-related information should be stored on edge devices and used to inform personalized advice. In contrast, medical or biological data should be appropriately fed back and used to advance the field of medicine. ◯ Murai Changing topics slightly—Mr. Fukunishi is developing AI technology for surgical image interpretation to support robotic surgery. Could you briefly introduce yourself and tell us how far this technology has come? ◯ Fukunishi We’re working on developing AI for surgical support. Currently, minimally invasive treatments—such as robotic and laparoscopic surgery—are becoming more widespread, and Japanese surgeons are highly skilled, delivering very high-quality care. Nevertheless, the risk of complications cannot be eliminated. That’s why we’re working to develop technologies that can minimize such risks and ensure safe surgeries. As for Dr. Murai’s question about “Where is AI now?”, I believe AI development in the medical field is still in its early stages. For example, systems like SaMD (Software as a Medical Device) are only just starting to be established from a regulatory perspective, and legal frameworks surrounding the use of personal data are only beginning to take shape. ◯ Murai In robotic surgery, collecting and learning from operational data may one day enable the replication of expert surgeons' skills. I heard from Professors Ichiro Uyama and Koichi Suda from Fujita Health University about ‘surgical intelligence.’ In one of our earlier seminars, the question of who owns the surgical data from the da Vinci system was raised. It seems that Intuitive Surgical, the company behind the system, holds a massive amount of that data. Professor Matsumoto, what are your thoughts on this? ◯ Matsumoto Motion data from the Da Vinci robot’s joints and other components is sent to and analyzed by the company’s headquarters in the United States. It seems that even comparisons between surgeries performed by Dr. Uyama at Fujita Medical University and those by other surgeons are being conducted. However, I’m not sure how exactly that data is being used in practice. ◯ Murai In AI development, where the data resides is critically essential. If robotic technologies were to be developed within Japan, it would be of great significance. As Mr. Tanaka also mentioned earlier, I believe we need to enhance the value of domestically developed technologies. ◯ Yuzawa We’re having similar discussions. If AI can learn from the surgical logs of experienced doctors, it may be possible for other surgeons to learn easily and replicate those high-level skills. But then, who owns the rights to that technology? Currently, the rights belong to the companies, but I question whether that’s appropriate. We need to protect the rights of universities and physicians and ensure that these are reflected in future development. As part of academia, it’s also vital that we speak out on these issues. ◯ Yamamoto There’s also what I explained as a “responsibility sponge” issue in the medical field. When an accident occurs, companies often want to avoid liability, so they place doctors in formal positions for them to absorb that responsibility. However, there are cases where doctors cannot immediately intervene, and their presence may ultimately serve only as a liability buffer. This poses a threat to the dignity of physicians, and we need to redesign the frameworks for risk-sharing and responsibility. ◯ Murai The question of where responsibility lies is a tough one. After a device is connected to the Internet, product liability (PL) law alone is no longer sufficient. This issue also ties closely to intellectual property (IP). Determining who bears the product liability becomes critically important. Whether that “responsibility sponge” role is played by insurance or another system is something we’ll need to resolve going forward. ◯ Omi As mentioned earlier in the presentation, the emergence of AI has created a structure in which humans are forced to act as buffers. AI, which is intended to serve humans, ultimately places more burdens and responsibilities on us. This is not only a legal issue, but also one that reflects deeper human value systems, making it a very complex and challenging problem. ◯ Murai One of the most critical domains for the application of AI in society is healthcare. Challenges resolved in this area will likely have significant social applicability in other fields as well. To move forward, collaboration among diverse stakeholders—such as the healthcare industry, universities, research institutions, and the government—is crucial. Within the context of digital policy, we are constantly required to develop mechanisms that connect these different sectors horizontally, particularly in a society that is often siloed. In other words, what’s needed is the construction of a new model of governance. I’d like to ask Professor Hashida, do you have thoughts on the roles and responsibilities of the various stakeholders involved in AI and healthcare? ◯ Hashida From now on, interaction with AI will become the core of the user interface. AI will serve as an intermediary, connecting users with services. As a result, traditional apps and websites will gradually disappear, and in every industry, customer touchpoints will be replaced by AI. I believe this shift will begin particularly with small- and medium-sized enterprises. However, fields such as education and healthcare do not change easily. Connecting these domains to personal AI systems will likely emerge as a significant challenge in the years to come. ◯ Murai Dr. Omi and Dr. Kurokawa have both played key roles within the government, and based on that invaluable experience, I would very much like to hear your thoughts on how we should move forward from here. ◯ Omi I propose establishing a long-term, open forum that engages all stakeholders to foster a collaborative environment. I hope that the experts gathered here today will play a central role in leading such a platform. What I believe Japan must learn—based on my experience at the WHO—is the importance of a process for thoroughly organizing and documenting both what has already been agreed upon and what remains unresolved when dealing with complex, long-term issues. This documentation must then be shared. Also crucial is the role of "translators" who can clearly convey technical terms in understandable language. Besides, we must also consider people's emotions and feelings. Japanese society tends to operate in short bursts, having one heated discussion and then letting it cool off quickly. However, we need to address these issues over a 5–10 year span. I believe that such careful, ongoing dialogue is precisely what is required as we build a society that integrates AI. Again, we also need people who can serve as translators or facilitators between the various parts. ◯ Kurokawa Physicians are indispensable, and the structure of healthcare systems varies from country to country. Japan has a unique system where people are free to choose their hospitals, and much of the system is supported by public funds. However, with the aging population and declining birthrate, we must now reconsider whether this model is sustainable. ◯ Murai Based on your comments, it is clear that there are limits to continuing with the current healthcare model. While reforming entrenched interests remains a major challenge, we have seen in the relatively short history of the Internet that technologies with broad public support can advance rapidly, sometimes even surpassing existing systems. And what is crucial now is to build social consensus carefully and strategically. ◯ Yamamoto When it comes to building “trust,” the social atmosphere is even more important than legal frameworks. While AI excels at quantitative processing, it struggles with qualitative aspects, such as emotions and values, which carry uncertain risks and complexities. That’s why fostering trust through cross-disciplinary dialogue—spanning medicine, law, and philosophy—is so important. As Dr. Omi emphasized, the role of “dialogue” is crucial. A bottom-up social consensus is indispensable for the successful implementation of AI. ◯ Murai "Transparency" is just as important as "dialogue." It is critical to clarify which technologies are being used and how they impact people. In this context, "standardization" becomes essential. When technologies are standardized and widely adopted, transparency tends to increase. Moreover, costs tend to decrease, and the benefits can be more broadly distributed. In contrast, monopolization through patents risks driving prices up. Indeed, the Internet achieved low-cost access through "standardization". Similarly, I think "transparency" and "dialogue" in medical technology can foster "safety" and "trust," which in turn lead to broader adoption. With decades of experience in shaping the Internet, I'm very interested in how we can organize and understand the relationship between Japan's domestic or local space and the global or international space. For example, from the standpoint of rule-making, medicine is heavily influenced by national borders, whereas the Internet has evolved across them. As a result, we now have national spaces, such as healthcare, coexisting with global digital environments. Given that, we must ask: How can Japan's use of AI contribute globally? Is foreign-developed AI truly suited for Japan? We must rethink not only how data has been structured in the past context but also how Japan should shape its data practices moving forward. But to begin with, we need to think more deeply about the relationship between healthcare and health. Mr. Suzuki, how should we approach this? ◯ Shin Suzuki The connection between the fields of health and medicine is a highly compelling topic. In our products, areas such as smoking cessation and hypertension fall within the scope of prevention, and we aim to approach these issues from a broader concept of “health.” For this reason, we offer both medical devices and non-medical products designed for preventive purposes, utilizing the same approach. While society tends to draw a line between healthcare and medicine, we are particularly interested in the gray area that lies between the two. From a practical standpoint, medicine offers advantages for business development because medical institutions are widely established throughout the country. Once a product is approved within the national health insurance system, it can be deployed nationwide. In that sense, we believe there is significant value in medical device-based business models. At the same time, as seen in the health-focused services presented today by DeNA, other valuable approaches also play an important role, albeit in a different way. ◯ Murai In general, Japan’s medical system and the quality of its healthcare are often seen as a source of national pride. At the same time, as Dr. Kurokawa pointed out earlier, this system relies heavily on public funding—most notably through the universal health insurance system—and we are beginning to see its limitations. Still, I hold a strong belief that in this rapidly evolving landscape of health and medicine, Japan can make unique contributions, primarily through the integration of AI. If we can fully realize these strengths, I believe there is a path to expanding them globally and making a meaningful contribution to the world. Let's all discuss how such a movement might be nurtured and developed. ◯ Fukunishi Speaking from the perspective of AI in the field of surgery, I believe Japan has a significant strength. There’s no question that Japanese surgical procedures are highly meticulous. The quality of data generated from the medical field is extremely high, which is a significant advantage in applying AI. On the other hand, when we examine global deployment—especially in the field of health—cultural factors become profoundly influential, introducing added complexity. However, when it comes to more clinical and objective fields, such as medical devices, the structure of the human body is universal. International companies already dominate the global medical device market, and I believe we must step into that arena. Our company has a strong desire to take on the world, and we cannot afford to stand still. ◯ Shin Suzuki The field we’re working in, therapeutic apps, is heavily influenced by psychological and social factors. We initially aimed to expand into the U.S. market, but things didn’t go as smoothly as expected. For example, Japan is a high-context culture where language and cultural understanding are closely intertwined, making it easier to design treatments based on shared assumptions and values. In contrast, the U.S. is incredibly diverse in terms of race and culture, and we found it challenging to identify a shared cultural baseline among “Americans.” This experience made us realize just how deeply localized therapeutic apps should be, especially in domains where psychological and social factors are significant, and how difficult it is to scale them globally. ◯ Rami Suzuki Our clinical trials began in Japan, so it’s natural that our efforts are rooted here. In addition, I think we don’t necessarily need to draw a hard line between “health” and “illness.” On the contrary, I firmly believe that aspects of everyday life—such as mental health, diet, and sleep—are deeply intertwined with patients’ overall well-being and treatment outcomes. For example, some participants of our clinical trials even travel long distances to visit hospitals in Tokyo. However, I worry that receiving intense treatment after such a long journey could lower its effectiveness. ◯ Asai (Online) The LLM (Large Language Model) we are developing is focused on enhancing Japanese-language performance and uses a substantial amount of Japanese data. Globally, major LLM developments are centered in places like the United States and China; however, these global models often fail to reflect local cultural contexts accurately. Even if the interface is standardized worldwide, the foundation model frequently skews toward English- or Chinese-language thought patterns. This makes us acutely aware of the need to build models, especially for medical data, that are rooted in local cultural contexts. Moreover, different countries have different views and regulations regarding AI training. Ensuring transparency and accountability, given these disparities, is key to creating a foundation model that people feel comfortable contributing their data to. ◯ Murai To close, I’d like to ask each of you: based on today’s discussion, what will you personally commit to doing next? ◯ Fukunishi The digital transformation of the surgical field is undoubtedly a significant challenge, but even as our field continues to evolve, we’re committed to making a global impact. We genuinely want to go global, and we’re working hard with that goal in mind. I’d be very grateful for your support and guidance. ◯ Shin Suzuki I want to create applications that are truly native to generative AI. As Professor Hashida mentioned, AI interfaces will likely become standardized in the future. In such a world, therapeutic apps could also be modularized, where only the algorithmic parts require approval, while the interface design remains open for customization. Anticipating that future, I aim to develop new, dialogue-based therapeutic applications. ◯ Hashida As Murai-sensei pointed out, while medical systems are national in scope, the Internet, data, and algorithms are inherently global in nature. I believe that by harnessing the power of the Internet, cross-border medical services could become a reality. Some countries have laws that restrict the cross-border transfer of medical data, but these laws typically apply to businesses, rather than individuals. If individuals retain control over their own data, they could take it to another country and receive treatment there. As I mentioned earlier, we are currently working in partnership with local governments. This is because municipalities don’t monopolize resident data, making it easier to develop decentralized services. ◯ Hashimoto Large Language Models (LLMs) are potent tools, and I believe they hold immense potential in addressing the looming issue of workforce shortages in healthcare. However, effectively integrating such tools into medical settings requires entirely new rules and frameworks. It should be very different from those we’ve used for conventional technologies. With many stakeholders involved, I hope to personally contribute to shaping these new rules. ◯ Yamamoto In the context of co-creative rule-making about new technology involving multiple stakeholders, those of us working in the legal field are often seen as the ones who “apply the brakes.” But that’s not our intention. By engaging in dialogue from the earliest stages of development, we aim to be true partners, helping to accelerate progress in the right direction. ◯ Rami Suzuki Today’s discussion has deepened my commitment to the goal of early detection and complete cure of cancer. I feel strongly that we must accelerate our efforts, and I will do everything in my power to deliver results from Japan that will be remembered in history, living up to the expectations Professor Murai has expressed. ◯ Yuzawa Today’s discussion has reaffirmed the need for universities to play a leading role in advancing research and development for next-generation healthcare, including medical DX and the use of AI. In the future, we aim to promote medical digital transformation and facilitate smoother international data collaboration. One of Japan’s greatest strengths lies in its extensive health screening data, a result of its super-aged society. We aim to leverage this data to inform future health forecasting. Additionally, in the field of disaster medicine, we must prepare for large-scale events, such as a potential Nankai Trough earthquake. We must establish systems, through the Ministry of Health’s shared electronic medical record service, that allow essential medical data to be accessed anywhere. ◯ Omi We’re living in a time when society is increasingly fragmented, making it harder for everyone to move in the same direction. That’s precisely why we need more than just rule-making; we need empathy and the true meaning of dialogue. Therefore, not just among IT experts, we need deeper conversations involving people from all fields. Finally, regarding my hopes for Japan: I genuinely believe that Japan can become a global leader, not in terms of military or economic power, but in global health. Many countries place their trust in Japan. Suppose we can translate discussions like today’s into simpler, more accessible language and share them with the world. In that case, I believe we can contribute not only through culture but also to the global economy as a whole. ◯ Asai (Online) As Professor Murai noted, standardization is absolutely crucial in the context of applying AI technology to society. As an engineer, I aim to develop technical standards, such as protocols and mechanisms, that can accommodate a diverse range of policies and regulatory frameworks. This is the kind of standardization I want to contribute to through my work. (written by Hitomi Sano, photo by Shun Arima) *Click here for the first half of the event report. For previous articles, please refer to the link below： Aug 18, 2022 【Event Report】The 1st Medical and Health DX Seminar Nov 10, 2022 【Event Report①】The 2nd Medical and Health DX Seminar 【Event Report②】The 2nd Medical and Health DX Seminar Jun 19, 2023 【Event Report①】The 3rd Medical and Health DX Seminar 【Event Report②】The 3rd Medical and Health DX Seminar
＊日本語の記事はこちら *Click here for the second half of the event report. hosted by Cyber Civilization Research Center (CCRC), Keio University Co-hosted by the Medical Inclusion working group, CCRC Value Society Platform Laboratory, SFC Research Institute WIDE Project Hitomi Sano, Project Researcher, Graduate School of Media and Governance, Keio University “Introduction” At the beginning of this seminar, I would like to provide a brief introduction to the background of the organization and the role of the Center for Cyber Civilization Research (CCCR), our host institution. CCRC is co-directed by Professor David Farber and Professor Jun Murai, both of whom have been instrumental in building the foundations of the Internet, often referred to as the “Grandfather” and “Father” of the Japanese Internet. The center views the societal transformation brought about by digital technology not merely as innovation, but as a civilizational shift. As AI and digital technologies increasingly engage with fundamental aspects of human life, we believe we are now in a transitional phase toward a new form of civilization. Among the core pillars of this shift, health and medicine stand out as essential components. They are no longer just matters of professional expertise, but subjects that must be reconsidered from a broader civilizational perspective. Behind CCRC’s approach lies the intellectual legacy of Yukichi Fukuzawa, the founder of Keio University. Known for introducing the concept of “civilization” in Japan’s modernization, Fukuzawa also emphasized the societal impact of information—what we might today call media and communication—and warned of the emotional volatility of the public in reaction to new forms of information. This seminar series was launched during the COVID-19 pandemic and now marks its fourth session. To date, over 40 experts have presented their perspectives, and the content of previous sessions has been published in reports and books. These discussions aim not only to document use cases in medical digital transformation (DX) but also to contribute to the broader rethinking of societal design. We look forward to continuing this dialogue with all of you as we explore the possibilities of a new civilization. Masayuki Amagai, Vice President of Keio University “Welcome Message from Keio University” Since its establishment in 2018, the Center for Cyber Civilization Research (CCRC) at Keio University has been committed to studying the societal transformations brought about by digital technologies and to widely sharing its insights with the public. As part of this mission, a new research hub—the CCRC Project Room at Haneda Campus—was officially opened on March 8, 2025. Given its strategic location in Haneda, the campus is ideally positioned to foster international collaboration, particularly across the Asia-Pacific region. It will serve as a vital base for reimagining the future of digital society from a global perspective, contributing to both policy development and technological innovation. Under the joint leadership of Professors David Farber and Jun Murai, I am confident that CCRC will continue to grow and evolve. On March 16, renowned historian Yuval Noah Harari visited Keio University and participated in a dialogue with President Ito, held in the Kitakan Hall, followed by a question-and-answer session with students. In his latest book, Nexus, Harari explores with sharp clarity how we have arrived at today’s highly uncertain state of society. One key insight relevant to this seminar is his perspective on how the nature of information has changed throughout history. Traditionally, universities and educational institutions were seen as places that collected and curated information, libraries being a prime example. People would come to these spaces to study and generate knowledge. However, this traditional role of universities is diminishing in today’s age of information overload. In this age of excess, truth and fiction are intermingled. Truth tends to be complex and challenging to grasp, while fiction is often simple and easy to understand. Moreover, truth can be painful, whereas fiction is comforting. Communicating truth requires significant effort and resources, while fiction can be created effortlessly inside a single person’s mind, at little to no cost. As a result, fiction spreads far more easily. And what drives this dissemination is no longer people, but AI-powered algorithms. These algorithms are developing at an extraordinary speed, making it increasingly difficult to predict their impact on humanity. Amid this uncertainty, Harari emphasized to our students the enduring importance of trust between human beings. This, I believe, connects directly to the theme of today’s seminar: the digital transformation (DX) of healthcare and medicine. As digital technologies—especially AI—rapidly transform medical practice, we face the urgent need to seek accurate information and distinguish it from misinformation. While AI may accelerate diagnoses and improve the efficiency of healthcare systems, we must also carefully examine the fairness of AI-generated medical data and algorithms, as well as the potential risks posed by misinformation to both medical practice and personal health. I sincerely hope today’s symposium will serve as a meaningful step toward shaping a better future for healthcare and well-being. With that, I would like to officially open this seminar. Jun Murai, Professor and Co-Director, Cyber Civilization Research Center, Keio University “Host’s Address” How digital technologies can contribute to society have changed rapidly over the years. When we were building the Internet, we used the slogan in 1995: “The Internet is for Everyone.” At that time, less than 1% of the world’s population was using the Internet. Looking back, that might have seemed like an overly ambitious goal. But even in 1995, we were already envisioning and building a system to connect all of humanity to the Internet. Now, 30 years later, in Japan, more than 100% of the population—when counted by the number of devices—has access to the Internet. Based on this reality, we’ve continued to ask what kind of societal transformation is needed, under the framework of digital transformation (DX). The dream that motivated the development of the Internet was that people’s knowledge could be shared globally through this networked environment. From the outset, I believed that the Internet would undoubtedly make a significant contribution to the field of healthcare. At the same time, medicine must be approached with great caution. Data sharing carries risks, and as a result, the pace of digital transformation in healthcare has tended to lag behind that of other sectors. However, during the COVID-19 pandemic, public understanding of digital technologies advanced significantly. Some say that two decades’ worth of progress took place in just two years. In Japan, in particular, I believe our historical understanding of the relationship between healthcare and digital transformation has undergone a dramatic shift. Recognizing this as a historical turning point, we invited Dr. Shigeru Omi, who played a leading role in Japan’s COVID-19 response, to deliver the keynote address for this seminar. As AI rapidly spreads, the healthcare sector is also being affected. Digital technologies are increasingly being utilized in clinical settings, while society at large is experiencing reactions, some of which could be described as confusion or even panic. As the development of AI advances rapidly, we now face the challenge of integrating these technologies effectively and ethically into healthcare systems. AI is becoming a central theme in the digital transformation of healthcare, and I believe it is essential that experts in both AI and medicine come together as a network to help shape its development. Shigeru Omi, President of the Japan Anti-Tuberculosis Association “Expectations for AI and DX from the perspective of public health experts” I am not an expert in AI or digital technology, but I would like to share my experiences from the field during the COVID-19 pandemic and, in conclusion, offer my proposals and hopes for the future of medical digital transformation (DX). Despite repeated strong recommendations for the digitalization of healthcare—especially following events such as the response to novel influenza outbreaks—Japan had made little actual progress. As a result, by January 2020, there was a significant gap in preparedness between Japan’s and South Korea’s COVID-19 response headquarters. The most significant frustration I personally experienced was the lack of information. We, the experts, did not receive the necessary data. Yet, the government asked us for advice on what actions to take. We were placed in a severe dilemma: providing recommendations with extremely limited data. Examining global pandemic strategies reveals a range of approaches. For example, Sweden took a rational stance, asserting that suppressing infections is not possible, while China pursued a zero-COVID policy through prolonged lockdowns. Japan, on the other hand, did not follow either extreme, nor did it attempt a middle ground, but instead adopted a uniquely Japanese approach. The most important priority was to reduce the number of deaths and avoid the collapse of the healthcare system. While balancing the economy was important, if the healthcare system collapsed, neither economic activity nor infection control could be sustained. Thus, we did not aim for zero deaths or zero infections. Instead, we moved forward with a philosophy that accepted a certain number of cases and deaths, so long as we could prevent the medical system from becoming overwhelmed. Japan ultimately recorded one of the lowest COVID-19 mortality rates globally. In Europe and the United States, the number of deaths was already high in the first year. For instance, in the UK, a large portion of the population was infected in year one, resulting in many deaths and the near-collapse of the healthcare system. In contrast, Japan saw more deaths in the third year, mainly because elderly individuals became infected as time passed and their physical resilience declined. One unique characteristic of Japan’s response was taking strong measures preemptively when healthcare strain appeared likely, even when deaths were still low. For example, the first state of emergency was declared on April 7, 2020, during the first wave. This was because only a small number of hospitals were able to handle COVID-19 patients, and it was necessary to prevent a collapse in those limited medical facilities. Japan repeated cycles of strong interventions followed by relaxation as infections subsided, then renewed action as cases rose again. This “hammer and dance” approach became a hallmark of Japan’s response. So, how did this approach impact GDP compared to other countries? Since Japan did not remain in a continuous lockdown but instead implemented a flexible response, the negative impact on GDP, averaged over three years, was roughly in line with that of Western countries. Another crucial point was the impact of information and digital tools on public behavior. Even before the state of emergency was declared, many people had begun wearing masks voluntarily. This behavioral change was triggered by the dissemination of information, including death tolls and healthcare strain data, in newspapers and online. Public cooperation began even before government mandates took effect. We also noticed that the effect of such information varied by age group. Elderly people were more responsive, perhaps because they perceived higher personal health risks. Younger individuals, by contrast, may have believed the threat did not concern them. Although Japan’s medical care is among the best in the world, the healthcare system was not designed for pandemics—it had been optimized for an aging society. The pandemic exposed this mismatch, along with a lack of digitalization in medical systems, as a core reason behind the strain on healthcare resources. As mentioned earlier, my major frustration during the pandemic was the lack of available data. I believe two key issues caused this. First, the handling of personal data varied significantly across local governments. Healthcare professionals, such as nurses and public health workers, collected detailed information through direct interviews with patients, including the routes of infection. However, due to inconsistent regulations on personal information and the tendency to apply the strictest standards, this rich data at the local level was never shared with experts like us. We only received the minimum and most restricted level of information. Second, Japan lagged in the digitalization of healthcare. In 2020, many of the response headquarters were staffed by experts and even graduate students. Government officials were overwhelmed, particularly with issues such as cruise ship outbreaks. In the field, information was often gathered from faxes, and data tables were manually created. Sometimes we relied on personal connections to get necessary data—unthinkable in the 21st century. I must emphasize the immense stress this placed on on-site experts. Finally, let me conclude with a proposal for medical digital transformation (DX). The priority must be to establish a system that enables rapid acquisition of essential epidemiological data. For this, we need both the digitalization of medical information and a nationwide, unified system in Japan. However, cooperation between IT experts and public health professionals remains inadequate. The Internet was initially intended to be a cross-disciplinary system; however, in Japan, medical administration is fragmented among various government ministries. This segmentation narrows perspectives and discourages collaboration across fields. These divisions are not just a problem of bureaucracy—it is a national issue. We must work together—government, private sector, and academia—to find the most optimal solutions as a whole. I hope that all participants in this seminar can collaborate to uncover and address the latent issues in medical AI and digitalization, and translate that knowledge into informed policy proposals for the future. Joi Ito, President, Chiba Institute of Technology “The Architecture of Health and Medical Data in the Age of Blockchain and Probabilistic Programs” “Probabilistic Programming” refers not merely to programming with probability, but more broadly to methods that model uncertainty and make decisions based on incomplete or imprecise information. This is an area where today’s mainstream AI technologies tend to struggle. Historically speaking, in the 1990s, probabilistic programming was a central approach in AI research. However, its use of complex statistical models posed mathematical and practical challenges, especially in terms of scalability and manual implementation. Around 2013, neural networks began to attract increasing attention, and many researchers who had worked on probabilistic approaches in the 1990s shifted their focus to neural networks in the following decade. Given this contrast, let me elaborate on the fundamental differences between neural networks and probabilistic programming. Despite the word “neural,” today's neural networks operate very differently from actual brain function. On the other hand, probabilistic programming more closely resembles how the human brain performs cognition. This has led to a resurgence of interest in probabilistic approaches. Human reasoning doesn’t follow strict logic; instead, it involves ongoing probabilistic estimation. We constantly revise internal models as new information becomes available. Medical diagnosis is a good example: physicians estimate the probability of various conditions based on a patient’s symptoms and medical history, and then continually revise those estimates as additional data becomes available. This kind of Bayesian reasoning is difficult to implement using current neural network models. In a sense, today’s neural networks excel in tasks such as translation or other specialized applications, and are suitable for developing general-purpose intelligence when the specific purpose is unknown. However, when the task is well-defined, probabilistic programming can be a more appropriate approach. By integrating mathematical models of probability into programming languages, it enables more flexible and structured forms of inference. Additionally, human cognition is modular—we combine distinct concepts to navigate new situations. Probabilistic programming supports this modularity, making it a potentially powerful tool for modeling human-like reasoning. Unlike purely statistical approaches, it enables us to gain a deeper understanding by combining structured pieces of information. This is highly efficient and well-suited for applications such as object recognition, structured data modeling, and analysis of complex hidden structures. Neural networks typically require large amounts of data to identify patterns. In contrast, humans—and probabilistic programming systems—can begin building models with relatively little data and refine them as more becomes available. These models can operate with lower data requirements and less powerful computing resources. The human brain, for instance, consumes roughly the same energy as a light bulb, yet performs remarkably sophisticated reasoning. This efficiency arises from a more structured learning process than what current neural networks employ. Moreover, probabilistic programming allows humans to interpret complex models directly from source code. For example, a physician can review the code and say, “Here’s the anomaly” or “This change was triggered by X.” This is in contrast to earlier ‘expert systems,’ which were often challenging to interpret due to heavy logical dependencies. Probabilistic programming can be seen as a new form of expert system, capable of handling complexity and uncertainty more effectively. While the term “LLM” (Large Language Model) is now standard, I believe we should also focus on building population-scale models of humans. I’ve proposed the term “Large Population Model” (LPM) to describe this concept. By combining LLMs with probabilistic programming, we can unlock new possibilities. For example, LLMs can be used to structure text data, which can then be integrated with large-scale databases to form an LPM—a foundational model that represents the diversity of human characteristics. Even in the presence of bias in statistical models, probabilistic programming allows us to unify disparate data sources, formulate hypotheses from limited data, and make inferences. Individual datasets inevitably contain bias, but by integrating multiple databases, we can build models that mitigate these biases. This approach also utilizes synthetic data. In cases where clinical trial data is limited—say, due to a small patient population—statistical models can generate synthetic data to supplement the analysis. Similarly, in regions lacking specific disease data, synthetic data enables high-accuracy prediction, even from limited real-world samples. Another point is that the use of synthetic data also supports privacy. It reduces the need to gather sensitive personal information from specific communities, while still enabling meaningful analysis. This is especially valuable when direct collection of identifiable data is not feasible. Namely, probabilistic programming treats data in a structured way, which has significant implications for personal information management. Today, with privacy regulations such as Japan’s Personal Information Protection Law, there’s growing caution around handling identifiable data. However, LLMs, being inherently opaque, make it difficult to control what personal information is retained or inferred. As a result, there is a trend toward avoiding any training on personal data. In contrast, probabilistic programming enables fine-grained control over attributes in synthetic data. For instance, we can prevent a model from revealing correlations between age and income, thereby reducing the risk of re-identification of individuals. This enables flexible, community-specific data governance and utilization. That is, instead of blanket restrictions like “this data cannot be used,” we can mathematically guarantee that sensitive attributes cannot be extracted, even when diverse data types are integrated. This opens the door to merging hospital datasets across regions and potentially across countries, enhancing the global utility of health data while protecting individual privacy. Finally, applying AI in real-world medical settings necessitates bridging the gap between the individuals who collect the data and those who develop the models. Engineers must work within medical institutions and collaborate closely with healthcare professionals. However, in Japan, the compartmentalization of disciplines remains a serious obstacle—medicine and engineering are still treated as separate domains. Japan possesses many cultural and systemic traits that make it well-suited to AI development, yet these advantages are not being fully leveraged. To promote the practical application of AI in healthcare, we must establish mechanisms that bridge academia and the field, thereby fostering the integration of technology and medicine. Rami Suzuki, CEO of ARC Therapies, Inc. “The Future of AI x Healthcare: Towards Optimization and Personalization” In my youth, I resolved to devote myself to curing cancer, and for many years I worked in drug discovery. However, more than a decade ago, I began to feel a growing concern that, given the significant lack of necessary information, a cure for cancer would be challenging to achieve if we continued on the current trajectory. I concluded that to identify the optimal treatment for each patient, it is essential to utilize health-related information more effectively. Based on this belief, I launched a consortium involving industry, government, and academia, and submitted a policy proposal to then Prime Minister Shinzo Abe. One of the biggest challenges in clinical practice today is the lack of solid evidence. It is often difficult to determine whether a particular drug is truly effective. To address this issue, we must develop a system that demonstrates the proof of treatment efficacy, discontinuing treatments when they are ineffective and continuing them when they are effective. Furthermore, by combining this data with diverse patient profiles, it becomes possible to visualize the effectiveness of treatments. If this approach is further developed, we can use data before treatment begins to identify the most suitable therapy. This would also help reduce healthcare costs. ARC Therapies is a venture company spun out of the National Cancer Center of Japan. We aim to cure cancer by taking an integrative approach that incorporates three elements: immunity, genetics, and metabolism. We apply AI in our work to conduct comprehensive analyses of immune, genetic, and metabolic data. CAR-T therapy is a groundbreaking treatment that has the potential to cure cancer in certain patients completely. However, it also poses a major challenge due to its high cost—the current treatment price ranges from 40 to 50 million yen (approximately $250,000–$320,000). Reducing this cost while improving clinical practicality is a key focus for us. To that end, we are developing a system that enables centralized quality control, making it feasible for major university hospitals and cancer centers to deliver this therapy efficiently and effectively. Hiroshi Asai, Senior Researcher and VP of Infrastructure Strategy, Preferred Networks, Inc. (Online) “AI for Everyone - as social infrastructure” Today, I’d like to talk about AI as a foundational infrastructure for a digital society. Historically, there has been a significant gap between the physical world and digital space. However, by leveraging our AI technologies, we can now digitize the 3D structure of the physical world from video data and re-render it visually. We refer to this process as “4D scanning.” For instance, while current regulations prohibit flying drones over railway tracks, we can use generative AI to recreate those environments digitally and generate realistic video content without physical drone footage. AI is also being applied across a wide range of industrial domains. Simulations that once would have taken hundreds of years can now be completed in as little as 35 minutes. More recently, the use of foundation models has gained attention. By applying foundation models, including large language models (LLMs), we can bring digital representations—especially in video—closer to real-world physics. Programming, which was once reserved for digital experts, is now accessible to professionals in other fields, such as science, who can use LLMs to perform computations and write code with AI support. Another area attracting interest is the agent model. This refers to personalized professional AI agents tailored to individual users. Especially when dealing with sensitive information, such as medical data, agent-based systems can process data internally without transmitting it externally. I believe these agent-based AI systems will play an increasingly important role in the responsible handling of personal data. As part of my academic work, I’ve also been involved in the WIDE Project, initiated by Professor Murai. In 2023, we supported an experimental remote surgery using a robotic system called Hinotori. In this experiment, a cockpit was set up in Singapore, and a surgical robot was placed in Nagoya, allowing us to evaluate the impact of latency on remote surgery. In robot-assisted surgery, what was previously an analog operating environment is now fully digitized. This opens up possibilities for AI to assist in surgery and enhance diagnostic precision. AI is evolving rapidly and being applied across more and more fields. One of its key roles is to bridge the gap between the digital and physical worlds. Technologies that translate digital computations into intuitive real-world or natural language outputs will continue to evolve and play an increasingly important role in our society. Kunihiro Tanaka, President and CEO, SAKURA Internet Inc. “The Future of AI Utilization Opened by the Japanese Medical LLM” I founded SAKURA Internet 29 years ago when I was still a student. Since then, we’ve been providing servers and computational resources. As part of this, we’ve built an extensive GPU infrastructure and are currently engaged in developing an original large language model (LLM) for medical applications. In line with Japan’s national policy to strengthen domestic computational capacity, we began implementing the Cloud Program last year, resulting in the deployment of thousands of GPUs. We currently have approximately 3,000 to 4,000 H100 units installed in our data center in Hokkaido. Initially, Japan’s government cloud initiative (the “Government Cloud”) included no domestic companies. However, after the government opened the opportunity to local firms, we applied and were ultimately the only domestic provider selected. Although I feel it’s a problem that so few Japanese companies are involved, we are currently the sole domestic participant in this field. I’ve long believed in the importance of building our own computational infrastructure. Early on, I built everything myself, including connecting to NSPs and IXs, and operating BGP. We’ve also developed our own servers and recently, a virtualization-based cloud platform. While we don’t manufacture GPUs, we’ve developed the software for GPU-based cloud hosting entirely in-house. Japan must be not only a user of technology but also a creator of it. As a tech-driven nation, Japan must not stop at simply utilizing digital and AI tools; we need to develop and grow these technologies as domestic industries. Currently, Japan runs a digital trade deficit of 6.3 trillion yen, meaning the more we use digital tools, the more we rely on overseas providers and worsen our trade imbalance. While digital transformation (DX) may improve productivity, that alone is insufficient. We must also become a country that earns through digital and AI technologies. It’s problematic that we are offsetting this deficit with labor-intensive industries, such as tourism, which contributes to stagnant wages in Japan. This is why we’ve taken on the task of developing a medical LLM as part of the SIP (Strategic Innovation Promotion Program) Integrated Healthcare System. Our aim is not just cost reduction or operational efficiency—we believe the actual value of AI lies in creating new value. For example, I currently live in Okinawa, and I’ve noticed the disparity in medical quality compared to Tokyo. In some remote islands, patients may not survive even after being airlifted by doctor helicopters. This isn’t a problem that money alone can solve—we need technology. AI-powered systems such as robotic medicine must be socially implemented to ensure that people in remote areas can access the same quality of care as those in urban centers. A critical issue in medicine is bridging the gap between prevention and treatment. To support physicians in making informed decisions, we need systems that can leverage electronic health records (EHRs) and massive medical knowledge. These systems must be developed at a national level. Most general-purpose LLMs are trained on web data. The Web is an extraordinary invention—it connects information via links, creating a single unified graph of knowledge, the very essence of “the Internet.” However, medical data is mainly absent from the Web. It’s not searchable online. I believe that the next generation of LLMs must go beyond the public Web and incorporate non-public, domain-specific knowledge, and medicine is at the forefront of this shift. That’s why we are working on a project to develop a Japanese medical LLM by leveraging EHRs in collaboration with various stakeholders. By combining this with medical big data analysis, we aim to develop a system that enables doctors to deliver more accurate and informed diagnoses. While general-purpose AI is already integrated into daily life, the medical field poses unique challenges. Medical data is not found on the Web; it’s highly confidential and must be handled in closed environments. The requirements for medical LLMs differ significantly from those of general LLMs. But if we can address these challenges, the rewards are significant—not only in terms of better healthcare delivery, but also in areas such as drug discovery and the development of new medical technologies. What was once confined to laboratories is now being increasingly shifted to computational research and development environments. Whereas traditional industries were built around iron and oil, today’s core industries rely on semiconductors and computational power. While the U.S. dominates this space, Japan is now securing the second-largest computing capacity in the world. China used to be strong in this area, but Japan is now taking the lead in specific GPU deployments. In this context, harnessing computational resources, technical expertise, and R&D to support public health and safety has the potential not only to enhance national competitiveness but also to become a new export industry for Japan. Hiroki Ishida, CEO and Chief Architect of FreeBit Inc. “Decentralized PHR Architecture in the AI-driven Health and Medical Era: A Case Study” I originally belonged to Professor Murai’s research group and have been involved with this seminar series since its second session. Today, I would like to share the outcomes of a project that originated from this very seminar — an example of how ideas discussed here have been successfully implemented in the real world. I believe the structure of today’s seminar has been thoughtfully crafted. For example, while Mr. Tanaka from Sakura Internet presented a project based on high-performance data centers and computing resources, our initiative takes the opposite approach. We are building a decentralized Personal Health Record (PHR) architecture by connecting small-scale computing resources. This project is a collaborative effort with Fujita Health University, aiming to explore how personal health records (PHRs) — which contain personal health data — can address privacy issues and contribute to patient-centered care. FreeBit has long been engaged in the development of core Internet communication infrastructure. In the realm of computer science and network architecture, we’ve witnessed repeated cycles of centralization and decentralization. The Internet began as a decentralized network, but due to issues such as latency, synchronization, and reachability, centralized infrastructures have since emerged. As a result, new challenges have arisen regarding personal data governance by large platform providers — challenges that are now being addressed under the umbrella of concepts like Web3. At FreeBit, we have consistently explored how to build decentralized Internet architectures, especially as the world seeks a more careful transition from centralized Web2 systems to decentralized Web3 models. In this context, we are developing decentralized Web3-based architectures explicitly tailored to the healthcare domain. We consider smartphones to be critical computing assets. While designing and manufacturing smartphones ourselves, we’ve focused on developing AI systems that run directly on these devices, rather than relying on centralized servers, to allow personal data to be utilized without ever leaving the device. We are now extending these capabilities by integrating edge-based Large Language Models (LLMs) that evaluate safety in conversations. Traditional database systems used on social networking services (SNS) platforms struggle to understand context, often relying solely on keyword filtering. Our edge LLMs can process full dialogues and posts, analyzing them in context to determine safety. We are also tackling the challenge of protecting medical data. Traditional centralized systems grant administrators broad authority, raising governance concerns. To address this, we’ve developed a blockchain framework that operates on smartphones within a community, making data tampering virtually impossible. Tone Mobile smartphones have successfully run an Ethereum-compatible Layer 1 blockchain, with over 7,000 participating devices, ranking as the third-largest Layer 1 blockchain node network globally. Additionally, we provide a three-tiered health support service for Tone Mobile users, encompassing prevention, consultation, and monitoring. These services utilize edge LLMs and blockchain technologies to ensure both intelligence and data protection. This initiative aligns closely with Japan’s “Trusted Web” policy. In collaboration with Fujita Health University, we are exploring how to integrate the “Trusted Web” concept into healthcare, utilizing Web3 technology as the foundation for implementation. Fujita Health University operates a system called FR-Hub, which converts disparate Electronic Health Record (EHR) systems into standardized data. This data can then be used for PHRs and regional coordination. Leveraging FR-Hub and Trusted Web principles, we are developing a system that enables real-world medical data, such as test results and prescriptions, to be stored directly in a patient’s PHR, rather than remaining within hospital systems. This means patients can directly manage and access their health data, making it easier to share information with local clinics and other healthcare providers. Furthermore, since each app functions as a node, this system does not require large, centralized management infrastructures. Patients retain full ownership of their data and can grant permissions as needed, creating a truly patient-centric medical infrastructure. This decentralized model will significantly contribute to the creation of next-generation healthcare ecosystems that empower patients and protect personal health data. Tatsuhiko Yamamoto, Professor, Graduate School of Law, Keio University “Privacy, Health Care, and AI - A Constitutional Perspective” I research the relationship between privacy, technology, human rights, and democracy within constitutional law. Today, I will provide a brief review of the history of healthcare information protection and discuss constitutional perspectives on issues related to medical artificial intelligence (AI). The Japanese government’s 2024 Basic Policy highlights the importance of utilizing medical data and digital transformation (DX). It sets goals, such as building a national medical information platform to promote the utilization of medical data and the social implementation of AI in hospitals. In response, the “Next-Generation Medical Infrastructure Act” supports the development of legal frameworks for the use of medical data. Although revised to become more user-friendly, medical professionals may still find challenges. Medical personal information has long been treated as “sensitive personal information” under the Personal Information Protection Act, requiring stricter handling. At the same time, utilizing medical data is socially valuable, necessitating a balance between protecting privacy and promoting its active use. To address this dilemma, the law established frameworks for using data in a de-identified manner. However, excessive anonymization risks diminishing the value of medical research, and procedural complexity has been criticized as a barrier to progress. In April 2024, the law was amended to permit the use of pseudonymized data—data that retains some traceability to individuals—under specific conditions, thereby facilitating more effective use of medical data. Previously, Japan restricted the linkage between public databases, such as the NDB (National Database of Health Insurance Claims), and other medical data. The amendment now encourages active data linkage, enabling AI-based disease prediction utilizing electronic health records (EHRs). While the law and infrastructure, such as the national medical platform and biobanks, continue to evolve, research use hurdles remain higher in Japan than in Europe and the US. I conceptualize the data world as divided broadly into two realms: the “individual realm” and the “collective realm.” Personal data that directly impacts individuals, such as in direct marketing or targeted advertising, requires strong individual control. In healthcare, personal health records (PHRs) embody this principle, allowing individuals to decide what information to share and with whom. Conversely, secondary uses, such as research, involve data aggregated at the collective level without direct individual impact. Properly distinguishing these realms is crucial, but in Japan, the boundary often remains unclear in discussions. Other issues I wish to highlight include “Human in the Loop” challenges, where AI hands control back to humans moments before an accident to shift responsibility. However, humans cannot react in time, rendering them “responsibility sponges.” There is also the concept of the “moral crumple zone,” where humans may absorb blame to protect AI systems, analogous to bumpers absorbing impacts. These debates are highly relevant in medical AI, raising questions about how much decision-making is delegated to AI, how responsibility is shared between AI and physicians, and how to design interfaces to allow appropriate human supervision and intervention. Physicians should not be mere “responsibility sponges” who bear blame without absolute control. Tomio Morikawa, Assistant to the President of Fujita Health University, Professor of the Department of Real-World Data Research and Development “Healthcare DX in the Era of Generative AI” Various initiatives are currently underway in clinical settings to utilize generative AI. Today, I would like to report on several of these practical examples. In healthcare, professionals from a wide range of disciplines, including clinicians, IT engineers, and administrators, collaborate to provide services. Our role as health information professionals is to connect these domains and help deliver better services. However, medical information systems face several challenges: data sharing is difficult, external data transfer is restricted by security concerns, and data standardization has not progressed sufficiently. At Fujita Health University, we are actively working on solutions that focus on the real-world implementation of technology. A key consideration is achieving efficiency while keeping costs low and minimizing reliance on vendors. We must also consider physicians’ workflows and the broader context of healthcare management. Surprisingly, fax machines are still widely used in hospitals. Although electronic medical records (EMRs) have been introduced in many institutions, including university hospitals, data is often printed and handed to patients for physical transport. This is inefficient and wasteful. Ideally, we should enable direct digital-to-digital data transfer. Standardizing all data across an entire university hospital system is impractical and highly time-consuming. Instead, we focus on selectively standardizing necessary data and creating mechanisms to extract and use it effectively. We are building a data integration platform using the “FR-Hub.” As mentioned in the earlier presentations by Freebit and Sakura Internet, FR-Hub is also being used in personal health record (PHR) initiatives and SIP (Strategic Innovation Program) pilot projects. This platform enables the sharing of EMRs and lays the foundation for broader data interoperability. Without academic institutions leading this effort, implementation would become prohibitively expensive. Fujita Health University operates four hospitals, with 185 different systems running across them. Including our facility in Haneda, we operate over 200 systems. Medical IT systems were developed initially from ordering systems used for medical billing (receipts). EMRs were later added to record clinical documentation, followed by departmental systems for testing, prescriptions, and other purposes, which now operate in coordination. To apply generative AI effectively within such systems, the structure of medical data must be carefully organized and structured. Ideally, all structured data would be standardized and ready for cloud deployment. However, in reality, the biennial revisions of medical billing systems in Japan have resulted in each hospital developing unique, vendor-specific data management approaches, leading to a “Galápagos” syndrome. This fragmentation makes it difficult to transfer data systems directly between hospitals, presenting a major ongoing challenge. We are conducting demonstration projects for digital data integration in the Nagoya region. As of the end of January, we established a system that allows data from EMRs to be sent through FR-Hub to the national EMR sharing service. Specifically, “three documents and six data items”—including referral letters and discharge summaries—can now be exchanged. Since January, data from Fujita Health University Hospital has been incorporated into the national EMR sharing service, enabling data access during emergencies and other critical situations. A key element of this initiative is that we independently developed the infrastructure that links hospital information systems to FR-Hub, a platform for standardized data integration. Typically, systems for EMRs or PHRs vary by vendor, resulting in high costs. For example, introducing an electronic prescription system costs around 9 million yen per hospital, totaling 36 million yen for four hospitals. Even with government subsidies, the financial burden is significant. By leveraging FR-Hub, we’ve developed a cost-effective solution. In terms of regional medical collaboration, we have dramatically reduced our dependence on fax machines. Previously, we sent and received approximately 7,000 faxes per month with affiliated hospitals, but that number has now dropped to around 450. This not only reduces costs but also contributes to improving the working conditions of healthcare professionals. Thanks to FR-Hub, integration with EMR sharing services is proceeding smoothly. Digital inter-hospital data exchange is expected to enhance operational efficiency significantly. Regarding the use of generative AI, we have implemented it in the creation of discharge summaries, which summarize a patient’s hospital stay. This is now being used in 31 of our 33 clinical departments. What used to take around 15 minutes can now be completed with a physician’s final review only. This system works in conjunction with the EMR through FR-Hub. We are also evaluating AI-generated summaries by comparing them with those written by physicians and refining the AI prompts to improve accuracy further. We have developed a system that utilizes AI to analyze daily clinical notes, nursing records, and surgical documentation, generating these summaries. Moreover, we are integrating various large language models (LLMs), including ChatGPT and Gemini, to provide translation functionality into English and Chinese. In the field of remote surgery, we are collaborating with Professor Murai to conduct demonstration experiments using AI. For instance, AI analyzes surgical images in real-time and provides guidance such as “the blue area is safe to excise” and “the green area contains autonomic nerves and should not be touched.” Looking ahead, we aim to further advance digital transformation (DX) in healthcare through the integration of generative AI and data interoperability. Masahiro Hashimoto Lecturer, Department of Radiology, Keio University School of Medicine "The Current State of Digital Transformation in Healthcare" I am a physician specializing in radiology, specifically diagnostic imaging. The field of radiology has been relatively early in adopting DX. CT, which stands for Computed Tomography, is a technology that uses computers to calculate and generate cross-sectional images. From its inception, CT has utilized digital technology. Nowadays, almost all images handled in hospitals are digitized. Radiologists often play a key role in promoting digitalization across the entire hospital, which is why I am speaking here today. Deep learning has been a breakthrough technology, especially in imaging, and radiology was among the first fields to adopt it. The first AI product for image diagnosis sold in Japan was software that detected cerebral aneurysms from brain MRI images and highlighted potential aneurysm locations. Another AI product, designed to assist in diagnosing COVID-19 pneumonia, highlights suspected areas on images and analyzes the extent. Other uses of AI include improving image quality. For MRI, there is a trade-off: shorter scan times result in lower image quality. AI-based correction techniques now enable the acquisition of high-quality images in shorter times. AI has also been applied to correct old CT images, but regulations prohibit using these corrected images for diagnosis, limiting practical use. Among the AI products I have introduced, I find the “lung nodule detection AI” the most practical. This system automatically detects nodules (small tumors or abnormal shadows) in the lungs on CT images and marks them. However, it turns out that physicians do not widely use this system. Analysis of surveys revealed that experienced specialists tend to find that AI picks up too many irrelevant findings, which increases their workload. The reason is that CT interpretation is not solely for finding lung nodules. The disadvantages of AI detecting too many unnecessary findings outweigh the benefits, leading to limited active use by physicians. We are also experimenting with large language models (LLMs) in our hospital. We introduced an "AI Summary Creation" button in the electronic medical record system, which utilizes ChatGPT to summarize clinical notes. Interestingly, we found that the “optimal prompts” differ by department, team, and even individual, so that users can customize their prompts. However, current LLMs have an issue called “hallucination,” where they generate inaccurate information, requiring cautious operation. Overcoming this problem is a key future challenge. Eliminating errors is a highly challenging task, making the use of AI for summary creation a problematic endeavor. On the other hand, we are testing the use of AI in medical safety within imaging. In emergency departments, patients sometimes leave before radiologists have reviewed their CT scans, which can delay diagnosis. To prevent such incidents, we have utilized ChatGPT to read radiology reports and associated medical records, and issue warnings if it detects significant findings that have gone unnoticed by the primary physician. If a potentially hazardous case is identified, a warning screen appears, notifying the emergency safety manager. We are adjusting prompts with emergency doctors, but hallucinations cannot be entirely prevented yet. Still, since humans perform the final checks in medical safety, we believe this use is relatively safe. To summarize, deep learning has been used for improving image quality and detecting lesions, while LLMs have recently been applied to text-based tasks like summarizing clinical records. Additionally, ChatGPT occasionally struggles to differentiate between medically significant information and what is most important to patients. For example, it may capture events important to the patient but omit critical medical details. Prioritizing these correctly remains beyond the capabilities of current models. Therefore, we believe that utilizing medical-specialized large language models, such as those developed by Sakura Internet, mentioned earlier, will lead to higher-precision summaries and improved clinical support in the future. Koichi Hashida, Group Director, RIKEN Center for Advanced Intelligence Project "Decentralized Personal-Data Utilization and Value Maximization by Personal AI" Today, I will introduce the concept of Personal AI. Personal AI operates based on decentralized management of personal data (PD). Decentralized management means that individuals themselves control their own data. While consolidating data for many individuals in one place can be convenient, it also increases the risk of misuse. Therefore, decentralized management—keeping data separately for each individual—is considered safer. Centralized management poses the risk of large-scale data breaches, but decentralization helps avoid such risks. Moreover, by keeping data in the hands of individuals, privacy can be protected while enabling data utilization. However, in some cases where optimization of society as a whole is necessary—such as disaster prevention, education, public health, and law enforcement—some degree of centralized management may be required. Still, for most services, decentralized management is better suited to leverage personal data effectively and create added value. Personal AI refers to an AI dedicated to an individual user that interacts conversationally, understands the user’s needs, and finds and executes the most appropriate services. The technology is already feasible, and when implemented, it will enable people to easily access tailored services without needing to use multiple apps or websites. This also helps to close the digital divide caused by differences in IT literacy. Furthermore, by utilizing PDS (Personal Data Stores), past service usage data can be stored and applied to other services. This will improve service accuracy and usability. It is expected that such systems will naturally become widespread in about a decade. This is extremely convenient and will eventually automate many intermediary tasks, including retail and wholesale operations. For example, it could automate tax filing or simplify travel expense claims, handling many administrative tasks. It can also support behavioral change by nudging individuals toward healthier and more productive lifestyles. Currently, some services that can be called "Personal AI" have already emerged. One example is Alibaba’s “Alipay” in China, which introduced AI chat functionality around October 2024. For instance, saying “I want to go from Beijing South Station to Tianjin Station tomorrow” results in the system suggesting appropriate transport options and completing the reservation. This service operates within Alibaba’s platform and is not open; all data exchanged is sent to Alibaba, raising some privacy concerns. Hence, we are considering creating a more open system. We think it best to start implementing this in local government administrative services. Local governments offer hundreds of administrative services, but many residents do not fully understand their contents, and have limited ways to obtain proper information. Even if they find the right service, application procedures are often complicated. The goal is to automate this process. This system is based on PDS, where various personal transaction data accumulates in the app, allowing individuals to maintain control over their information. Forms for applications are auto-filled from the data, saving effort. Moreover, personal data is not sent outside until the final submission, protecting privacy. Additionally, the system can provide tailored information to people with specific needs. For example, an NPO offering consultation services for parents raising children with autism cannot obtain a list of such families from the city office. But if individuals have data about “having a child with autism” in their PDS, they can receive relevant support information through their Personal AI. These processes occur entirely on the individual's device without a server, enabling safe operation with just an app. This system can extend beyond administrative services to private-sector applications, anticipating widespread adoption. For instance, integrating supermarket and restaurant membership cards, coupons, and points into a single app increases the opportunities for everyday usage. Cooperation with local stores would encourage widespread use. Businesses benefit from accessing coupon usage and point update data, which aids in marketing. Demonstration experiments are underway, with the goal of a nationwide rollout. With personal data on hand, input effort is reduced. Instead of linking to the city’s website, a click opens the application form directly, allowing online submissions with minimal additional information. Key to widespread adoption are closing the digital divide and business cooperation. Risk management in operating such systems is essential, requiring appropriate legal frameworks. While we do not make laws, we have opportunities to engage with international standardization efforts at the right time. I am involved in standardizing AI system input-output logs to facilitate management, operation, and reuse. In Europe, GDPR and the Data Act provide mechanisms for individuals to easily manage their data. Leveraging these capabilities enables Personal AI to manage and effectively utilize user data for both primary and secondary purposes. Personal AI intermediates services and prevents fraudulent online manipulations. Service mediation involves two stages: "search and matching" and "execution of procedures." If search and matching cover a wide range of products and services, targeted advertising becomes unnecessary. Without targeted ads, commercial incentives for fake news and echo chambers disappear, disrupting the current SNS business model. Also, if Personal AI handles user interfaces during execution instead of service providers, manipulative “dark patterns” designed to coerce unwanted user actions become ineffective. Consequently, online behavioral manipulations such as fake news, echo chambers, and surveillance capitalism may be eliminated, solving problems in the current Internet business model. Effectively leveraging Personal AI could also benefit the medical and healthcare fields. Personal AI could advise on exercise, diet, supplements, medication, treatment methods, and selecting appropriate medical institutions. If PDS integrates lifestyle and health data, individuals can use it for primary self-management. With proper anonymization, research institutions, pharmaceutical companies, and data/system providers can reuse data secondarily. Aggregating data from many individual AI systems and providing analytical results to data users (such as research institutions) would enable more efficient medical data utilization. This might be referred to as a “decentralized biobank.” Shin Suzuki, Co-founder & Chief Development Officer, CureApp, Inc. / Medical Doctor "New Digital Therapeutics in the Era of Generative AI" Today, I will discuss "digital therapeutics," also known as "therapeutic apps" in Japanese. Digital therapeutics, often abbreviated as "DTx," are a type of "SaMD" (Software as a Medical Device). This means software that has been officially approved by the government as having therapeutic effects and is recognized as a medical device. Therapeutic apps, like pharmaceuticals, undergo clinical trials to demonstrate their therapeutic efficacy, receive regulatory approval, and become eligible for insurance coverage before being marketed. Unlike conventional healthcare apps, these are not freely downloadable by anyone; instead, they are provided through prescriptions by physicians. That is, when a patient visits a hospital, the doctor prescribes the app, saying, "Let's use this app for your condition." This system features collaboration between the physician and patient through the prescription process. Data entered by patients into the app can be referenced by physicians during consultations, allowing for more informed treatment decisions. This is the overview of DTx. Our company, CureApp, develops three of the five DTx products approved in Japan. Specifically, these are QupApp SC (a nicotine dependence treatment app), QupApp HT (a hypertension treatment app), and QupApp AUD (an alcohol dependence treatment app, provisional name). QupApp SC was approved in 2020. CureApp HT was launched in 2022 and is now used in over 3,500 medical institutions. Recently, in Japan, ADHD treatment games for children and insomnia treatment apps have also been approved, expanding the use of DTx. Today, I'd like to discuss more advanced applications of generative AI. Until now, applications have been limited to relatively well-defined tasks, such as summarization or classification. We have worked closely with the PMDA (Japan’s regulatory agency for medical devices) to refine the software to avoid making inappropriate statements with care. As a result, functions like summarization and OCR are more readily accepted. However, with generative AI, we believe we can further expand therapeutic possibilities. For example, generative AI can serve as a personal health coach. Humans have not only biological but also psychological and social dimensions, and their health changes daily in response to their social environment. For instance, shift workers who work at night and sleep in the morning may find typical advice such as “Measure your blood pressure in the morning” inappropriate. Such ultimate personalization, matching individual lifestyle habits, is difficult with conventional algorithms (expert systems) but can be more flexibly handled with generative AI. Generative AI can also support the achievement of goals. While basic elements like “exercise” and “diet” remain unchanged in blood pressure management, the way to implement them can be discussed and tailored with the AI. For example, if the patient says, “I’m tired today, so I’ll do it tomorrow,” the AI can respond with encouragement or suggest a less demanding alternative. Additionally, consultation functions will improve. Current treatment apps use predefined options for queries, but generative AI will enable flexible dialogue tailored to each patient’s individual concerns. So far, I have discussed the use of generative AI solely within therapeutic apps. However, combining these apps with device technologies can further expand their potential. For example, we are exploring a new device designed to help users avoid impulse purchases. The user would wear a device around their neck equipped with a camera, microphone, and speaker. It provides real-time guidance, such as “This meat has a lot of fat; you might want to choose a leaner option.” Previously, users would learn from the app and gradually build awareness; however, with this device, it’s like having someone shop with you in real-time. It can say things like, “Don’t buy that now,” or “Stay away from the snack aisle.” Some within the company have expressed discomfort, saying it feels like wearing a collar. Nevertheless, we see it as a form of behavioral nudging, encouraging better habits through gentle, real-time prompts. Another example is talking with a “Master.” A stuffed toy placed in the living room might say, “You walked 12,000 steps today! Amazing!” This is also a therapeutic app. Notably, it is designed not to capture all meal information. The key is that it is a device you do not carry with you. Collecting all information can feel like constant surveillance. By contrast, the previous device is wearable, but this one is not, allowing for time without the device and creating a safe environment for consultation with a coach-like presence. Beyond behavior change, this approach could also be useful for evaluating Parkinson’s disease progression by assessing walking and hand movements and providing feedback for better care. Lastly, I would like to mention the potential for blood pressure monitors themselves to play a coaching role at home. When users measure their blood pressure, they can input information such as “How was your day?” The device can then ask, “What did you eat today?” and provide advice like “It’s better to avoid this food tomorrow.” By prescribing such interactive blood pressure monitors, a more informed and personalized healthcare experience may be achieved. So far, I have discussed technological possibilities; now, I will address practical challenges. Regulatory hurdles are significant, with strict standards for safety, quality, security, and privacy. It is essential to work closely with regulators and build consensus. Our company has been engaged in such efforts in the digital therapeutics field. However, we do not want to simply clear regulations by restricting app functions; instead, we aim to overcome challenges through technology. To summarize, therapeutic apps are already utilizing generative AI, primarily in controllable tasks such as summarization and classification. Going forward, we aim to use generative tasks to provide interventions tailored to individual patients. Combining sensors and actuators will enable more advanced user experiences. Furthermore, we will continue to tackle regulatory barriers by addressing quality, safety, and security issues through technology, working in collaboration with relevant authorities. Kazunori Minato, CEO, TechDoctor, Inc. "AI and Digital Biomarker Initiatives Addressing the Gap in Understanding Between Physicians and Patients" We are engaged in the development of digital biomarkers. Our venture, originating from Keio University, recently completed a Series B funding round. Supported by many companies, particularly domestic pharmaceutical firms, we are advancing research on digital biomarkers. Our goal is to utilize digital data to facilitate the more straightforward diagnosis of diseases that are otherwise difficult to diagnose. Although AI may eventually assume diagnostic roles, we currently view it primarily as a tool for diagnostic support. For that to happen, it is crucial that AI accurately understands the disease states. Thus, we conduct research using wearable devices and daily data to visualize disease conditions and leverage them as digital biomarkers. We believe this approach will also expand AI’s potential in treatment applications and drug discovery. Research on digital biomarkers is also gaining momentum overseas. In the early days of our company, this technology was sometimes dismissed as a “toy.” Still, now, with improvements in the accuracy of wearable devices, digital biomarkers have even been applied in infection assessment research. By analyzing continuous data, new disease patterns and diagnostic indicators are emerging. This utilization of data enables us to capture signs of illness more clearly than the empirical observations traditionally made by physicians. In clinical practice, many doctors see around 80 patients per day, leaving only a few minutes per patient. However, wearable devices can collect data 24/7 throughout the year, providing information previously unavailable in the examination room. This may significantly alter the nature of the doctor-patient relationship. Wearable devices and their data are something humanity is experiencing for the first time, and we anticipate witnessing profound changes in the future. In the United States, digital biomarker development is well advanced, with over 393 digital endpoints already established. Collaborating with pharmaceutical companies both domestically and internationally, we have developed digital biomarkers for over 20 different diseases. This allows us to understand disease states that were previously undetectable in clinical settings. Patients can also monitor changes in their condition at home, opening new possibilities in healthcare. A psychiatric research team founded our company, and we focus particularly on supporting the diagnosis and treatment of mental illnesses. There are more than 50 psychiatric diagnoses, and even patients with the same diagnosis can present quite differently. We believe that digital biomarkers are effective in accurately capturing individual variations over time. By utilizing this technology, physicians can monitor a significantly larger number of patients than they could see face-to-face each day and provide remote diagnostic support. Through app-based disease management informed by data, our goal is not to delegate diagnosis to AI, but to empower physicians to offer better care, even when they are not physically present. In the future of medicine, doctors may utilize digital biomarkers to enhance their diagnostic expertise, effectively creating a “clone” that can help deliver optimal care to many more patients. Keisuke Izumi, Chief Medical Officer, Co-Founder, TechDoctor, Inc. "AI and Digital Biomarker Initiatives Addressing the Gap in Understanding Between Physicians and Patients" First, let me discuss rheumatoid arthritis, one of the most common diseases we treat. This condition involves joint inflammation, causing pain and swelling, which can lead to deformities if untreated. There are approximately 700,000 to 1 million patients in Japan, with women affected about four times more than men. Exercise has a significant impact on disease activity, and patients often ask for guidance on exercise. However, clear answers are complex, and advice usually boils down to “exercise moderately without causing pain.” Patients may feel fine during exercise but experience worsening joint inflammation later that day or the next, which can sometimes severely limit mobility. On the other hand, lack of exercise can lead to muscle weakness and reduced joint range of motion, making it challenging to tailor appropriate exercise levels individually. Next, regarding the uneven distribution of rheumatoid arthritis specialists, there is a significant regional disparity in Japan, with a higher concentration of specialists in Kyushu and fewer in the northern and eastern regions. For example, Oita Prefecture has roughly ten times more specialists per population than Niigata Prefecture. To address these challenges, since 2021, with support from the Japan Agency for Medical Research and Development (AMED), under the leadership of Dr. Yuko Kaneko at our department, we have been conducting research on remote consultations for rheumatoid arthritis using IoT digital devices. Specifically, patients were provided with wearable devices and smartphones to record symptoms. We aimed to analyze the correlations between digital data and subjective symptoms, ultimately enabling the prediction of symptoms from digital data. In this study, we utilized Google Fitbit to collect data on steps, heart rate, and sleep. We also used an app I developed over about ten years for collecting patient-reported outcomes (PROs) and clinical records, called “Kyo no Kansetsu.” In addition, small environmental sensors were deployed to analyze data correlations. Over 12 weeks, patients visited the clinic every four weeks to register 150 patients. Fitbit data provided metrics for heart rate, sleep, daytime activity, and exercise intensity. More recently, estimated blood oxygen saturation (SpO2), skin temperature, and respiratory rate have become available. Patients’ symptom records were managed via a dedicated app and web-based dashboard. Patients could also take photos, supporting research using image analysis, which helps visualize daily joint conditions and treatment progress at a glance. A physician dashboard attempts integration with electronic medical records (EMR), but due to security restrictions, data transfer is currently facilitated using QR codes. Three hospitals participated in this study, centralizing clinical and wearable device data on a cloud database. Real-time monitoring of device adherence was conducted, and individuals with poor compliance were contacted for follow-up. This research suggests several benefits of digital biomarkers: Patients can quantify their condition, potentially enhancing shared decision-making. Adding digital biomarkers to conventional clinical practice transforms point-in-time data into continuous information from home, enabling more efficient assessment of disease states. Remote consultations may obtain information comparable to blood tests, increasing their utility. Use of digital biomarkers could standardize the quality of care across regions. In discussions with pharmaceutical companies, it was pointed out that Japanese patients tend to endure pain silently, making conventional questionnaires less reliable for international comparisons. Objective digital biomarkers based on physiological data could compensate for such weaknesses, helping close gaps in understanding between doctors and patients and leading to more appropriate treatment. Regarding this “gap in mutual understanding,” past research has shown that discordance between physician and patient perceptions of disease can delay improvement and increase the risk of joint destruction. Japan’s aging population is also causing an increase in dementia cases. OECD data suggest that by 2035, over one-third of Japan’s population may have dementia. In clinical practice, we have observed an increasing number of patients with cognitive decline, which makes communication challenging. Digital biomarkers could help improve doctor-patient understanding and streamline care even in such situations. Such digital biomarkers and AI-based care models are applicable not only in Japan but globally. Sho Segawa, Representative Director, DATA HORIZON CO., LTD “Better health while also having fun, even in the age of AI” I would like to briefly introduce the DeNA Group’s healthcare business and then discuss our challenges and efforts as we transition into the AI era. Last year, the Yokohama DeNA BayStars won the Japan championship for the first time in 26 years. DeNA originally developed its business centered around entertainment. Entertainment has the power to generate passion among many people, and beyond that, we want to leverage it to solve social issues. That is why we have been developing our healthcare business. Specifically, as I will introduce later, we provide health services that incorporate elements of entertainment, encouraging consumers to take healthy actions while enjoying themselves. Our goal is to help optimize long-term medical costs. However, simply offering services is often insufficient to achieve significant results, such as optimizing medical expenses. Therefore, we present the accumulated data rigorously as evidence and move forward with initiatives with greater confidence. One of the characteristics of our approach is combining DeNA’s originality in entertainment with digital transformation (DX), particularly in projects for local governments. Japan is an aging advanced country where many people move from corporate or association-based health insurance to municipal health insurance systems upon reaching the ages of 65 and 75. Addressing issues at this stage is still insufficient, so we are focusing our healthcare business on this challenge. While it is relatively easy to distribute entertainment applications widely and have a large number of users, the situation is somewhat different in the healthcare domain. Merely distributing an app is not enough; the biggest challenge is ensuring people use it. For example, no matter how excellent a health app is, it requires very active promotion for people to start using it. Municipalities that have adopted our apps hold face-to-face registration support events to lower the initial usage barrier and make a strong effort in sales activities. In particular, with our long-established service “Kencom,” it has become clear that continuous use of the health app leads to results. Health apps like this cannot deliver expected effects unless users engage continuously, so we employ methods such as gamification. For instance, we host one of Japan’s most significant walking events, promoting communication among participants while incorporating an entertainment element. Additionally, it is important to tailor approaches to the characteristics of each region. We introduced a mechanism that recognizes snow shoveling as a health activity, allowing users to earn points within the app. It has now become so established that “snow shoveling” ranks just after “walking” as a popular goal setting. As shown, approaches to health promotion differ depending on region and age group, so incorporating them into daily life is a key point. For this reason, we currently collaborate with approximately 500 to 600 municipalities nationwide to provide support tailored to the unique characteristics of each community. Moreover, while corporate health insurance unions achieve high medical consultation rates of 80-90%, municipal National Health Insurance averages about 30%. For people aged 75 and older under the latter-stage elderly healthcare system, the consultation rate drops to around 10%. To increase consultation rates, it is essential to integrate local perspectives with digital and AI technologies. Working with municipalities with limited resources, we analyze past data to identify who is more likely to seek medical consultation and proceed with more effective approaches. In this way, we aim to encourage behavioral changes in consumers by leveraging digital technology and AI, while adapting our approach to the specific traits of each region. I believe the power that connects all this is community. Expanding the use of health services is a challenging task. Still, by creating systems that combine real-world and digital interactions, and by improving AI accuracy through the accumulation of data, we aim to support more effective and efficient public health initiatives and deliver better healthcare services. David Farber, Specially Appointed Professor, Graduate School of Law, Keio University / Co-Director, Cyber Civilization Research Center “Closing Remarks” Let me share a few thoughts from here. I found today to be fascinating—there were so many great ideas and thoughtful comments. I'd like to add just a slight note of caution, though. We're increasingly relying on having large amounts of personal information available online. However, the truth is that our computers aren’t secure. As they currently are, they can’t be made secure. So, putting all this information online—whether centralized or decentralized—can be risky, unless we seriously focus on improving the security of our core computing infrastructure. This has been an issue for many years, and it’s only becoming more critical. Another point I find interesting is that each of us now carries a surprisingly powerful computer in our pockets. Even low-cost smartphones today are incredibly capable. Many of us also wear smartwatches, which are getting more innovative and more affordable. Most of these devices can run basic AI models, such as those based on large language models (LLMs), which opens up exciting possibilities for expanding access to healthcare worldwide. One last point: I’ve spent some time in the U.S. working on efforts to standardize medical information. It might be a bit easier in Japan, but it’s definitely not simple anywhere. In the U.S., we've been trying for the past 20 years. Medicare may have provided some assistance, but not to a significant extent. And when you start looking across different countries, factors such as licensing, liability, and other regulatory issues make it even more complicated. So while the potential is enormous, there’s still a lot of work to be done before we can fully implement these solutions in the way we hope to. Sumio Matsumoto, Honorary Director, National Hospital Organization Tokyo Medical Center / Advisor, Ministry of Health, Labour and Welfare “Closing Remarks” Today, I intentionally asked ChatGPT about the issue of medical expenses. I posed the question: Is medical spending in Japan really high? Looking at statistics from the first half of 2020, among 38 OECD member countries, the United States had the highest medical expenditure as a percentage of GDP at 17%, followed by Switzerland at 12.4%, Germany at 11.7%, and France at 11%. The average was 9%. Japan’s rate was 10.9%. This made me question whether this is truly an unsustainable burden for Japan’s finances. From my extensive experience managing Tokyo Medical Center, I have witnessed firsthand how challenging it is to maintain the profitability of hospital operations under the current medical fee system, regardless of the efforts of healthcare providers. The reimbursement system is becoming even more stringent, and under the current framework, making hospital operations financially viable is very challenging. When the da Vinci robotic-assisted surgery system was introduced into Japan’s public insurance system in 2012, I was involved as chair of the Ministry of Health, Labour and Welfare’s committee on insurance materials. The system faced criticism from the Central Social Insurance Medical Council for its high purchase cost—ranging from 100 million to several hundred million yen per unit—and the fact that it could only demonstrate non-inferiority compared to laparoscopic surgery. We debated whether it was necessary to introduce such an expensive device. I advocated for the benefits of easier surgery and reduced burden on surgeons. However, the discussion focused narrowly on the device’s price and slightly lower postoperative complication rates compared to laparoscopy. Unfortunately, the broader advantage of reducing human burden in surgery was not fully considered. Later, with the emergence of more expensive molecular therapies and antibody drugs, the debate about cost-effectiveness seemed to fade. Subsequently, cost evaluation progressed, and the concept of “health technology assessment” became established. Regarding system changes and budget discussions to address funding shortages under the medical fee system, ChatGPT responded that private medical insurance and patients’ out-of-pocket payments, especially for advanced treatments not covered by insurance, often influence the financial landscape. I wonder if this is truly acceptable and whether it should be discussed more broadly. Simply put, AI appears to suggest promoting mixed medical practice in Japan and funding it through means other than the national budget. This is my personal view, not from ChatGPT, but I believe a crucial missing point in these debates is the hard work of clinicians and medical staff. Measures to reduce their burden are rarely properly evaluated financially, or if so, only minimally. I have high hopes that AI might help address this issue. Finally, earlier, Dr. Hashida spoke about initiatives in Arao City, Kumamoto Prefecture. I would like to conclude by expressing my expectation that efforts utilizing AI and smartphones to enhance public literacy in healthcare and medical technologies will continue to advance. (written by Hitomi Sano, photo by Shun Arima) *Click here for the second half of the event report. For previous articles, please refer to the link below： Aug 18, 2022 【Event Report】The 1st Medical and Health DX Seminar Nov 10, 2022 【Event Report①】The 2nd Medical and Health DX Seminar 【Event Report②】The 2nd Medical and Health DX Seminar Jun 19, 2023 【Event Report①】The 3rd Medical and Health DX Seminar 【Event Report②】The 3rd Medical and Health DX Seminar
＊イベントレポート前半はこちら。 *Click here to view the English page. パネルディスカッション 「AI前提の健康・医療」 モデレーター: 村井純, 慶應義塾大学KGRI サイバー文明研究センター共同センター長 登壇者: 尾身茂, 公益財団法人結核予防会理事長 湯澤由紀夫, 藤田医科大学学長 鈴木蘭美, ARC Therapies株式会社社長CEO 浅井大史, 株式会社Preferred Networksシニアリサーチャー・インフラ戦略担当VP（オンライン） 山本龍彦, 慶應義塾大学大学院法務研究科教授 橋本正弘, 慶應義塾大学医学部専任講師 橋田浩一, 理化学研究所 革新知能統合研究センター グループディレクター 鈴木晋, 株式会社Cure App開発統括取締役/医師 福西宗憲, アナウト株式会社 グローバルプログラム ディレクター ◯村井 本日のテーマは「AIを前提とした健康・医療」についてですが、私が一番強く持っている問題意識は、こうした技術を私たちが長年かけて作ってきたということです。また、パンデミックの経験もあり、人々の理解も広がって、技術自体もどんどん進化しています。私たちが思い描いていた理想に近いものを現実として社会で共有できるようになってきたと感じています。そして、健康や医療というとても大事な領域でこうした技術が活用できないのであれば、開発に携わってきた私たちとしては「何のためにこれまでやってきたのか」という思いもあります。 一方で、医療に関わる方々の視点から見れば、いよいよ夢を実現するような環境が整ってきたのではないでしょうか。技術を作ってきた側から見ても、医療現場から見ても、今は言い訳できない段階にきています。 まず、AIの「現在地」について、橋田さんにお伺いします。橋田さんはこの分野の研究者として長年取り組んでこられており、日本におけるAI研究の初期から中心的な役割を担ってこられました。2025年現在の状況をどのようにお考えでしょうか？ ◯橋田 ChatGPTが登場してからもう3年ほど経知ますが、そこからの流れを見ていると、思っていたよりも研究は進んだ印象を持っています。ただ、いわゆる「汎用人工知能（AGI）」について、現在のテクノロジーをそのまま発展させていった先には到達できないと考えています。今のディープニューラルネットワークを拡張したとしても、人間の知能を超えるような存在を生み出すことはできないと思います。現在のAIは要約や翻訳など、表層的な情報処理においては大きな力を発揮していますが、いわゆる人間の批判的思考力に相当するような能力は持っていませんし、それを実現できるような技術的見通しも、現時点では存在しないと考えています。 ◯浅井(オンライン) 確かに、AGIに到達するにはまだ多くのステップが必要だと思います。一方で、トランスフォーマーの登場によって、コンピュータ資源をより効率的に活用できるようになりましたし、AIの性能は着実に向上していると認識しています。特に、ChatGPTのようなツールが、誰でも自然なインターフェースとして使えるようになったという点は、非常に大きなブレークスルーだと感じています。今では自然言語や音声でAIとインタラクティブなやり取りできるようになっています。こういったインタラクションの変化は、AIが我々の生活や仕事の基盤になり得る段階まで来ていることを示していると思います。 ◯村井 ありがとうございます。ここまでは技術面から見たAIの現在地について伺いましたが、医療現場では実際にこの技術を活用していく中で、さまざまな課題に直面しています。藤田医科大学はAIなどの最新のテクノロジーを取り入れるチャレンジをされてきましたが、湯澤さん、病院という現場でこのような技術を取り入れる観点から、AIの現在地について、どのようにお考えですか？ ◯湯澤 私としては、しばらくは医療や研究の支援を目的に、しっかりAIを社会実装していく段階だと感じます。そして、業務としてAIを活用するためには、やはり医療データが二次利用されるという前提が必要です。私たちの病院では、病院長が「何のためにAIや医療DXを進めるのか」という目的を、すべての教授に丁寧に説明し、各診療科が一体となって取り組む体制を築いています。これがなければ、大学や病院の中でAIを活用する土台は整いません。その点については病院長をトップとして組織的なガバナンスが効いていると感じています。 また、臨床試験についても、合成データを活用することで、これまでリアルワールドデータが得にくかった希少疾患の研究にも新しい道が開けると期待しています。臨床研究、教育、研究支援の分野で、私たち大学・病院としてAIをしっかりと使いこなし、社会に実装していく必要があると考えています。 ◯橋本 藤田医科大学のように、退院サマリーを作ることについても、全診療科を巻き込んだ取り組みは、慶應ではまだ実現できていません。プロンプトを自分で工夫して、ある程度自発的に広げていこうとする人たちが先行して進めているという段階です。全員が同じ方向を向いて進んでいくのは、やはり難しい面があります。ただ、軸足として感じているのは、それは「医療従事者の負担を軽減しよう」という視点と、さらに「患者さんのためになることを実現しよう」という方針のもとで、AIの導入が進められています。 ◯村井 先ほど山本先生がおっしゃっていた「個人界」と「集合界」という考え方は、個人情報をどう捉えるかという上で非常に重要な視点だと感じました。個人情報保護法についても個人界の考え方だけで縛られてしまっていたことで、例えば医療情報の将来的な活用の可能性を閉ざしていたのではないかという感覚が、直感的にあります。この「個人界」と「集合界」という考え方は、国際的なスタンダードとして受け入れられてきているものなのでしょうか？ ◯山本 EUの考え方についてですが、基本的には「個人に直接関係する情報」は、個人がコントロールできるようにしようという考え方があると思います。これは、データポータビリティ権などの発想ともつながっています。一方で、個人に直接返ってこないような、すぐには個人に影響を及ぼさない情報については「集合界」のデータとして扱い、産業データも含めて公的な資源として積極的に活用していこうという考え方もEUにはあります。そうしたメリハリ、使い分けは、EUではある程度整理されてきているように思います。 ところが日本では、このような違いを十分に意識せずに議論が進んでしまっていたため、さまざまな誤解が生まれているのではないかと感じています。たとえば「集合界」のデータも「個人界」のものとして捉えて、すべてに個人の同意が必要だと考えるような方々もいます。一方で、医療関係者はなるべくリアルなデータとして個人情報を活用したいので「個人界」の情報もパブリックな資源として扱おうとする傾向が見られます。どちらの側も明確な区別がないまま議論してきたことで、結果として「トラスト（信頼）」が十分に築かれなかったのではないかと感じます。 ◯村井 2016年には「官民データ活用推進基本法」という法律が作られました。この法律の目的は、まさに集合的なデータの利活用を促進することだったのですが、うまく機能しなかったというのが実情です。これはなぜ機能しなかったのだと思われますか？ ◯山本 なぜ機能しなかったのか、これはあくまで私見ですが、日本の個人情報保護法は「過剰かつ過少」と言われています。つまり、本当に守るべきものは守れていないのに、逆にあまり重要でないものについては過剰に保護されていて、結果としてグロテスクな形で成長してしまったという指摘もあります。 ◯村井 「官民データ活用推進基本法」は、どの省庁もガバナンスが効かなかったのか、結局は議員立法という形になりました。これは、さきほどの「ガバナンスの欠如」とも関係してくるかもしれません。 デバイスの発展によって、AIの活用においても個人側のデバイスでの処理も可能になってきています。このような発展の中で、個人データ「個人界」と社会データ「集合界」の関係性について、鈴木晋さんはどのようにお考えですか？ ◯鈴木晋 私は「医療情報」と「生活情報」は少し分けて考えるべきだと考えています。たとえば、治療用アプリが扱っている情報は「バイオ・サイコ・ソーシャル」な情報であり、その人が朝働いているのか、普段から歩く習慣があるのか、といった生活の様子が治療の中で重要になります。そういった情報はエッジデバイスに保持して、アドバイスの参考に使い、メディカル・バイオロジカルなデータに関しては、しっかりフィードバックして、医療の発展のために活用してもらうべきだと考えています。 ◯村井 少し話は変わりますが、ロボットによる手術支援の画像判断を行うAIの技術を開発されているのが、福西さんです。自己紹介も兼ねて、その技術の進化がどのあたりまで来ているのか、お話しいただけますか。 ◯福西 私たちは手術支援向けのAIの開発を行っています。現在、手術ではロボットや腹腔鏡といった低侵襲な治療方法が広がっており、日本の先生方の技術も非常に高く、高品質な治療が提供されています。それでもやはり合併症などのリスクはゼロではなく、そうしたリスクを可能な限り抑制し、安全な治療を実現したいという思いがあり技術開発を行っています。 村井先生から「AIの現在地はどのあたりか？」という質問がありましたが、医療向けAIの開発はまだ黎明期にあると考えています。たとえば、SaMD（Software as a Medical Device）の制度面や、個人情報の取り扱いといった法制度も、ようやく整備が進み始めたところです。 ◯村井 ロボット手術では、操作データを蓄積・学習すれば、将来は熟練医の技術を再現可能になります。藤田医科大の宇山 一朗先生や須田 康一先生方からうかがった「サージカル・インテリジェンス」および、ダヴィンチの手術データは誰のものかという議論が以前のセミナーでありましたが、開発元のIntuitive Surgical社が大量のデータを保持していると思われます。松本先生、ご見解をいただけますか？ ◯松本 はい。ダヴィンチの関節の動きなどのデータは、米国本社に送られて解析されています。藤田医科大の宇山先生の手術と他医師の比較も可能で、実際に行われているようです。ただ、その結果の具体的な活用法は私には分かりません。 ◯村井 AI開発では、どこにデータがあるかが非常に重要です。日本でロボットが開発されれば、大きな意義があります。田中さんのお話にもあったように、国産技術の価値を高めていきたいと考えています。 ◯湯澤 私たちも同様の議論をしています。熟練医の手術ログをAIが学べば、他の外科医も高い技術を再現可能になるかもしれません。その技術の権利は誰に属するのか？ 現在は企業に帰属していますが、それで良いのか疑問です。大学や医師の権利を守り、開発に活かす必要があります。アカデミアとしても発信が重要です。 ◯山本 医療現場にも「責任スポンジ」の問題があります。事故が起きたとき、企業は責任を回避したくなるため、形式的に医師を配置したがる。しかし、医師がすぐに介入できない場面もあり、その存在が責任吸収のためだけになる恐れもあります。これは医師の尊厳にも関わる問題で、リスクの分担や責任の枠組みの再設計が必要です。 ◯村井 責任の所在は難題です。特にインターネット接続後はPL法ではカバーしきれません。これは知的財産（IP）とも密接に関わり、誰が責任（PL）を負うかも重要です。責任の“スポンジ”役が保険か他の仕組みか、今後の課題です。 ◯尾身 先ほどのプレゼンでもありましたが、AIが登場したことで、人間がバッファー（緩衝材）として立ちふさがらなければならないという構造が生まれてきています。本来、人間のためにあるはずのAIによって、逆に人間が負担や責任を背負わされるようになってしまう。これは法的な問題であると同時に、人々の価値観の問題でもあり、極めて難しい課題です。 ◯村井 社会の中でAIをどう使っていくか、その最もクリティカルな領域の一つが医療であり、ここで解決された課題は他の領域への社会的な応用可能性も高く重要です。このように前へ進むためには、医療産業、大学、研究機関、政府など、さまざまなプレイヤーが連携して取り組んでいく必要があります。デジタル政策の文脈は常に、サイロ化した社会の中で、異なるセクター同士を横につなぐ仕組み、すなわち新しいガバナンスの構築が求められています。AIと医療を取り巻くマルチステークホルダーのそれぞれの役割や責任についてどなたかご感想はありますか。 ◯橋田 これからはAIとの対話がユーザーインターフェースの中心的な存在になります。AIが私たちの間に入りサービスを繋いでくれる。その結果、従来のアプリやウェブサイトは徐々に姿を消し、あらゆる産業において顧客との接点がAIに置き換わっていく。特に中小規模の事業者から、そうした変化が先に起こっていくのではないかと思います。そのような状況において、規制が本格的に議論されるのは、おそらく10年後くらいからではないでしょうか。しかし、教育や医療といった分野はそう簡単には動きません。医療や教育を、こうしたパーソナルAIとどうつなげていくかが、今後大きな課題として浮かび上がってくるのではないかと考えます。 ◯村井 尾身先生、黒川先生は、まさに政府の中で重要な仕事を担ってこられた方々ですので、そのご経験をふまえて、今後どのように取り組んでいくべきかをぜひ伺いたいと思っています。 ◯尾身 私の提案としては広くステークホルダーを巻き込んだ、じっくりとしたオープンフォーラムのような場を設けることです。この場にいる先生方のような方々が中心となり、その場を牽引していただければと思っています。 私がWHOでの経験から日本が絶対に学ぶべきだと思ったことは、複雑ですぐに解決できない問題に対して「合意できたこと」「まだ合意できていないこと」を一つ一つ明確に整理し、紙にして共有するというプロセスです。その際には、専門用語を分かりやすく伝える「翻訳者」の役割も必要です。また、そこには「人々がどう感じているのか」という感情の部分もきちんと考慮する必要があります。 日本社会はどうしても、短期的な動きになりがちです。1回議論して終わり、熱くなってもすぐ冷めてしまう。しかし、5年、10年というスパンでじっくりと向き合う必要があるでしょう。そして、翻訳者、ファシリテーターのような役割を果たす人が必要です。丁寧な対話のプロセスこそが、これからのAIの社会に必要だと考えています。 ◯黒川 医師は必要不可欠な存在で、国によって医療制度の成り立ちは異なります。日本は自由に病院を選べる特殊な制度を持ち、その多くが公的資金で支えられています。しかし、高齢化と少子化が進む中で、この仕組みが持続可能か再考すべき時期に来ています。 ◯村井 これまでの医療のやり方を続けるのは限界があります。制度改革には既得権の問題もありますが、インターネットの普及のように、多くの人に支持される技術は制度に先行して広まることもあるでしょう。大切なのは、丁寧にコンセンサスを築くことです。 ◯山本 信頼の構築には、法整備よりもまず社会的なムードが重要です。AIは定量的な処理が得意でも、感情や価値観といった定性的な対応は難しく、リスクも伴います。だからこそ、医療・法・哲学の領域を越えた対話を通じて、信頼を育てていくことが大切です。AIの導入にはボトムアップの社会的合意が不可欠です。尾身先生がおっしゃっていたような「対話」の重要性は非常に高いと感じています。 ◯村井 「透明性」は「対話」と並んで重要です。どんな技術が使われ、誰にどう影響するかを明確にすべきですが、ここで鍵になるのが「標準化」です。同じ技術を多くの人が使えばコストが下がり、恩恵が広がりますが、特許による囲い込みは価格高騰のリスクにもつながります。インターネットは標準化により低コストな参入環境を実現しました。医療技術も同様に、対話と透明性が「安心」と「信頼」を生み、それが普及に繋がると考えます。 またルール形成の観点からは、医療では国境がルール形成に影響する一方、インターネットは国境を越えて発展してきました。結果として、医療のようなナショナルな空間と、ネットのグローバル空間が共存しています。そうした中で、日本でのAI活用が世界にどう貢献できるか、また海外のAIが日本に本当に合っているのかといった視点が重要になります。 このように、私は日本国内のドメスティックな空間と、グローバルあるいはインターナショナルな空間との関係を、どう整理しながら考えていけばよいのか、という点に関心があります。 しかしまずは、健康分野と医療分野の両分野のつながりについて、どう考えていけばよいのでしょうか。 ◯鈴木晋 健康分野と医療分野のつながりは、とても興味深いテーマだと考えています。 私たちのプロダクトの中でも、禁煙や高血圧といった領域は「予防」が可能であり、私たちはより広く「健康」という概念の中でのアプローチを目指しています。そのため、医療機器として提供している製品がある一方で、同じアプローチを用いた「予防」目的の非医療機器の製品も展開しています。社会的には医療と健康の間に明確な線引きがありますが、私たちはその間にある“グラデーション”に注目しています。 現実的な面として、医療は全国に医療機関が存在しているため、ビジネスとして展開しやすい側面があります。保険診療の枠組みに乗ることで、1度承認されれば全国展開も可能になります。その意味で、医療機器としてのビジネスには大きな価値があると考えています。 一方で、本日DeNAさんが紹介されたような健康関連のサービスも、また異なる形で同様に大きな価値を持っていると思います。 ◯村井 医療という分野は、日本が誇れるものであると皆さんおっしゃっていますが、一方で、これは高度な国費投入、たとえば皆保険制度によって成立しているバランスでもあります。これは先ほどの黒川先生のお話からも明らかでした。 その上で、私たちは、やはりこのAIによって変わりゆく健康と医療の世界において、日本だからこそできる良いものがあると信じたいというエモーショナルな思いが私にはあります。もしそれが実現できるのならば、それを国際的に展開し、世界に貢献していくという道も考えられるはずです。そうした動きをどう育てていけばよいか、皆さんにぜひ議論していただければと思います。 ◯福西 外科領域におけるAIの視点から見てお話しさせていただきますと、日本には非常に大きな強みがあると考えています。なぜならば、日本の手術は非常に丁寧であることは間違いありません。医療現場から得られるデータの質は非常に高く、AIを活用する上でのアドバンテージになると考えています。 一方で、それを世界に展開していくにあたっては、特に「健康」に関する分野は文化の影響が大きく、難しさもあるのではないかと感じています。ただし「医療機器」などのより臨床的で客観性のある領域については、身体構造は世界共通ですし、世界の医療機器メーカーは基本的にグローバル企業がほとんどのシェアを占めていますから、我々はそこに挑んでいかなければならないと思っています。世界に挑戦したいという思いは強く、立ち止まってはいられないと考えています。 ◯鈴木晋 それとは対照的な意見も、私たちの社内ではよく議論されています。私たちが手がけている「治療アプリ」という領域は、特にサイコロジカルやソーシャルな側面に大きく影響を受ける分野です。実は私たちもアメリカ展開を目指していたのですが、実際にはなかなかうまくいきませんでした。 たとえば、日本は非常にハイコンテクストな文化で、言語と文化が密接に結びついており共通理解のもとで治療を設計できます。でも、アメリカは人種的にも文化的にも多様性が高く、アメリカ人として共通する文化がそもそも存在しないという難しさがありました。このように、治療アプリのように心理的・社会的要因が大きく影響する分野においては、ローカルに根付く部分があり、グローバル展開の困難さを強く感じています。 ◯鈴木蘭美 私たちの治験は日本からスタートしていますので、取り組みの起点は確かに日本になると思います。遠方から東京の病院に来てくださる方もおられますが、長旅の後に強い治療を受けると、どうしても治療効果が下がってしまうのではないかという懸念があります。「健康」と「病気」をきっちり白黒で分ける必要はなく、むしろ、メンタルヘルスや食事、睡眠といった日々の生活要因すべてが、患者さんのウェルビーイングや治療効果に関わっているのではないか、と強く感じています。 ◯浅井(オンライン) 弊社が開発しているLLM（大規模言語モデル）は、日本語での性能向上を主眼においており、日本語のデータを非常に多く使っています。世界的に見ると、LLMの主な開発拠点はアメリカや中国などですが、そういったグローバルモデルは、文化的な背景が必ずしも反映されていないことが多いと感じます。インターフェイスは世界共通に揃えられたとしても、モデルの中身、つまりどのようなデータでどのような応答が形成されているかという点では、英語圏や中国語圏を中心とした思考に引っ張られているような印象を受けます。特に医療データに関しては、その国や地域の文化に即したモデルを作っていく必要性を感じています。 また、国によってAI学習に対する考え方や規制も異なります。こうした違いを踏まえつつ、人々がこの基盤モデルになら貢献しても良いと思えるような、透明性(トランスピアレンシィ)や説明責任（アカウンタビリティ）をどう確保するかが重要であり、仕組みを整えていく必要があると考えています。 ◯村井 ここを出発点として「ご自身は何をしていこうと思いますか」ということを一言ずつお聞きできればと思います。 ◯福西 なかなか難しいところではあるのですが、私たちはまだまだ発展途上の領域ですが、本気で世界に向けて挑戦していきたいという思いで、今取り組んでいます。ぜひ、皆さまからご指導いただければ幸いです。 ◯鈴木晋 やはり生成AIネイティブなアプリを作っていきたいという思いがあります。橋田さんがおっしゃっていたように、将来的にはインターフェースは共通化されていくと治療アプリも、承認が必要な部分はモジュール化されて、アルゴリズムの部分だけを認可して、インターフェース自体は自由にデザインしてよいという時代が来ると思います。そうした未来を見据えて、対話型の新しい治療アプリの開発に取り組んでいきたいと考えています。 ◯橋田 先ほどもお話しした通り、現在は自治体との連携を起点に進めています。これは、自治体が住民のデータを囲い込まず、分散型のサービスが展開しやすいこと、また地域の中小企業とも連携しやすいという背景があります。一方で、村井先生もおっしゃったように、医療制度は国ごとに異なる一方で、インターネットやデータ、アルゴリズムはグローバルな存在です。一部の国では医療データの越境移転を制限する法律もありますが、それは事業者に対する規制であって、個人が自分のデータをどう扱うかまでは制限していません。つまり、個人が自分のデータを保持していれば、それを他国に持ち込んで治療を受けるといったことも可能なのです。インターネットの力を活用すれば、国境を超えた医療サービスの提供が現実のものになるのではないかと期待しています。 ◯橋本 LLM（大規模言語モデル）は非常に強力なツールであり、今後深刻になるであろう人手不足の課題に対して、大きな可能性を持っていると感じています。医療の現場でこのようなツールをどう活用していくのか、それを考える上で、従来のツールとはまったく異なるルールや枠組みが必要になります。多くの関係者（ステークホルダー）がいる中で、そうしたルール形成に自分も関わっていけたらと考えています。 ◯山本 マルチステークホルダーによる共創的なルールメイキングを進めていく上で、法律の側から関わる私たちは、ともすればブレーキをかける役割のように見られがちです。しかし、そうではなく、開発の初期段階から対話を重ねていくことで、共に適切なかたちでアクセルを踏むパートナーでありたいと思っています。 ◯鈴木蘭美 本日のディスカッションを通じて、がんの早期発見・完治の実現を一日も早く目指したいという思いを強くしました。村井先生のご期待に応えられるよう、日本発で歴史に残る成果を出せるよう尽力したいと思います。 ◯湯澤 医療DXの推進、AIの活用などにおいて、大学としても先進的な医療の研究開発に取り組む必要があると改めて感じています。今後は、医療DXを推進し、海外とのデータ連携もよりスムーズにできるようにしたいと考えています。また、日本の強みは、超高齢社会における豊富な健診データにあります。こうしたデータを活用し、将来的な健康予測にも役立てていければと考えています。 さらに災害医療の面では、南海トラフ地震のような大規模災害への備えとして、厚労省の電子カルテ共有サービスを通じて、最低限の医療データがどこでも確認できるような仕組みを整えることが重要です。 ◯尾身 社会全体としては分断が進み、皆で同じ方向に向かうことが難しい時代になっているからこそ、ルール作りだけではなく「共感」を大事にし、本当の意味での対話が求められています。IT分野の専門家だけでなく、さまざまな分野の方々と、より深い対話の場を持ちたいと思います。 最後に、日本への期待についてですが、軍事ではなく、グローバルヘルスの分野でこそ、日本は世界のリーダーになれると信じています。多くの国々が日本に信頼を寄せており、今日のような議論を、もう少し平易な言葉に翻訳して世界に発信すれば、日本の文化だけでなく、経済にも大きな貢献ができると思います。 ◯浅井(オンライン) 村井先生がおっしゃったように「標準化」が非常に重要だと感じています。さまざまなポリシーやルールに対応できるプロトコルやメカニズムといった、技術的な部分の標準化に、技術者として取り組んでいきたいと思います。 クロージング 「Closing Remarks」 David Farber, 慶應義塾大学大学院法務研究科特別招聘教授, サイバー文明研究センター共同センター長 今日は非常に興味深い一日でした—素晴らしいアイデアや思慮深いコメントがたくさんありました。ただ、少し注意点を加えたいと思います。 私たちはますます多くの個人情報をオンラインで利用できるように頼るようになっています。しかし、現実として、私たちのコンピューターは安全ではありません。現在の状態では、セキュリティを確保することはできません。そのため、この情報をオンラインに置くこと—中央集権的でも分散型でも—はリスクが伴います。もし私たちがコンピューターインフラのセキュリティ向上に本気で取り組まない限り、危険が残るでしょう。この問題は何年も続いており、ますます重要になっています。 もう一つ興味深い点は、今や私たち一人一人が驚くほど強力なコンピューターをポケットに持ち歩いていることです。今の安価なスマートフォンでも非常に高性能です。多くの人がスマートウォッチを身につけており、それもますます賢く、手ごろな価格になっています。これらのデバイスの多くは、基本的なAIモデル—例えば、大規模言語モデル（LLM）に基づいたもの—を実行でき、これにより世界中で医療へのアクセスを拡大する可能性が広がっています。 最後に一点、私はアメリカで医療情報の標準化に取り組んだことがあります。日本では少し簡単かもしれませんが、どこでも決して簡単ではありません。アメリカでは過去20年間にわたって試みてきました。メディケアが少しは助けになったかもしれませんが、大きな効果はありませんでした。そして、異なる国々を横断して見ると、ライセンス、責任、その他の規制の問題がさらに複雑にします。 したがって、可能性は非常に大きいものの、私たちが望む形でこれらの解決策を完全に実装するには、まだ多くの作業が必要です。 皆さん、ありがとうございました。 「閉会挨拶」 松本純夫, 独立行政法人国立病院機構東京医療センター名誉院長、厚生労働省顧問 本日は、あえて医療費の問題についてChatGPTに質問してきました。私は日本の医療費は本当に高いのか？という疑問をChatGPTに投げかけました。 2020年前半の統計をみると、OECD加盟国38か国の中で、対GDP比で医療費が最も高いのはアメリカで17％、次いでスイスが12.4％、ドイツが11.7％、フランスが11％となっており、平均は9%です。日本は10.9％で、これが本当に日本の財政にとって耐えられない状況なのか、というのが私の疑問です。 私が長年、経営に関わっていた東京医療センターでは、どれだけ医療者が頑張っても医業収支を黒字にするのが非常に難しいという診療報酬制度を実感しました。診療報酬制度はさらに厳しくなる状況にあり、現行の制度下では病院事業の黒字化は難しいと感じています。 ロボット支援手術—ダヴィンチを日本の保険診療体制に導入した2012年に私は厚労省の保険材料専門組織の委員長として関わりました。中医協から1台で１億から数億を超える購入金額で腹腔鏡手術と比較して非劣性しか証明できない手術機器を導入する必要があるか否かと批判され、費用対効果について深く悩んだことがあります。手術がしやくなる・外科医への負担が軽くなる利点を会議で述べました。しかし、ダヴィンチの販売価格とその手術の術後合併症の発生率が腹腔鏡手術よりわずかに低くなる点だけが取り上げられ、手術に関与する人間の負担を軽減すると言う機器が秘めている特性にまで議論が進まなかった残念な経験がありました。 しかし、その後、分子治療薬や抗体医薬など、より高額な医薬品が出てきたため、その費用対効果の問題はどこかに行ってしまったという記憶があります。その後、コスト評価についても議論が進み「医療技術評価」が行われることになりました。 このような診療報酬制度の下での財源不足に対応する制度変更や予算に関する議論について、ChatGPTは次のように答えてくれました。「民間の医療保険や患者自身が支払う医療負担、特に先進的な治療法が保険適用外の場合、患者が自己負担で支払うことが多い。これが影響を与える可能性がある。」私はこれが本当にその通りで良いのか、広く議論すべき問題ではないのかと感じています。簡単に言い換えれば、日本でも混合診療を進める、そしてその財源を国家予算からではない方策を講ずるべきと、AIが進めているのではないかと感じてしまいました。 これは、ChatGPTからではなく、私の私見ですが、これらの議論に抜けているのは、一生懸命働いている臨床医やメディカルスタッフの働きについてであり、医療従事者の負担軽減策は、お金に変えて評価されないということです。評価されているにしてもわずかです。この点について、AIでどうにかならないかと期待しております。 最後に、先ほど、橋田先生が熊本県荒尾市で行っている取り組みについて話されていましたが、このように国民に対して医療および医療技術のリテラシーを広げるために、AIやスマートフォンを活用する施策が進んでいることを期待しているとコメントさせていただき、私のクロージングリマークとさせていただきます。 （文：佐野仁美 写真：有馬俊） →イベントレポート前半はこちら。 →さらに詳しいワーキングレポート「AIを前提とした医療の創生」はこちら。 参考資料 第一回セミナーレポート 【イベントレポート】2022.7.4開催 医療と健康のDXセミナー | 慶應義塾大学サイバー文明研究センター 第二回セミナーレポート 【イベントレポート①】2022.10.11開催 第２回医療と健康のDXセミナー「医療と健康に貢献するテクノロジー」 【イベントレポート②】2022.10.11開催 第２回医療と健康のDXセミナー「医療と健康に貢献するテクノロジー」 第三回セミナーレポート 【イベントレポート①】2023.6.19開催 第3回医療と健康のDXセミナー 【イベントレポート②】2023.6.19開催 第3回医療と健康のDXセミナー
＊イベントレポート後半はこちら。 *Click here to view the English page. 当日のプログラムについてはこちら。 主催：慶應義塾大学サイバー文明研究センターCCRC 慶應義塾大学サイバー文明研究センターCCRC メディカルインクルージョン WG SFC研究所価値社会プラットフォームラボ WIDEプロジェクト <開催概要＞ 日時：2025年3月18日（火） 13：00～18：50 場所：慶應義塾大学三田キャンパス北館ホール イントロダクション イントロダクション 佐野仁美 慶應義塾大学政策・メディア研究科研究員/CCRCメディカルインクルージョンメンバー 本セミナーの冒頭に、開催の背景と主催機関である「サイバー文明研究センター（CCRC）」についてご紹介いたします。CCRCは、インターネットの基盤を築いた世界的研究者であるデイビッド・ファーバー教授と村井純教授が共同センター長を務め、デジタル技術がもたらす社会構造の変化を新しいサイバー文明として捉え、デジタル技術と社会の調和を目指す研究を行っています。インターネットの普及とさらにAIの進化により世界が大きく変化し、まさに私たちは現在、新たな文明の移行期に立ち、デジタル技術が人間の生に深く関わる段階に入ってきました。特に医療と健康は、こうしたサイバー文明の成熟に不可欠な大きな柱であり、単なる技術の導入ではなく、人間社会全体を見据えた再設計が求められています。 CCRCのこうした文明的視点の背景には、慶應義塾の創設者・福澤諭吉の文明論があります。福澤は情報の流通や民情の変化に注目し、日本の近代化の原動力としての情報の力を見抜いていたと考えることができます。さらに、民情が一新される際の、人々の感情の大きな揺れを「狼狽」と指摘するなど、現代のAIやインターネットがもたらす社会変動も、福澤の議論と深く通じるものがあります。 このセミナーシリーズは、世の中の医療と健康のDXに対する人々の認識が大きく変化したコロナ禍をきっかけに始まり、今回で第4回を迎えました。これまでに40名を超える専門家が登壇し、その内容はレポートや書籍として公開しており、医療DXの実践知を広く共有することで、今後のデジタル文明の設計に資することを目的としています。本日も皆さまと議論を共有し対話を通じて、新たな文明の可能性を探求していければと願っております。 開会キーノートセッション 「慶應義塾からの挨拶」 天谷雅行, 慶應義塾常任理事（研究担当） 慶應義塾大学サイバー文明研究センターCCRCは、2018年の設立以来、デジタル技術がもたらす社会変革を研究し、その知見を広く社会に還元することを使命としています。 CCRCの新たな研究拠点として、CCRCプロジェクトルーム羽田キャンパスが開設され、2025年3月8日に開所式がありました。羽田という立地からも、アジア太平洋地域との協力を深めながら、国際的な視点から、新しいデジタル社会のあり方を模索し、政策提言や技術開発に貢献することを目指す上で最適な拠点になると確信しています。ファーバー教授と村井教授を共同センター長としてCCRCはさらに発展していくことは間違いないと思っております。 また、3月16日には歴史学者であるユヴァル・ノア・ハラリ氏が慶應義塾大学を来塾され、この北間ホールで伊藤塾長との対談と学生からの質疑応答が行われました。 ハラリ氏の最新刊『ネクサス』では、現在の社会が非常に不透明な中、どうして今のような状態になっているのかを、非常にシャープな言葉で伝えています。その中でも、1点だけ本セミナーに関わる点として、歴史の中で情報がどう変わってきたかという観点をお話しします。 大学や教育機関の役割は、長い間「情報を集めること」だったと言われています。その1つが図書館などで、情報を集め、そこに人が学びに来て智を生み出すという役割を果たしていたと思います。しかし、今や情報を集めるという大学の役割は薄れつつあり、逆に情報が氾濫している時代に突入しました。 そして、その氾濫する膨大な情報の中に「真実」と「フィクション」が混在しています。「真実」は複雑でわかりにくく「フィクション」は簡単でわかりやすいという現実に直面しています。さらに「真実」は痛みを伴うが「フィクション」は心地よい。「真実」を伝えるには、コストが掛かる。一方で「フィクション」は1人の頭の中で簡単に作成でき、コストもかからない。そのため「フィクション」は圧倒的に拡散しやすい状況にあります。そして、この「フィクション」を拡散するのは人間ではなく、AIによるアルゴリズムであるという事実があります。このアルゴリズムが非常に速いスピードで発展しており、その人類への影響を予測することは非常に難しい状況です。こうした状況の中でも重要なのは、人間同士の信頼関係(トラスト)だと、ハラリ氏は私たち学生にメッセージとして伝えていました。 これはまさに本セミナーのテーマである、健康と医療のDX（デジタルトランスフォーメーション）にも深く関わる視点だと感じました。AIをはじめとするデジタル技術が医療の現場を大きく変えつつある中、私たちは常に正確な情報を求め、誤った情報の見極めが求められています。診断の迅速化や医療システムの効率化が進む一方で、AIが生成する医療情報やアルゴリズムの公平性、さらには誤った情報が医療現場や個人の健康管理に与える影響についても慎重に議論する必要があると思います。本日のシンポジウムが、より良い医療と健康の未来につながる一歩となることを願いまして、開会の挨拶とさせていただきます。 「主催者挨拶」 村井純, 慶應義塾大学教授/サイバー文明研究センター共同センター長 デジタル技術が社会にどのように貢献できるかの方法は急激に変化してきました。私達がインターネットを作って来た際、1995年に「インターネットは全ての人々のもの」というキャッチフレーズを掲げていました。当時は、全人口の1%もインターネットを使っていなかったのですから、図々しい目標だったのではないかと今は思えます。95年には既に全人類がインターネットに繋がることを方針として目指し構築していたということです。３０年たった今、台数で数えれば日本では100%以上の人々が、インターネットにアクセスできる状況となっています。このような状況を前提にして、どのような社会変革が必要なのかをDXとして考え続けてきました。インターネットの環境でみんなの知恵が世界中で共有できるという夢が開発の動機です。その夢の中で、常に、医療の分野で必ずインターネットは貢献できると思い続けていたのです。一方で、やはり医療はとても慎重であるべきで、データの共有もリスクが有り社会の中での他の分野のDXのスピードからは、遅れてしまう傾向がありました。コロナ禍で、社会のデジタル技術に対する理解が進み、2年間で20年分の進展があったといわれています。医療とDXの関係の理解も特に日本では歴史的に変わったと思います。 AIが急速に広がる中、医療分野でもその影響を受け、デジタル技術の活用が進み、社会の中では「狼狽」とも言える反応も起こっています。AI技術の発展は急激であり、その技術を前提として医療現場でどう活用していくのかを考えようと、また、歴史的な変換点であることを鑑み、キーノートに尾身先生をお迎えしました。AIは医療のDXにとって非常に重要なテーマとなっており、AI技術の専門家や医療分野の専門家とともに、ネットワークとして発展させることが重要だと感じています。 特別基調講演 「公衆衛生専門家から見たAI・DXへの期待」 尾身茂, 公益財団法人結核予防会理事長 私はAIやデジタルの専門家ではありませんが、我々専門家がコロナ対策において、その時、現場でどのように感じていたのかをお伝えし、最後に私の提言や今後の医療DXへの期待をお話します。 そもそも日本では、過去にも新型インフルエンザへの対応などで、医療のデジタル化に対する強いレコメンデーションがあったのにも関わらず、ほとんど実行されてきませんでした。結果として、2020年1月時点で、日本と韓国のコロナ対策の本部の準備体制には大きな差が開いていました。私が関わってきた中で最も大きなフラストレーションは「情報がない」ということでした。情報が我々専門家のところに届かないのです。しかし、政府は我々に対してどんな対策を取ればよいか、という助言を求めました。情報は極めて限られている中で、国が求める対策について提言をしなくてはならないという強いジレンマがありました。 各国のパンデミックの対応戦略について、例えば、北欧スウェーデンなどの国は合理的に「感染を抑えるなんてことはできない」とし、中国は「感染をゼロにしよう」とロックダウンを続けました。一方、日本は、北欧と中国とも違い、また、その中間のアプローチを取ろうという考えもなく、独自の方針を取りました。 最も大事なことは死亡者を減らし、医療の逼迫をなるべく避けることにありました。経済との両立は非常に重要ですが、そもそも本当に医療の崩壊が起きたら、経済対策と感染症対策の両立も不可能です。したがって我々は死亡者をゼロにするということは考えず、死亡者は出るし、感染者も出るが、医療の逼迫、崩壊だけは避けたいという哲学で感染対策を進めました。 そして、実際に日本は世界的に見て死亡者は少なかったのです。欧米では、初年度からすでに死亡者が多く、実際に、イギリスではかなりの人口が初年度に感染し、多くの死亡者が出て、医療崩壊に近いことが起きました。日本では、3年目に死亡者が増えています。年を追うごとに高齢者が感染し、体力が落ちることによって亡くなるケースが増えたからです。 日本の感染対策の特徴として、医療の逼迫が起きそうになると強い対策を取った点が挙げられます。例えば、第一波の時点では死亡者が少ないにもかかわらず、2020年4月7日には第一回目の緊急事態宣言を出したのです。その理由は、極めて限られた病院で対応しており、そこの医療が逼迫し、医療崩壊が起きることを防ぐ必要があったからです。そして、感染者数が減少し、医療逼迫も軽減されると、強い対策を解除し、また感染が拡大する。こうした強い対策と、それを緩めることを繰り返したことが、日本の特徴です。これを我々はハンマー・アンド・ダンスと呼んでいます。 では、これだけ死亡率を抑えた日本は諸外国に比べてGDPへの影響がどうだったかについてですが、日本はずっとロックダウンを続けていたわけではなく、ハンマー・アンド・ダンスのアプローチを繰り返していたため、GDPへのネガティブな影響は、3年間を平均すると欧米並みの水準にとどまりました。 また、情報・デジタルの効果により人々の行動変容が見られたのは重要です。緊急事態宣言が出る前から、すでに多くの人々が自発的にマスクを着用していました。新聞やインターネットでの死亡者数や医療逼迫情報が流れるといった情報効果により、緊急事態宣言などの国による介入効果が出る前から人々の自主的な協力が始まっていたのです。 情報効果は高齢者に効果的で、若い人々はあまり効果的ではなかったという傾向が見られます。高齢者は病気に対する重症化リスクを意識して協力した一方、若い人々は自分には関係ないと思っていた可能性があります。 さて、日本の医療の質は世界でトップクラスですが、それでも医療の逼迫が起きた理由は、医療システムが高齢化社会に向いてシフトしており、パンデミックを想定したものではなかったことが一因です。情報化が進んでいないことも含めて、日本の医療制度そのものに医療の逼迫を起こした問題の本質があったと思わざるを得ません。 先ほども述べたように、私の大きなフラストレーションであった「情報がない」という絶対的なデータの不足の状態が起きた決定的な要因は2つの理由があると考えています。1つは、個人情報の扱いが自治体ごとに大きく異なったことです。看護師や保健師が患者に、感染経路などを直接患者にインタビューするため、実は、かなり詳しい情報は医療の現場にはあったのです。しかし、個人情報の取り扱いが各自治体により異なり一番厳しい基準が採用され、現場にある潤沢な情報は我々専門家には、最低のレベルに少ない情報しか届かないというのが大きな課題でした。 そして、もう一つのデータの不足の原因として、医療デジタル化の遅れがあります。2020年頃の日本の対策本部の多くは、専門家やその大学院生などでした。行政の人々は、クルーズ船の対応で手一杯でした。対策現場では、ファックスから出てくる情報から表を作っていたり、時には個人的なコネクションで情報を獲得するしかないなど、21世紀では考えられないような状況でした。現場の専門家の中には、計り知れないストレスがかかっていた状況でした。 最後に、医療DXへの提言として、まず必要な疫学情報を迅速に取得する体制を整えることが重要です。そのためには、医療情報のデジタル化と日本全体としてのシステム構築が必要です。そのシステム構築には、IT専門家と公衆衛生の専門家との連携が不足しています。 インターネットは本当は横断的なシステムであるはずですが、医療は省庁ごとに分断してしまい、視点が狭くなり、他の領域との交流が働くインセンティブに欠けてしいます。これは省庁の問題だけでなく、日本全体の問題であり、民間や大学などと広く全体として最適性を見出す必要があります。このセミナーの皆様が連携し、さまざまな医療のAIやデジタル化による潜在的な課題を解決し、社会にうまく活用する知恵を、説得力のある政府への提言などに発信して頂ければと思います。 特別基調講演 「ブロックチェーンと不確実性プログラミング時代における健康と医療データのアーキテクチャ」 伊藤穰一, 学校法人千葉工業大学学長 「不確実性プログラミング (Probabilistic Programming)」は日本語では「確率系プログラミング」と訳されることが多いですが、厳密には「確率」に限らず、不確実な情報をモデル化し、その情報をもとに判断を行うプログラミング手法を指し、現在のAIではあまり得意とされていない分野でもあります。 不確実性プログラミングは、1990年代にはAI研究において主流の手法の一つでした。しかし、こうした統計を含む不確実性を扱うプログラム言語は、数学的な難しさや、手作業による取り扱いの難しさから、スケーラビリティにも課題がありました。 2013年頃から、ニューラルネットワークが注目を集めるようになり、1990年代に不確実性プログラミングに取り組んでいた研究者の多くが、2010年以降、ニューラルネットワークへとシフトしていきました。 ニューラルネットワークには「neural（神経の）」という言葉が含まれていますが、実際の脳の動作とは大きく異なります。むしろ、不確実性プログラミングの方が、脳の認知メカニズムに近いと考えられ、不確実性プログラミングは再び注目を集めつつあります。 人間の推論の仕組みは、単純なロジックではなく、確率的な推定によって成り立ち、私たちはある思考に関して確率モデルを更新し続けています。医師の診断も同様で、患者の症状や背景情報から病気の確率を推定し、新たな情報が加わるたびにその確率を組み合わせながら更新しており、医療の診断には「ベイズ的（Bayesian）」な推論が必要で、1つ新しい情報が入れば確率が変わってしまいます。現在のニューラルネットワークではそれは実現が難しいものです。どういう情報がいつ意味を持つのか、構造化されたモデリングが必要であり、今のニューラルネットワークでは対応できません。ニューラルネットワークは、確かに翻訳など特定の用途では非常に有効で、何に使うか分からないジェネラルなインテリジェンスに向いていると言えます。何をしたいか分かっていて、目的が明確な場合は不確実性プログラミングの方が適しており、数学的な確率モデルとプログラミング言語を統合することで、より柔軟な推論が可能になります。 また、人間の認知は「モジュール的（modular）」であり、個々の概念を組み合わせることで新しい状況に対応できます。確実性プログラミングはモジュラーな設計なので、人間の認知の仕組みに近い認識を再現することで、医療などの分野にも大きな影響を与えられる可能性があります。いろいろな情報を知って、その組み合わせで理解することは、統計学的に理解することと全く違うため、非常に効率よく、オブジェクトの検出や、裏にいろいろな構造があるデータ解析、データモデリングに応用できます。 ニューラルネットワークでは、大量のデータがなければパターンを識別することは困難ですが、人間や不確実性プログラミングは、少ないデータからでも徐々にモデルを構築し、データの量が増えるほどモデルの精度が向上していきます。つまり、ニューラルネットワークと比較すると、はるかに少ないデータと低スペックのCPUで動作可能です。人間の脳は、消費電力が電球1個分程度にもかかわらず、高度な思考能力を持っています。これは、脳がより構造化された学習プロセスを採用しているためであり、ニューラルネットワークよりも効率的に機能していると言えます。 不確実性プログラミングでは、複雑なモデルであっても、人間がソースコードを見て、医師が「異常が発生している」、「この変化はこういう理由だ」と判断することができます。以前、エキスパートシステムがありましたが、論理的処理が難しく、重くなりがちでしたが、不確実性プログラミングの活用は、複雑で不確実な情報を扱えるエキスパートシステムのように捉えることができると思います。 「大規模言語モデル（LLM）」という言葉が広く使われていますが、私は人口や人間のモデルを構築すべきではないかと考えており「大規模人口モデル（Large Population Model）」という言葉を作りました。LLMと不確実性プログラミングを組み合わせることで、様々な可能性が広がるのです。例えば、LLMを用いてテキストデータを構造化し、それをいろいろなデータベースを集めたものと統合することで、一つの大きな、Large Population Modelを構築できます。このPopulation Modelは、多様な人間の特性を表す複雑な基礎モデルです。 統計モデルにバイアスが生じる場合でも、不確実性プログラミングを活用すれば、あらゆるデータを統合し、限られたデータから仮説を立て、推測することが可能です。個々のデータベースにはそれぞれバイアスが存在しますが、それらを統合することで、バイアスを抑えたモデルを構築することが可能になります。この手法では、「合成データ（synthetic data）」を用います。データが不足している領域に対し、モデルを活用してデータを生成し、それを用いて新たなモデルの学習を行います。例えば、特定の臨床試験では対象となる人口が少ない場合がありますが、統計的手法を用いて欠けているデータを補完することで、統計的に見ることができます。 また、特定地域において特定の疾患データが不足している場合も、合成データを活用することで、限られたサンプルサイズでも高い精度の予測が可能になります。このように、合成データの活用には、特定の地域の特定の人々の情報を集めずに済む点でも、プライバシー保護の観点からの利点があります。個人情報を含むデータを直接収集できない場合でも、合成データを利用することで、プライバシーを省きながら分析が可能になります。 不確実性プログラミングは、構造化された情報を扱うため、個人情報の管理が大きく変わる可能性があります。電子カルテや個人情報保護法の制約のもと、データの取り扱いには慎重さが求められますが、LLMでは中身が分からないため個人情報のコントロールが難しく、そもそも個人情報を学習させない方向になります。 しかし、不確実性プログラミングでは、合成データを活用しながらも、特定の属性間の関連性を細かく制御しつつ、個人情報の利用を可能にすることができます。例えば、年齢と給与の関連付けを分断することで、特定の個人情報が推測されるリスクを抑えるなどが可能になります。 このような仕組みにより、データ利用のルールを地域ごとに柔軟に設定し、コミュニティの価値観に合わせたデータ活用が実現できます。現在の個人情報保護法では、「このデータは利用してはならない」といった制限が主ですが、数学的に特定の情報が抽出されないことを保証できる技術を活用すれば、様々なデータを含めた上で、特定の情報を取得できないようにするといった新しい枠組みを構築することが可能です。これにより、個人情報を守りながら、複数の病院のデータを統合し、日本国内だけでなく、国際的なデータ利活用の促進につなげることができるでしょう。 医療AIの現場への応用は、医療データの収集やモデル構築の段階で現場のニーズとの乖離を解決しなければなりません。医療機関内に技術者を配置し、エンジニアと医療従事者が協力する必要があります。しかし、日本では分野の縦割りが問題となり、医療と工学の分野が分離されており、両者の協力が進みにくい状況にあります。日本は色んな意味でAIにふさわしい国民性を持っているのに活用できていません。今後、医療分野におけるAIの実用化を推進するためには、学術界と実務の架け橋となる仕組みを構築し、技術と医療の融合を促進することが重要です。 セッション1：健康医療のためのAIテクノロジー 「AIｘ医療の展望：最適化と個別化に向けて」 鈴木蘭美, ARC Therapies株式会社代表取締役CEO 私は長年、若い頃、がんの完治を目指すことを決意し、長年、創薬に携わってまいりましたが、10数年前、必要とされる情報が不足しすぎており、このままの延長線上ではがんの完治は難しいのではないかという不安を抱くようになりました。 患者ごとに最適な治療を見出すためには、健康情報の有効活用が不可欠であるとの結論に至り、産官学のコンソーシアムを立ち上げ、当時の安倍総理大臣に建白書を提出しております。 現在の臨床の場ではエビデンスの欠落が大きな課題となっており、ある薬が本当に効果を発揮しているのかどうかを判断することが難しい状況です。この課題を解決するためには、治療効果のエビデンスを確実に示し、効果が認められない場合は治療を中止し、効果がある場合は継続するという仕組みを確立する必要があります。 さらに、患者の多様なプロファイルデータと組み合わせることで、治療の有効性を可視化することが可能になります。このアプローチを発展させることで、治療開始前の段階でもデータに基づいて最適な治療薬を選択できるようになり、それによって医療費の削減にもつながると考えております。 ARC Therapiesは、国立がん研究センター発のベンチャー企業として免疫・遺伝子・代謝の3要素を統合的に捉え、がんの完治を目指しております。 弊社におけるAIの活用としては、まず、免疫・遺伝子・代謝の各データを網羅的にAIで解析し、その上で、主に二つの取り組みを進めております。 第一に、弊社が開発を進める細胞療法「CAR-T（カーティ）療法」において、T細胞がどのがん細胞を標的とするかを決定する際に、生成AIを活用して最適な設計を行うことです。 第二に、固形がんの治療に関する課題の克服のため、T細胞の代謝を強化し、機能低下を防ぐ技術を開発しております。 CAR-T療法は、特定の患者には極めて高い治療効果を示し、がんの完治に至る可能性のある画期的な治療法ですが、一方で費用が非常に高額であるという課題があります。現在の治療費は4,000万～5,000万円にのぼります。このコストを抑えつつ、臨床現場での実用性を高めることも、弊社が取り組む重要なテーマです。このため、患者さんの血液採取からT細胞の改変、そして体内への再投与に至るプロセス全体をデジタル化し、品質管理を一元的に行うシステムを開発しています。これにより、各大学病院やがんセンターで効率的に治療を提供できるようにすることを目指しております。 「デジタル社会基盤としてのAIに向けて」 浅井大史, 株式会社Preferred Networksシニアリサーチャー・インフラ戦略担当VP（オンライン） 従来、現実世界とデジタル空間の間には大きなギャップがありましたが、弊社のAIを活用することで、映像データから3D構造をデジタル化し、それを再び映像として表現できるようになっています。私たちはこれを「4Dスキャン」と呼んでいます。法律上、ドローンは線路の上を飛ばせないのですが、生成AIを活用することで、デジタル空間上で再現し、映像を生成することが可能になります。 また、AIは産業分野でも幅広く活用されています。例えば、数百年かかるようなシミュレーションもわずか35分で処理できるようになりました。 最近では「基盤モデル」の活用も注目されています。LLMをはじめとした基盤モデルを応用することで、言語モデルだけでなく、映像に関しても現実の空間に近づけることができます。これまでのプログラミングはデジタルの専門家しか扱えないものでしたが、今では、科学分野など別の専門知識を持つ方でも、大規模言語モデル（LLM）を活用しながらAIの支援を受けて計算やプログラミングを行うことが可能になっています。 また「エージェントモデル」と呼ばれる技術も注目されています。これは、個人に特化したプロフェッショナルなAIをパーソナライズして活用するもので、特に医療データのような機密情報を扱う際には、データを外部に出さず、エージェント内部で処理を完結させることが可能になります。今後、個人情報の取り扱いの面でも、このようなエージェント型のAIが重要な役割を果たすのではないかと考えています。 さらに、私が関わっているアカデミックな活動の一環として村井先生の立ち上げられたWIDEプロジェクトでは、2023年には「Hinotori」を活用した遠隔手術の実験を支援しました。この実験では、シンガポールにコックピットを設置し、名古屋に手術ロボットを配置することで、遠隔手術の遅延の影響を評価する実験をしました。ロボットを通じた手術では、これまでアナログであった手術室内のあらゆるデジタルデータが生成されます。AIがこのような場面で活躍する可能性として、ロボットアシストや診断の精度向上が期待されます。 AIは急速に進化し、多くの分野で活用が広がっています。特に、デジタル空間と現実空間をつなぐ役割が大きく、デジタルの計算結果を現実空間や自然言語でわかりやすく提示する技術などが今後も発展していくと考えています。 「日本語版医療用LLMが拓く、AI利活用の未来」 田中邦裕, さくらインターネット代表取締役社長 私は29年前、学生の頃にさくらインターネットを創業しました。さくらインターネットでは、サーバーや計算機資源の提供を行ってきましたが、その一環として大量のGPUを整備し、現在、独自の医療向けLLMを開発するプロジェクトに取り組んでいます。 日本国内で計算資源を大規模に整備する必要があるという国の方針を受けて、昨年から「クラウドプログラム」という施策のもと、大量のGPUを導入しています。現時点で約3000〜4000基弱のH100を北海道のデータセンターに配置しています。 当初、政府のクラウド事業（ガバメントクラウド）では、国内事業者の参入が少ないことには課題を感じていますが、現時点では弊社が唯一取り組んでいる状況です。 私は計算基盤の整備を自分たちで行うことの重要性を感じながら事業を続けてきました。最初はすべて自分で構築し、NSPやIXに接続し、BGPの運用も自ら行いました。サーバーの開発や、最近では仮想化クラウド基盤の開発なども自社で行っています。GPUそのものは作れませんが、GPUを活用したクラウドホスティングのソフトウェアも自社開発しています。 日本は技術を使うだけではなく「開発できる国」になることが重要です。技術大国である日本は、単にデジタルやAIを活用するだけでなく、それを産業として発展させることが極めて重要なのです。現在、日本のデジタル貿易赤字は6.3兆円に達しています。デジタル技術を使うほど、海外に依存し、赤字が拡大するという構造になっているのです。DXによって国内の生産性は向上するかもしれませんが、それだけでは不十分で、デジタルやAI産業そのものでも稼げる国にならなければなりません。日本が6.3兆円のデジタル貿易赤字を、労働集約型の観光で取り戻している現状は、日本人の給与が上がらない要因にもなってしまっています。 したがって、SIP（戦略的イノベーション創造プログラム）の統合型ヘルスケアシステムの構築において、医療LLMの開発を弊社が受託することになりましたが、大切なのは、単なるコスト削減や業務改善だけにAIを応用するのではなく、新しい価値を創造することが重要だと考えています。 例えば、私は現在、沖縄に住んでいますが、東京と比べると医療水準に差があることを実感しています。離島では、ドクターヘリで搬送しても間に合わず、亡くなってしまうケースも少なくありません。これは、単にお金で解決できる問題ではなく、テクノロジーによる解決が必要です。ロボット医療などを活用し、遠隔地でも都市部と同じ医療を受けられるようにすることもAIを用いて社会実装することが求められています。 また、医療においては「予防から治療へ」のサイクルをどう繋げていくかが課題です。その中で、カルテ情報や膨大な医療の知見を活用し、医師が適切な判断を下せるよう支援するシステムの構築が重要です。これは国レベルで開発する必要があります。 現在、標準的なLLMの多くはWeb上の情報をもとに作られています。Webはリンクをすることによって多くの情報が1つになっていく偉大な発明であって、まさにthe Internet、1つしかないインターネットの上に、1つしかない情報グラフを構築したわけです。しかし、医療の情報はWebにはほとんど存在せず、Webでは検索できません。Webでは検索できないものが、パブリックなLLMの次にやってくるものであると考えています。そのため、クローズドな環境で蓄積されている医療データを活用し、LLMを構築することには大きな意義があります。その一環として、私たちは、電子カルテの情報を基に、多くの関係者と協力しながら、大規模言語モデル（LLM）の構築を進めるプロジェクトを推進しています。その過程で、医療ビッグデータ解析とも連携し、過去の知見や豊富な情報を活用することで、医師がより正確で深い診断を行えるよう支援することを目指しています。 汎用的なAIモデルは、すでに日常生活にも活用されていますが、医療分野での応用には特有の課題があります。特に、医療データはWebには情報がなく、機密性が極めて高く、クローズドな環境での取り扱いが求められます。医療分野でのLLM活用には、従来のものとは異なる背景や要件が存在します。しかし、この技術を活用することで、より質の高い医療の提供が可能となるだけでなく、計算基盤が強くなれば創薬や新たな医療技術の開発にもつながると考えています。従来、研究開発は実験室で行われるのが一般的でしたが、今後は計算機上での研究開発が加速すると期待されています。 産業の中核は、かつては鉄や石油でしたが、現在では半導体や計算資源へと移行しています。特に計算資源に関しては、米国が圧倒的な優位性を持っていますが、日本も世界第2位の計算能力を確保しつつあります。かつては中国が強みを持っていましたが、最新のGPU導入においては、日本が優位な立場に立つケースも出てきています。 このような環境のもと、計算資源、技術的知見、研究開発を活用し、国民の健康と安全を支えることは、国の競争力向上や新たな輸出産業を創出する可能性も秘めています。 「AI前提の健康・医療」時代における非中央集権型 PHRアーキテクチャ実証事例」 石田宏樹, フリービット株式会社代表取締役社長CEO兼CTO フリービットのCEO兼チーフアーキテクトを務めております、石田と申します。私はもともと村井研究会に所属しておりまして、この医療と健康のDXセミナーの第2回目から関わらせていただいておりますが、そこからスタートしたプロジェクトの成果についてお話させていただきます。つまり、このセミナーを通じて生まれた考え方が、実際に形になったということです。 本日のセミナー内容の構成も非常にうまくできていると感じています。先ほど田中様がご報告された、高いコンピューティング能力を活用したデータセンター運営と、私たちのプロジェクトは真逆の立ち位置にあり、私たちは、小さなコンピューターを集めて、非中央集権型のPHRアーキテクチャを構成しています。PHR（パーソナル・ヘルス・レコード）というパーソナルデータとつなぐことで、個人情報問題や患者中心の医療にどう貢献していけるかという研究を、藤田医科大学との共同で進めています。 フリービットは、インターネットそのものの通信インフラ技術に近い部分の開発を行ってきました。コンピューターサイエンスやネットワークアーキテクチャの分野では「集中と分散」を繰り返す流れがあります。もともとインターネットは分散型ネットワークでしたが、速度や同期、リーチャビリティの問題などにより、中央集権型のインフラが登場しました。その結果、個人情報の管理の仕方などに関する、プラットフォーマー的な新たな課題も生じています。それをどのように解決していくかも含め、最近はWeb3という言葉でまとめられていますが、非中央集権型のインターネットアーキテクチャをどのように構築するかを、一貫して考えてきた会社です。Web3の概念が登場し、中央集権型のWeb2とWeb3の丁寧な橋渡しが求められる中で、私たちはWeb3に特化した非中央集権型アーキテクチャの開発に取り組んでいます。 私たちはスマートフォンを重要なコンピューター資源と捉えており、スマートフォン自体を作りながら、AI自体をセンターシステム型ではなく、どうやってスマートフォン上で動かしていくか、個人データを外部に出さずに活用するかという仕組みの実現を目指しています。 また、現在はエッジ型のLLM（大規模言語モデル）を活用し、安全性を評価するモデルの開発も進めています。従来のSNS上などのデータベース型のシステムでは、特定のキーワードにのみ反応し、全体の文脈を正しく把握することが難しいという課題がありましたが、私たちのモデルでは、会話や投稿全体の文脈を解析し、それが安全かどうかを判断する仕組みを取り入れています。 また医療データをどのように守るのか、ということにも取り組んでいます。従来の中央集権型システムでは、管理者が広範な権限を持つという問題がありましたが、スマートフォン上でコミュニティで動かすブロックチェーン技術を開発し、改ざん不可能な状態を実現する試みを進めています。承認を得たトーンモバイルのユーザーのスマートフォン上で、Ethereum互換のレイヤー1のブロックチェーンを動作させ、分散ノードの実証実験を行いました。その結果、約7000台のスマートフォン上で動くレイヤー1ブロックチェーンのノード数として世界3位の規模に達しています。 また、トーンモバイルのユーザー向けに「予防」、「健康相談サービス」、「経過観察」を含む3段階のサポートを提供してきました。これらのユーザーインターフェースには、エッジ型LLMを活用し、またデータ保護の観点からエッジ型のブロックチェーン技術を導入しています。 この取り組みは、日本政府が推進する「Trusted Web」の構想とも共通点が多く、私たちは実装手段としてWeb3技術を活用し、医療分野における「Trusted Web」を医療においてはどのように推進できるのかということを、藤田医科大学と共同で進めています。 藤田医科大学では「FR-Hub」というシステムを運用しています。これは、異なるEHR（電子カルテシステム）などのデータを標準化データに変換し、PHRや地域連携に送り込んで連携することができるという優れたシステムです。この「FR-Hub」を活用し「Trusted Web」の仕組みを利用して、リアルワールドデータを患者のPHRの中に、直接格納するという仕組みを構築しています。患者自身の実際の検査データや処方データは、病院のシステムではなく、患者のPHRに直接保存され、管理、活用できるようになるため、それをいつでも見ることができたり、例えば近隣のクリニックを受診する際にもスムーズに情報共有することが可能になります。このアプリ自体がノードとして機能するため、大規模な中央管理型のシステムを必要とせず、患者自身がデータの所有者として、様々な場所で許可を与えることで、医療機関などと連携ができる仕組みになっています。これにより、患者を中心とした新しい医療インフラの構築に貢献できればと考えています。 セッション2：大学・病院・研究機関からの講演「医療健康データから見たAI」 「個人情報保護、医療、AI――憲法の視点から」 山本龍彦, 慶應義塾大学大学院法務研究科教授 私は、憲法の中でもプライバシーやテクノロジーと人権・民主主義の関係について研究しています。本日は、医療情報の保護に関するこれまでの流れを簡単に振り返り、憲法の視点から医療AIに関する論点についてお話します。 政府の2024年の骨太の方針においても、医療データの活用やDX（デジタルトランスフォーメーション）が重要視され、特に、医療データの活用を促進し、医療のイノベーションを進めるための全国医療情報プラットフォームの構築や、AIホスピタルの社会実装といった目標が掲げられています。 こうした流れを受け、医療情報の活用を支える法律として「次世代医療基盤法」があります。この法律も改正を重ね、より使いやすくなってきていますが、医療関係者の皆様からすると、まだ課題も多いと感じられるかもしれません。もともと、医療個人情報は個人情報保護法の中で「要配慮個人情報」として扱われてきたところがあり、一般的な個人情報よりも厳格な取り扱いが求められています。その一方で、医療データの活用は社会的にも大きな意義を持っており、保護と積極的な活用のバランスを取ることが求められています。 こうしたジレンマに対応するために、次世代医療基盤法は、個人を特定できない形でデータを活用する枠組みを整えました。ただ、匿名化を徹底しすぎると、医療・医学研究の価値が損なわれる可能性があるという指摘もありました。また、手続きの煩雑さが障壁となるという批判もあり、2024年4月に改正が行われました。今回の改正では、従来の「匿名加工」だけでなく、もう少し個人への追跡可能性を保持した「仮名加工」のデータも活用できるようになりました。特別な手続きは必要ですが、これによって、より有用な医療データの活用が進めやすくなりました。 日本ではNDB（匿名医療保険等関連情報データベース）などの公的データベースと、他の医療データの連携が制限されていました。しかし、次世代医療基盤法の改正により、データの利活用が積極的に進められるようになっています。一定の条件のもとで公的データベースとの連携も検討されており、電子カルテを活用したAIによる病態予測など、医療データの応用が広がっています。 次世代医療基盤法は進化しており、また全国医療情報プラットフォームの構築やバイオバンクの整備も進められていますが、欧米諸国と比べると、依然として研究利用のハードルは高いのが現状です。 欧州では、GDPR（一般データ保護規則）のもとで医療データが厳格に保護されており、加盟国ごとのルールの違いが統一的なデータ活用を妨げていました。しかし、コロナのパンデミックにより、医療データの利活用の必要性が明らかになり、新たにEHS（欧州医療健康データスペース法）が導入され、国内外の医療機関がデータを共有できる仕組みが整備されています。医療機関が保有する健康・医療データは、加盟各国に設置された「ナショナルコンタクトポイント（NCP）」が窓口となり、中央プラットフォームを介して国境を越えたデータ交換を行う仕組みになっています。この仕組みは「一次利用」と「二次利用」の二つのレイヤーに分かれており、一次利用に関しては「MyHealth@EU」というシステムが運用され、二次利用に関しては「HealthData@EU」というシステムが活用されます。一次利用の具体的な内容としては、患者の診療記録、処方箋、検査結果などのデジタル化された医療データへのアクセスが可能になります。ただし、一部の例外を除き、患者本人がアクセスを拒否することも可能であり、一次利用においては患者自身のコントロールが強く認められています。一方、二次利用については、できるだけ本人の同意や関与を制限し、広く活用していく方針が示されています。二次利用に関しては、より公共的な目的が重視される傾向にあります。 私自身、データの世界は大きく二つに分けられるのではないかと考えています。一つは「個人の世界（個人界）」もう一つは「集合の世界（集合界）」です。もちろん、この二つが混ざり合うこともありますが、基本的には区別して考えることができるのではないかと思います。個人に直接影響を与える情報の処理、たとえばダイレクトマーケティングやターゲティング広告などでは、利用者のパーソナルデータや行動履歴が使われます。こうしたデータは、個人に直接影響を与えるものであり、個人の管理やコントロールが重要になると考えます。医療の領域では、特にPHR（パーソナル・ヘルス・レコード）などの考え方が大切で、誰とどの情報を共有するかを個人が主体的に決められる仕組みが求められます。一方、二次利用のように、研究などを目的としてデータを活用する場合、個人に直接影響を及ぼすわけではなく、集合データとして扱われることが一般的です。これらは集合界に属するものと考えるべきでしょう。このように、個人界のデータと集合界のデータとを適切に区別することが重要ですが、日本ではこの二つの領域が曖昧なまま議論されることが多いように感じています。 他の論点についても触れたいと思います。ある自動運転のポリシーでは、事故の責任を人間に転嫁するため、事故が発生する直前、約1秒前にAIから人間へハンドルの操作が引き渡される仕組みがあります。しかし、事故の1秒前にハンドルを渡されたとしても、人間が即座に適切な対応を取ることは非常に困難です。そのため、人間が意思決定のプロセスに組み込まれているものの、実際には何もできない状況に陥る「ヒューマン・イン・ザ・ループ（Human in the Loop）」という議論があります。このような状態の人間は「責任スポンジ」とも呼ばれ、実際の操作はAIが行っているにもかかわらず、事故の責任だけをスポンジのように吸収し、最終的に責任を負わされる構造になってしまうのです。 また、「モラル・クランプル・ゾーン」という概念もあります。通常のバンパーは衝撃を吸収して人間を守る役割を果たしますが、将来的には、逆に人間がバンパーのように扱われ、最終的に人間に責任を押し付けられ、AIを守るような構造になるのではないか、という議論です。 こうした議論は、医療の現場にも関連しています。AIが医療に関与する際に、医師の役割をどこまでAIに任せるのか、また、AIと医師の間でどのように責任を分担するのか、といった問題が生じるからです。医師が「責任スポンジ」として、何もできないのにただ責任を追わされるだけの存在であるべきではないでしょう。AIの判断を医師がどのように監督し、どの段階で介入すべきか、そのインターフェースの設計が非常に重要です。 「生成AI時代の医療DX」 森川富昭, 藤田医科大学学長補佐、リアルワールドデータ研究・開発講座教授 現在、病院の現場では生成AIを活用したさまざまな取り組みが行われています。本日は、その実践事例についてご報告いたします。 医療の現場には、医療従事者や技術者など、さまざまな専門分野の方々が関わっています。医療情報を扱う私たちの役割は、これらの領域をつなぎ、より良いサービスを提供することです。しかし、医療情報システムには、データの共有が難しい、セキュリティの問題で外部に出せない、標準化が進んでいない、といった課題があります。藤田医科大学では、こうした課題を解決するために、社会実装を意識した取り組みを進めています。 コストを抑えつつ、メーカーだけに依存せず医師の働き方なども考慮し、医療経営を意識しながら効率化を図ることも重要なポイントです。 医療の現場では驚くほどFAXが使われています。本来、電子カルテは大学病院をはじめ多くの医療機関で導入されていますが、一度紙に出力して患者さんに渡し、移動してもらうケースがまだまだあります。これは非常にもったいないことで、本来はデジタルからデジタルへとデータをやり取りする仕組みを整えていくべきです。 標準化されたデータについてですが、大学病院のシステム全体を完全に標準化するのは現実的に難しく膨大な時間がかかってしまいます。そのため、必要なデータのみを標準化し、データを適切に取り出す仕組みを作ることが重要です。私たちは「FR-Hub」を活用し、データ連携の基盤を構築しています。例えば、先ほどのFreebit様やさくらインターネット様のご講演の中にあったように、PHR（Personal Health Record）やSIPの実証でもFR-Hubを通じてデータを連携しています。これにより、電子カルテの共有サービスにも活用できる仕組みが整いつつあります。こうした取り組みは、アカデミアが中心となって社会実装を進めないと、コストが膨らんでしまうという課題もあります。 私たちの藤田医科大学には4つの病院があり、それぞれの病院だけでも185のシステムが稼働しています。羽田にも施設がありますが、羽田を含めると200以上のシステムが存在します。 医療のITシステムは、もともと診療報酬請求（レセプト）を発行するオーダリングシステムから発展し、その後、診察記録を記入する電子カルテが導入されました。その周りに、検査や処方などの部門システムが存在し、それらが連携して動いています。このようなシステムの中で生成AIを活用するためには、医療データの構造を整理する必要があります。 理想的には構造化されたすべてのデータが標準化され、クラウド上でも展開しやすい形になることが望ましいです。しかし、現実には2年ごとの診療報酬改定などの影響で、病院ごとにメーカーと独自のデータ管理が行われ、システムがガラパゴス化しているのが現状です。そのため、私たちの持っているデータを別の病院にそのまま適用するのは難しい状況であり、今後の課題となっています。 デジタルデータの連携についてですが、名古屋地域で実証を行っています。1月末には、電子カルテからFR-Hubを通じてデータを電子カルテ共有サービスに送る仕組みが整いました。具体的には「3文書6情報」という形で、紹介状や退院サマリーなどのデータを連携できるようになっています。電子カルテ共有サービスについて、1月末から私たち藤田医科大学病院のデータが、国の電子カルテ共有サービスに組み込まれるようになりました。これにより、例えば災害時などにデータを活用できるようになるため、非常に有益な取り組みだと考えています。 この取り組みのポイントは、病院情報システムとFR-Hubという標準化されたデータをつなぐ基盤を、藤田医科大学独自で構築したことです。通常、電子カルテ（EHR）やパーソナルヘルスレコード（PHR）向けのシステムはメーカーごとに異なる設計がされるため、統一されていないとコストがかかりすぎます。例えば、電子処方箋の導入には病院1つにつき約900万円かかり、4病院で導入すると合計3600万円になります。国の補助があっても、負担が大きいのが現状です。しかし、FR-Hubを活用することで、こうしたコストを大幅に削減できる仕組みになっています。生成AIに通じるにしても、このFR-Hubを利用しております。 また、地域医療連携の面でも、これまで関連病院との紹介状のやり取りに月7000枚のFAXを使っていましたが、現在では450枚程度にまで削減されました。これは単なるコスト削減だけでなく、医療従事者の働き方改革にもつながっています。さらに、FR-Hubを活用することで、電子カルテ共有サービスとの連携もスムーズに進められています。病院間のデータ連携がデジタル化されることで、業務の効率化が図られることが期待されます。 生成AIの活用についても触れておきます。現在、退院サマリー（患者の入院から退院までの経過をまとめた文書）の作成に生成AIを導入し、入院のある33診療科のうち31診療科で運用を開始しました。これにより、従来15分ほどかかっていた退院サマリーの作成が、医師が最終確認するだけで済むようになりました。この仕組みは、FR-Hubを通じて電子カルテと連携することで実現しています。AIが作成したサマリーと、医師のサマリーを比較し、医師の評価を加えながらレビューを行っており、生成AIの活用をさらに進めるために、プロンプト（AIへの指示）の改善にも取り組んでいます。 AIが日々の診療記録や看護師の記録、手術記録を解析してサマリーを作成する仕組みも整備しました。さらに、さまざまなLLM（大規模言語モデル）を活用し、ChatGPTやGeminiなどを組み合わせて、英語や中国語への翻訳機能も実装済みです。 遠隔手術の分野でも、村井先生の力を借りながらAIを活用した実証実験を進めています。 例えば、手術中にAIが画像解析を行い「青色の部分は切除可能」、「緑色の部分は自律神経があるため切除不可」といった情報をリアルタイムで提供する技術が開発されています。 今後も、生成AIとデータ連携を活用し、医療のDXをさらに推進していきたいと考えています。 「医療におけるDXの現状」 橋本正弘, 慶應義塾大学医学部専任講師 私は放射線科、つまり画像診断を専門にしている医師です。放射線科の分野では、DXが比較的早い段階から進んでいました。 CTというのは「コンピューター断層撮影（Computed Tomography）」の略で、コンピューターを使って計算しながら断層画像を撮影する技術です。つまり、CTは開発当初からデジタル技術を活用していた、ということになります。病院で扱う画像は、現在ほとんどがデジタル化されています。放射線科の医師は、病院全体のデジタル化を推進する立場にあることも多く、その関係で今日は私がこの場でお話をさせていただくことになりました。 深層学習は、特に画像分野でブレイクスルーを起こした技術であり、放射線科の分野では真っ先に取り入れられました。日本で最初に販売された画像診断用のAI製品は、頭部MRIの画像から「脳動脈瘤（のうどうみゃくりゅう）」を検出するソフトウェアでした。また、COVID-19（新型コロナウイルス感染症）の診断補助を目的としたAI製品では、COVID-19肺炎の疑いがある領域を画像上で強調表示しその割合を分析してくれます。 ほかにも、AIの活用方法として画像の画質を向上させる技術があります。MRIの撮影では、撮影時間が短いほど画質が悪くなるというトレードオフの関係がありますが、AIの補正技術を活用することで、短時間で高画質な画像を取得できるようになってきています。昔のCT画像の補正にもAIが使われています。ただし、この補正画像は診断には使えないという規制があるため、現場での活用は限定的です。 私が最も実用的だと感じているのが「肺結節の検出AI」です。CT画像から肺にできた結節（小さな腫瘍や異常な影）を自動的に探し出し「ここに結節があります」と提示してくれるシステムです。しかし、このシステムは、思ったほど医師に活用されていないことが分かりました。なぜ活用が進まなかったのかアンケート結果を分析すると、特に経験豊富な専門医ほどAIが不要なものまで拾ってしまうので、むしろ手間が増えると感じる傾向がありました。 何が要因かというと、CTの読影（画像診断）は、肺結節を探すことだけが目的ではありません。そのため、AIが肺結節を見つけてくれるというメリットよりも、余計なものまで拾われて再評価が必要になるというデメリットが上回ってしまい、結果としてAIを積極的に使う人が限られてしまったのです。 また、私たちの病院でも大規模言語モデル（LLM）を活用できないか、試行を進めています。個人情報の取り扱いについても、厚生労働省・経済産業省・総務省がガイドラインを出しており、その基準を満たした上で利用を進めています。 電子カルテには「AIサマリー作成」ボタンを設置し、ボタンを押すとChatGPTが診療記録を要約する仕組みを導入しました。興味深いのは、診療科ごと、さらにはチームや個人ごとに「最適なプロンプト（指示文）」が異なることが分かったことです。そのため、各自がプロンプトをカスタマイズできるようにしています。 ただし、現在の大規模言語モデルには「ハルシネーション」という課題があり、慎重に運用する必要があります。今後は、この課題をどのように克服していくかが重要になります。ただ、この間違いをゼロにするのは非常に難しく、サマリー作成にAIを使うのはなかなか難しいというのが実感です。 一方で、AIを画像診断の分野で医療安全に活用できないかと考え、試験的に導入している取り組みがあります。特に救急外来では、CT検査を行った後に放射線科の医師が読影をする前に、患者さんが診療を終えて帰ってしまうことがあります。主治医が放射線科の医師の診断を見ないまま患者さんを帰してしまうことで、診断の遅れにつながることがあるのです。こうした事故を防ぐために、ChatGPTに放射線科のレポートと、その前後に記載されたカルテを読ませ、「CT画像に重要な所見があるが、主治医が気づいていない場合に警告を出す」というプロンプトを試しています。これは見逃されると危ないと判断されたケースがあれば、警告画面を表示し、救急科のセーフティマネージャーに通知が届く仕組みになっています。 現在、救急外来の先生方と協力しながら、プロンプトの調整を続けています。ただ、残念ながらハルシネーションは完全には防げません。それでも、医療安全の分野では必ず最終的に人間がチェックを行うため、このような使い方であれば比較的安心して運用できるのではないかと考えています。 これまでのディープラーニングは、画質の向上や病変の検出などに活用されてきましたが、大規模言語モデルが登場したことで、診療記録のサマリー作成など、より文章を扱う分野にも応用されるようになっています。また、ChatGPTは「医学的に重要なこと」と「患者さんにとって重要なこと」を区別できないことがあります。例えば、患者さんにとっては重要な出来事がしっかり記載されている一方で、医学的に大事な情報が抜け落ちてしまう、といったことが起こります。このあたりの優先度の調整は、現在のモデルではまだ限界があると感じています。そのため、今後は先ほどご講演にあったさくらインターネット様のような医療専用の大規模言語モデルを活用することが、より精度の高いサマリー作成や診療支援につながるのではないかと考えています。 「パーソナルAIによるパーソナルデータの分散的活用と価値の最大化」 橋田浩一, 理化学研究所 革新知能統合研究センター グループディレクター 本日は、パーソナルAIについてご紹介いたします。まず、パーソナルデータ(PD)の分散管理をベースに、パーソナルAIが動きます。分散管理というのは、個人のデータをその人自身が管理する仕組みのことです。データを個人ごとにまとめることで便利になりますが、多くの個人のデータを一箇所で集中管理してしまうと、不正使用などのリスクが高まります。だからこそ、個人ごとに分散管理したほうが安全だという考え方です。 集中管理だと、大量のデータが一気に流出するリスクがありますが、分散管理ならそういった危険を避けられます。また、データを個人の手元に置くことで、プライバシーを守りながら活用できるというメリットもあります。ただし、防災、教育、公共衛生、治安維持など、社会全体の最適化が必要な場合は、ある程度の集中管理が必要になるケースもあります。しかし、ほとんどのサービスでは分散管理のほうがパーソナルデータを活かしやすく付加価値も大きいです。 パーソナルAIとは、個人専属のAIがユーザーと会話をしながら、その人のニーズを理解し、最適なサービスを探して実行するというものです。技術的にはすでに可能になっていて、これが実現すると、いろんなアプリやウェブサイトを使わなくても、自分に合ったサービスを簡単に受けられるようになります。これによって、デジタルデバイドも解消されます。 さらに、PDS（パーソナルデータストア）を活用すれば、過去のサービス利用データを保存して、別のサービスに応用することも可能になります。これにより、サービスの精度が上がり、より使いやすくなります。10年も経てば、このような状況になるのは当然と考えられます。 これは非常に便利で、最終的にはあらゆる仲介業務を自動化することになります。仲介業務には、小売や卸売なども含まれます。例えば確定申告を自動で行ってくれたり、出張申請を簡単に済ませてくれたりと、多くの業務を代行できます。また、個人の生活をより健康的で勤勉なものにするようにナッジをかけて行動変容をサポートすることも可能です。 現在、すでに「パーソナルAI」と呼べるようなものが登場しており、その一例が中国のアリババが提供する「アリペイ」です。これは基本的に中国国内向けのアプリですが、2024年10月頃からAIの対話機能が導入されました。例えば、「明日、北京の南駅から天津駅まで行きたい」と言うと、適切な交通手段を提示し、予約まで完了してくれるという仕組みです。このサービスはアリババのプラットフォーム内で閉じており、オープンな仕組みではありません。また、やり取りするデータはすべてアリババに送られるため、プライバシーの面で懸念を抱く人もいるかもしれません。 そこで、より開かれた仕組みを作ることを考えています。特に自治体の行政サービスから導入を進めるのが良いのではないかと考えています。基礎自治体には数百種類の行政サービスがありますが、多くの住民はその内容を十分に把握しておらず、適切な情報を得る手段も限られています。さらに探し当てたとしても、手続きが大変な場合が多く、それを自動化することを目指します。この仕組みの背景には、PDS（パーソナルデータストア）があります。アプリ内に個人のさまざまな取引データが蓄積されており、自分自身の情報をしっかり持つことができます。そのデータによって申請書のフォームが自動的に埋められるので、手間が省けます。しかも、申請書を作成する段階までは、個人情報は外部に送られず、提出時にのみ送信されるため、プライバシーも守られます。 さらに、特定の支援を必要とする人への情報提供も可能です。たとえば、自閉症の子どもを育てる親向けの相談サービスを提供するNPOが市役所から自閉症の子どもがいる家庭のリストを入手することはできません。しかし、個人が「自閉症の子どもがいる」という情報をPDSに持っていれば、それに合った支援情報をパーソナルAIにより受け取ることができます。しかも、これらの処理はすべて個人の端末内で完結するため、サーバーなしでアプリだけで安全に運用できます。 この仕組みは、行政サービスにとどまらず、民間のサービスにも活用でき、幅広い普及が想定できます。たとえば、スーパーやレストランの会員カードやクーポン、ポイントを一つのアプリに統合できれば、日常的に利用する機会も増えてきています。特に、地域のお店と連携すれば、市民の多くが自然とこのアプリを使うようになるでしょう。事業者にとっても、クーポンの利用状況やポイントの更新データを活用できるため、マーケティングに役立ちます。現在、この仕組みの実証実験をしており、将来的には全国展開を目指しています。 また、パーソナルデータが手元にあれば、入力の手間を省くことができます。それから、この部分をクリックすると市役所のウェブサイトに飛ぶのではなく、申請書のフォームが直接表示されて、必要な情報を少し追加するだけでオンライン申請ができるようになります。 普及のポイントとしては、「デジタルデバイドの解消」と「事業者の協力」が重要です。また、こうしたシステムを運用するうえでのリスク管理も欠かせません。そのためには、適切な法制度の整備が必要になります。私たちは法律を作る立場ではありませんが、ちょうど良いタイミングで国際的な標準化の動きに関わる機会を得ています。 私は、AIシステムの入出力ログを蓄積し、システムの管理や運用の再利用に向けた標準化にも関わっています。ヨーロッパでは、GDPR（一般データ保護規則）と欧州データ法（Data Act）により、個人が自分のデータを管理しやすくする仕組みが整っています。これを活用すれば、一次利用、二次利用共に、パーソナルAIがユーザーのデータを適切に管理し、有効に利用できるようになります。パーソナルAIがサービスの仲介をすることで、オンラインでの不正な行動操作を防ぐことができます。サービスの仲介には「検索・マッチング」と「手続きの実行」の2つの段階があります。検索・マッチングが多くの商品・サービスに及べば、ターゲティング広告は不要になります。ターゲティング広告がなくなると、それに注意を引くためのフェイクニュースやエコーチェンバー（情報の偏り）が商業的に意味を持たなくなります。つまり、現在のSNSのビジネスモデルが崩れることになります。 また、手続きの実行段階で、ユーザーインターフェースをサービス提供者ではなくパーソナルAIが担うようになれば、サービス提供者が仕掛ける「ダークパターン」（ユーザーを不本意な行動へ誘導するデザイン）が無効になります。その結果、フェイクニュース、エコーチェンバー、ダークパターンといったオンライン上の行動操作がなくなり、「アテンションエコノミー」や「サベイランスキャピタリズム(監視資本主義)」といった現在のインターネットビジネスの問題点が解消される可能性があります。 こうしたパーソナルAIの仕組みをうまく活用すれば、医療やヘルスケアの分野にも応用できます。パーソナルAIが、運動・食事・サプリメント・薬・治療法・適切な医療機関の選択などをアドバイスすることも可能です。PDS（パーソナルデータストア）に生活習慣や健康データが統合されていれば、個人が一次利用として自分の健康管理に活用できます。また、適切に匿名化したうえで研究機関や製薬会社、データ・システム提供者などが二次利用することも考えられます。さらに、多くの個人のAIシステムからデータを集約し、分析結果をデータユーザー（研究機関など）に提供するような仕組みを作れば、より効率的な医療データの活用が可能になるでしょう。これを「分散型バイオバンク」と呼ぶこともできるかもしれません。 セッション3：産業界からの講演「AIで変革する医療健康システム 「生成AI時代の治療アプリ」 鈴木晋, 株式会社Cure App開発統括取締役/医師 本日お話しするのは「デジタルセラピューティクス」日本語で言うと「治療アプリ」についてです。 デジタルセラピューティクス、つまり治療アプリは「DTx」と略されることもあります。DTxは「SaMD（Software as a Medical Device）」つまりソフトウェア医療機器の一種です。これは国が「治療効果がある」と承認したもので、医療機器として認められたソフトウェアです。 治療アプリは、薬と同じように臨床試験を行い、治療効果が証明されたものだけが薬事承認を受け、保険適用の対象となり、市場に流通することができます。これまでのヘルスケアアプリとは異なり、誰でも自由にダウンロードして使うのではなく、医師が患者さんにアプリを「処方」する形で提供されます。つまり、病院で診察を受けた際に「この病気にはこのアプリを使いましょう」と医師が処方する仕組みになっています。 このように、医師の処方を通じて患者さんと連携するのが特徴です。患者さんがアプリに入力したデータは、医師が診察時に参照することができ、より適切な治療につなげることができます、これらがDTxの概要です。 私たちの会社「キュア・アップ」は、日本国内で承認されている5つのDTxのうち、3つを開発しています。具体的には、QupApp SC（ニコチン依存症治療アプリ）、QupApp HT（高血圧治療アプリ）QupApp AUD（アルコール依存症治療アプリ ※仮名称）の3つです。特にQureApp SCは、2020年に承認されました。CureApp HTは2022年に販売され、現在3500以上の医療機関で導入されています。また、日本では最近、AD小児向けのADHDの治療用ゲームアプリや、不眠症の治療アプリも承認されており、DTxの活用が広がっています。 今日お話ししたいのは、より発展的な「生成タスクの活用」です。これまでの活用例は、要約や分類のように比較的応用域を確保しやすい分野でした。PMDA（医療機器の承認機関）とも相談しながら開発を進め、医療機器が不適切な発言をしないよう慎重に調整しなければなりません。その結果、要約やOCRのような機能は認められやすいのです。しかし、生成AIを活用すれば、さらに治療の可能性を広げられるはずです。 例えば、パーソナルヘルスコーチのような役割を果たすことができると考えています。人は、生物学的な特徴だけでなく、心理的・社会的な側面も持っています。つまり、その人のおかれた社会的環境によっても健康は日常的に変化します。例えば、シフトワーカーの方は夜に働き、朝に寝る生活をしている方もいるため、一般的な「朝の血圧を測りましょう」というアドバイスが適切ではない場合があります。このように、人それぞれの生活習慣に合わせた究極の個別化が求められます。従来のアルゴリズム（エキスパートシステム）では対応が難しい部分ですが、生成AIを活用することで、より柔軟に個人の状況に対応できるようになります。 また、目標達成のサポートも可能です。血圧管理では「運動」「食事」などの基本的な要素は変わりませんが、その人の状況に合わせてどのように実践するかをAIと相談しながら決めることができます。例えば、「今日は疲れたから明日にしよう」といった相談にも対応し、時には励まし、時には無理をしない選択肢を提示できるようになります。さらに、相談機能の充実も期待できます。現在の治療アプリでは、あらかじめ用意された選択肢の中から相談内容を選ぶ形式ですが、生成AIを活用すれば、個々の悩みにより柔軟に対応できる対話が可能になるはずです。 ここまでお話ししたのは、治療アプリ単体での生成AI活用についてですが、これにデバイスの技術を組み合わせることで、さらに可能性が広がると考えています。これから、そのお話をしていきます。首にかけるタイプのカメラやマイク、スピーカーがついたデバイスでは「このお肉は脂が多いから、もう少し脂の少ないものを選んだ方がいいですよ」といった衝動買いを避けるためのアドバイスをしてくれます。今まではアプリで学んで「なるほど、そうか」と理解して終わりでしたが、これはリアルタイムで一緒に買い物をするようなイメージです。「今は買わないで」「お菓子コーナーを通らないで」といったアドバイスをその場でしてくれるんです。ただ、社内でも「首輪をつけられているみたいで嫌だ」といった声もありました。でも、これは行動を変えるための "ナッジ" になると考えています。 もう一つの例が、「マスター」と話すというもの。リビングに置いてあるぬいぐるみが、「今日は1万2000歩も歩いたんですね、すごい！」と褒めてくれます。これも治療アプリの一つです。あえて、すべての食事を把握しないなど、すべての情報を取得しない設計になっています。つまり、この設計が重要である理由は「持ち歩かないデバイス」である点にあります。全ての情報を把握していると、常に監視されているような印象を与えます。一方で、先ほどのデバイスは持ち歩くタイプでしたが、今回のデバイスは持ち歩かないことにより、デバイスを使用していない時間を作り出すことであえて安心して相談できるコーチのような存在がいる環境を構築できるのではないかと考えています。こうした行動変容への活用だけでなく、たとえばパーキンソン病の進行評価にも役立てることができるでしょう。患者の歩行や手の動きを評価し、フィードバックを提供することで、より適切なケアが可能になると考えています。 最後に紹介するのは、血圧計自体が家でコーチングの役割を果たす可能性についてです。血圧計を用いて測定をしながら「今日はこんな一日だった」といった情報を入力したり、それに基づいて「食事は何を摂取しましたか？」と問いかけることで「明日はこの食品を控えたほうがよいでしょう」といったアドバイスを提供できる可能性もあります。このように対話型血圧計を医師が処方することで、よりスマートな医療体験が実現できるのではないかと考えています。 現在、規制の壁が大きく立ちはだかっています。安全性、品質、セキュリティ、プライバシーといった観点からの厳しい基準が存在しています。規制当局としっかり協議し、合意形成を図りながら進めることが不可欠です。私たちの企業もこれまでそのような取り組みを続け、デジタル治療（DTx）の分野で実現を重ねてきました。しかし、アプリの機能を単に制限することで規制をクリアするのではなく、技術によって課題を克服したいと考えています。 具体的には、次の3つの技術的アプローチを検討しています。まず、AIオーディティングといって、出力内容を別のエッジAIで監視し、安全性の問題を回避するものです。例えば、明らかに不適切な発言や高齢者に過度な運動を推奨するなど誤ったアドバイスが行われないよう監視するものです。 次に、ハイフィデリティモデルと言ってハルシネーション（誤情報生成）を防ぐ仕組みです。最近では、NotebookLMのようなツールが登場し、出力内容に対して根拠を付与する「グラウンディング」が可能になってきています。これにより、生成される情報の正確性が向上することになります。 最後に、エッジデバイスAIです。デバイス上で処理を完結させることで、プライバシーの問題を解決するというものです。データをクラウドに送信せず、個人の端末内で分析・処理を行うことで、安全な環境を提供することができます。 まとめになりますが、現在、治療アプリはすでに生成AIを活用しています。ただし、主に要約タスクや分類タスクといった、出力の制御がしやすい領域に限られています。しかし、今後は生成タスクを活用し、より個々の患者に最適化した介入を実現していきたいと考えています。また、センサーやアクチュエーターとの連携によって、より高度なUXを提供していきます。さらに、規制の壁を乗り越えるため、品質や安全性、セキュリティの課題を技術的に解決し、当局と協議しながら推進していきます。 「医師-患者間の分かり合えなさに取り組むAIとデジタルバイオマーカーの取り組み」 湊和修, 株式会社テックドクター代表取締役CEO 私たちは、慶應発のベンチャー企業で、デジタルバイオマーカーの開発に取り組んでいます。診断が難しい疾患に対して、デジタルデータを活用し、診断をより容易にすることを目指しています。 私たちはウェアラブルデバイスや日々のデータを用いて、疾患の状態を可視化し、デジタルバイオマーカーとして活用する研究を行っています。これにより、治療アプリや創薬の分野でもAIの可能性を広げることができると考えています。 デジタルバイオマーカーの研究は、海外でも広がりを見せています。創業当初は「おもちゃのような技術」と言われることもありましたが、現在ではウェアラブルデバイスの精度も向上し、例えば研究上では、感染症の評価にも活用できるようになっています。 医療現場では、多くの医師が1日に約80人の患者を診察しており、一人当たりの診察時間はわずか数分という状況です。しかし、ウェアラブルデバイスを活用すれば、24時間365日のデータを取得し、これまで診察室で得られなかった情報を活用できるようになります。これにより、医師と患者の関係のあり方も変わっていくかもしれません。診察室の中だけでは分からなかった病状を知ることができ、患者が自宅にいながら病状の変化を把握できるようになるなど、医療の新たな可能性が広がっています。 私たちは、精神科の研究チームから生まれた企業であり、精神疾患の診断・治療支援に特に注力しています。精神疾患は50種類以上の診断名がありますが、同じ診断名でも患者ごとに状態は異なります。その個人ごとの変化を的確に捉えるために、デジタルバイオマーカーを活用することが有効だと考えています。 この技術を活用することで、医師が1日に診察できる患者の数を超えて、より多くの方の状態を把握し、診断支援を行うことが可能になります。データに基づく疾患管理をアプリを経由して行うことによって、診断をAIに委ねるのではなく、医師が患者の目の前にいなくとも、医師の判断を支えるという形で、より高い医療を提供することが私たちの目標です。 未来の医療においては、医師ごとに自身のデジタルバイオマーカーを活用し、自身の診断ノウハウをデジタル化することで、医師のクローンのようなものを活用できるようになり、より多くの患者に最適な診療を届けることができるかもしれません。 「医師-患者間の分かり合えなさに取り組むAIとデジタルバイオマーカーの取り組み」 泉啓介, 同取締役代表医師, 慶應義塾大学医学部/東京医療センターリウマチ・膠原病内科 現在、私は医学部（信濃町）や東京医療センターのリウマチ・膠原病内科に所属しております。 まず、関節リウマチは関節の炎症により、痛みや腫れが生じ、放置すると変形につながることもあります。日本には約70～100万人の患者さんがいらっしゃり、女性が男性の約4倍の割合を占めています。運動の影響が大きく、患者さんから運動についての質問をよく受けます。しかし、明確にお答えするのが難しく「痛くない程度に適度に運動してください」などとアドバイスすることが多いのが現状で、個々の患者さんにあった適切な運動量の指導が難しいという課題があります。また、関節リウマチ専門医の地域偏在も課題です。 こうした課題を解決するために、関節リウマチの遠隔診療を目指したIoTデジタルデバイス活用の研究を進めてきました。具体的には、患者さんにウェアラブルデバイスとスマートフォンを貸与し、スマートフォンで症状を記録していただきました。これにより、デジタルデータと患者さんの主観的な症状との関連を分析し、将来的にデジタルデータから症状を予測できるようにすることを目指しました。 この研究では、Google Fitbitを活用し、歩数や脈拍、睡眠データを収集しました。また、私が約10年間開発してきた関節リウマチの患者報告アウトカム（PRO）/診療記録収集アプリ（きょうのカンセツ）を用い、患者さんの症状等を記録しました。さらに、小型の環境センサーを併用し、収集されたデータの関連性を分析しました。 これらの研究から、デジタルバイオマーカーの有用性について以下の点が示唆されます。 まず、患者自身が自身の状態を数値化することができるため、shared decision making（共同意思決定）の向上に寄与する可能性があります。 また、従来の診療スタイルにデジタルバイオマーカーを加えることで、これまで点のみで得られていた情報が、自宅での情報も得られることにより線として捉えることが可能となり、より効率的に疾患の状態を把握できる可能性があります。 また、製薬企業との議論の中で、日本人は痛みに対して我慢強い傾向があり、従来のアンケート調査だけでは国際比較などでは正確な評価が難しい場合があることが指摘されていました。そのため、生体情報に基づいた客観的なデジタルバイオマーカーを活用することで、こうしたアンケートの弱点を補うことができると考えられます。これにより、医師と患者間の理解の乖離を埋めることができ、より適切な治療の提供につながることが期待されます。 この「分かり合えなさ」に関連して、過去の研究では、医師と患者間で病状の認識のずれがある場合、患者の疾患の改善が遅れ、関節破壊に繋がる可能性が示されています。 また、日本では高齢化の進行に伴い、認知症の患者数が増加しています。OECDのデータによると、2035年には日本の人口の3分の1以上が認知症を有する可能性が指摘されています。実際に、長年診療している患者の中にも、最近認知機能が低下し、診療時のコミュニケーションが困難になるケースが増えています。このような状況においても、デジタルバイオマーカーを活用することで、医師-患者間の分かり合えなさの改善や、診療の効率化に繋がるのではと考えられます。 さらに、AIエージェントの活用についても考察しました。例えば、患者側では、ウェアラブルデバイスのデータや自身の症状を記録し、受診前に要約するAIエージェントが導入できるかもしれません。また、医師側においても、過去の診療データや専門医の診療パターンを学習したAIエージェントがサポートを行い、診療の質を向上させることが期待されます。 加えて、認知症の患者に対して、医師のアドバイスを日々サポートするコーチング機能を持たせることで、より効果的なケアが可能になると考えられます。このようなデジタルバイオマーカーとAI技術を活用した診療スタイルは、日本だけでなく、海外でも展開が可能です。 例えば、インドネシアでは人口が約3億人いるにもかかわらず、リウマチ専門医が70名程度しかいません。2018年から厚生労働省の支援を得て、当科（現 東京医療センター）の鈴木勝也先生が代表となり、当科のリウマチ専門医がインドネシアのリウマチ学会の先生方と連携し、インドネシアのリウマチ医療の質の向上を目指した事業が行われました。今後もデジタルバイオマーカーを含めたデジタル技術を活用した医療展開を進める取り組みが期待されます。 こうした取り組みを通じて、今後さらにデジタルバイオマーカーの可能性を広げ、医療の質を向上させることを目指しています。 「AI時代も楽しみながら、健康に」 瀬川翔, 株式会社ディー・エヌ・エーヘルスケア事業本部長/株式会社データホライゾン代表取締役 DeNAグループのヘルスケア事業について少しご紹介しつつ、AI時代に向けての挑戦や苦労していることについてお話しできればと思います。 横浜DeNAベイスターズは昨年、26年ぶりに日本一となりました。DeNAはもともとエンターテインメントを中心に展開してきましたが、エンターテインメントが多くの人々の熱意を生み出す力を持っており、その枠を超えて社会課題の解決にも活かしたいという思いから、ヘルスケア事業を展開しています。 具体的には、この後ご紹介するように、エンターテインメントの要素を取り入れた健康サービスを提供し、生活者の皆さまに楽しみながら健康行動を促すことで、結果として医療費の適正化を実現したいと考えています。ただ、単にサービスを提供するだけでは、医療費の適正化を含めた大きな成果にはつながりにくいのも事実です。そのため、蓄積したデータをしっかりとエビデンスとして示し、より確かな形で取り組みを進めていきます。 特徴としては、先ほどお話ししたようなDeNAのオリジナリティを活かしたエンターテインメントとDXを組み合わせた取り組みと、特に自治体向けの事業を展開しているかという点が挙げられます。日本は高齢化が進む先進国であり、多くの方が企業や協会の健康保険に加入した後、65歳・75歳を迎えると自治体の保険制度へと移行していきます。この段階での課題解決が十分に進んでいない現状を踏まえヘルスケア事業に注力しています。 エンターテインメント分野ではアプリケーションを広く提供し、多くのお客様に使っていただくことが比較的容易ですが、ヘルスケア領域では少し事情が異なります。単にアプリを配布するだけでは十分ではなく、実際に使ってもらうことが最大の課題となります。 例えば、どれだけ優れた健康アプリを開発しても、実際に使っていただくまでにはかなり積極的な普及活動が必要となります。アプリを導入いただいた自治体では、住民向けに直接対面での登録を支援するイベントを開催し、使い始めのハードルを下げる取り組みを行うなど、営業活動に力を入れています。 具体的には、長年にわたり提供してきた「kencom」というサービスでは、健康アプリの継続利用が成果につながることが明らかになっています。このような健康アプリは、ゲーミフィケーションを活用するなどの工夫により、ユーザーが継続的に利用しなければ期待する効果は得られません。例えば、日本最大級のウォーキングイベントを開催し、参加者同士のコミュニケーションを促進することなど、エンターテイメントの効果を取り入れています。 さらに、地域ごとの特性に合わせた取り組みも重要です。雪かきを健康行動として評価する仕組みを導入し、アプリ内でポイントが貯まる仕組みを取り入れ、現在では「歩く」に次いで「雪かき」が目標設定の上位に入るほど定着しています。 このように、健康増進のアプローチは地域や年齢層によって異なり、日常生活にどのように取り込むかが重要なポイントになります。そのため、現在では全国の500〜600の自治体と連携し、それぞれの地域特性に応じた支援を行っています。 また、企業の健康保険組合では受診率が8〜9割と高いのですが、市区町村が運営する国民健康保険では平均3割程度、75歳以上の後期高齢者になると受診率は10％程度にまで下がります。受診率を引き上げるためには、ローカルな視点とデジタル・AIの活用を組み合わせることが大切だと考えています。限られたリソースの中で、自治体と連携して過去のデータを活用し、どのような方が受診しやすいのかを分析することで、より効果的なアプローチを進めています。 このように、私たちは生活者の行動変容を促すことを目的とし、デジタルやAIを活用しながら、地域ごとの特性に合わせたアプローチを行っています。そして、それらをつなぐのがコミュニティの力だと思っています。健康サービスの活用を広げるのは簡単ではありませんが、リアルとデジタルを組み合わせた仕組みを作り、蓄積されたデータを活用してAIの精度を向上させることで、より効果的かつ効率的な保健事業の実施支援をはじめ、より良いヘルスケアサービスを提供できるよう取り組んでいきます。 （文：佐野仁美 写真：有馬俊） →イベントレポート後半はこちら。 →さらに詳しいワーキングレポート「AIを前提とした医療の創生」はこちら。 参考資料 第一回セミナーレポート 【イベントレポート】2022.7.4開催 医療と健康のDXセミナー | 慶應義塾大学サイバー文明研究センター 第二回セミナーレポート 【イベントレポート①】2022.10.11開催 第２回医療と健康のDXセミナー「医療と健康に貢献するテクノロジー」 【イベントレポート②】2022.10.11開催 第２回医療と健康のDXセミナー「医療と健康に貢献するテクノロジー」 第三回セミナーレポート 【イベントレポート①】2023.6.19開催 第3回医療と健康のDXセミナー 【イベントレポート②】2023.6.19開催 第3回医療と健康のDXセミナー
＊日本語の記事はこちら。 hosted by Cyber Civilization Research Center (CCRC), Keio University co-hosted by the Medical Inclusion working group, CCRC Value Society Platform Laboratory, SFC Research Institute WIDE Project Overview The new AI framework, which leverages large-scale parallel processing and vast accumulated data, is expected to drive significant efficiency gains across various societal functions evolving with digital transformation (DX) as a prerequisite. AI can make highly accurate recommendations based on recorded human experience and knowledge. As a result, it has begun to make substantial contributions to fields that require specialized expertise and complex processes, such as software development and digital content creation. Among these fields, healthcare and medical care are where AI’s contributions are most anticipated, and concrete examples of its applications are beginning to emerge. AI is expected to bring significant transformations to medical research, healthcare delivery methods, and health management systems. It can enhance the efficiency and accuracy of medical systems, accelerate diagnoses, enable secure sharing and utilization of medical and health data, and facilitate personalized preventive healthcare and the effective use of Personal Health Records (PHR). At the same time, the introduction of AI raises various societal and ethical issues, including secure data sharing, privacy, intellectual property, data bias, fairness, and accuracy. Addressing these challenges requires more than just applying AI to individual specialized fields. Instead, a comprehensive approach must be taken—encompassing the internet, data centers, cloud infrastructure, data distribution, and AI algorithms. It is essential to establish a framework that enables collaboration between medical professionals, industry stakeholders, and regulatory bodies to promote an "AI-driven Medical DX effectively." The Cyber Civilization Research Center at Keio University has held three previous seminars, bringing together experts to share cutting-edge insights on robotics, AI, big data utilization, and next-generation business models supporting healthcare and medical care’s digital transformation. In the fourth seminar, medical professionals and AI engineers will collaborate across academic and industrial boundaries to share knowledge and develop a comprehensive perspective. Through these discussions, we aim to explore a vision for addressing societal challenges in wellness, healthcare and medical care. *Click here to view the report of the first seminar held in July 2022. *Click here to view the report of the second seminar held in October 2022. *Click here to view the report of the third seminar held in May 2023. Event Information Date : March 18th (Tue), 2025 13:00-18:50(Reception opens at 12:30) Place: North Hall, Mita campus, Keio University (Online delivery available) Language: Japanese (Subtitles by automatic translation available) Application: Pre-registration required How to participate: On-site (capacity of 200 people) or Online [On-site registration] Click here [Online Registration] Click here Registration deadline: Saturday, March 15th, 10:00 am Program 12:55-13:00 Prologue : Hitomi Sano, Researcher, Graduate School of Media and Governance, Keio University/CCRC Medical Inclusion Member <Opening Keynote Session> 13:00-13:05 Greeting from Keio University : Masayuki Amagai, Vice President of Keio University 13:05-13:10 Organizer's Remarks : Jun Murai, Professor and Co-Director, Cyber Civilization Research Center, Keio University 13:10-13:35 Special Keynote Speech "Expectations for AI and DX from the perspective of public health experts" : Shigeru Omi, President of the Japan Anti-Tuberculosis Association 13:35-14:00 Special Keynote Speech "The Architecture of Health and Medical Data in the Age of Blockchain and Probabilistic Programs" : Joi Ito, President of Chiba Institute of Technology ＜Session 1 "AI Technologies for Health Care"> 14:00-14:15 "The Future of AI x Healthcare: Towards Optimization and Personalization" : Rami Suzuki, ARC Therapies Inc. CEO and President 14:15-14:30 "AI for Everyone -- as social infrastructure" : Hirochika Asai, VP of Infrastructure Strategy, Preferred Networks, Inc. 14:30-14:45 "The Future of AI Utilization Opened by the Japanese Medical LLM" : Kunihiro Tanaka, Founder & CEO, President, SAKURA internet Inc. 14:45- 15:00 "Decentralized PHR Architecture in the AI-driven Health and Medical Era: A Case Study " : Hiroki Ishida, freebit Co., Ltd. CEO and CTO / Digital architect 15:00-15:10 Break <Session 2 Lectures from Universities, Hospitals and Research Institutes “AI from Medical Health Data"> 15:10-15:25 "Privacy, Health Care, and AI--A Constitutional Perspective" : Tatsuhiko Yamamoto, Professor, Law school, Keio University 15:25-15:40 "Healthcare DX in the Era of Generative AI" : Tomiaki Morikawa, Assistant to the President, Professor in Real World Data Research and Development, Fujita Health University 15:40-15:55 "The Current State of Digital Transformation in Healthcare" : Masahiro Hashimoto, Lecturer, Department of Radiology, Keio University School of Medicine 15:55-16:10 "Decentralized Personal-Data Utilization and Value Maximization by Personal AI" : Koichi Hashida, Group director, RIKEN Center for Advanced Intelligence Project (AIP) <Session 3 Lecture from Industry “Medical Health System Transformed by AI"> 16:10-16:25 "New Digital Therapeutics in the Era of Generative AI" : Shin Suzuki, Co-founder & Chief Development Officer, CureApp, Inc. / Medical Doctor 16:25-16:50 "Better health while also having fun, even in the age of AI" : Sho Segawa, Representative Director, DATA HORIZON CO., LTD 16:50-17:05 "AI and Digital Biomarkers: Rethinking Patient Care Communication" : Kazumichi Minato, CEO, TechDoctor, Inc. / Keisuke Izumi, Chief Medical Officer, Co-Founder, TechDoctor, Inc. 17:05-17:15 Break 17:05-18:35 <Panel Discussion "AI-premised health and medical "> Moderator: Jun Murai, Professor and Co-Director, Cyber Civilization Research Center, Keio University Panelists: Shigeru Omi, President of the Japan Anti-Tuberculosis Association Yukio Yuzawa, President, Fujita Health University Rami Suzuki, ARC Therapies Inc. CEO and President Hirochika Asai, VP of Infrastructure Strategy, Preferred Networks, Inc. Tatsuhiko Yamamoto, Professor, Law school, Keio University Masahiro Hashimoto, Lecturer, Department of Radiology, Keio University School of Medicine Koichi Hashida, Group director, RIKEN Center for Advanced Intelligence Project (AIP) Shin Suzuki, Co-founder & Chief Development Officer, CureApp, Inc. / Medical Doctor Munenori Fukunishi, Anaut Inc. Global Program DIrector <Closing> 18:35-18:40 Closing Remarks : David Farber, Guest Professor, Law School, Keio University / Co-Chairs, Cyber Civilization Research Center 18:40-18:50 Closing remarks : Sumio Matsumoto, Director Emeritus, National Hospital Organization, Tokyo Medical Center For inquiries regarding this event, please contact Cyber Civilization Research Center, Keio University admin[at]www.ccrc.keio.ac. jp *Please replace [at] to @ in the email address.
*Click here to view the English page. 主催：慶應義塾大学サイバー文明研究センターCCRC 慶應義塾大学サイバー文明研究センターCCRC メディカルインクルージョン WG SFC研究所価値社会プラットフォームラボ WIDEプロジェクト <開催趣旨＞ 大規模な並列処理と蓄積された膨大なデータ処理による新しいAI体系は、DXを前提に発展しつつある、あらゆる社会機能において飛躍的な効率化を生み出すことが期待されている。AIは記録されている人の経験や知見に基づいてほぼ正確な提案をすることができるため、ソフトウェア開発やデジタル創作活動のように、専門性が必要で複雑な手続きによって処理されてきた分野に大きく貢献し始めた。 医療と健康の分野は、このようなAIの貢献が最も期待される分野であり、その具体的な事例が報告され始めている。 AIは、医療現場における、医療システムの効率化と正確化、診断の迅速化、医療・健康データの安全な共有と利用、さらに、個人の予防医療、PHR（パーソナルヘルスレコード）の効率的な活用など、医療研究はもとより、医療の提供方法や健康管理体制をも大きく変えることが期待される。一方、AIの導入においての、安全なデータ共有、プライバシーや知財、また、データの偏り、公平性、正確性、など様々な社会的、倫理的な問題も顕在化している。 これらの課題を解決に導くために、従来のように個別専門分野毎にAIの利用を進めるだけでなく、インターネット、データセンター、クラウドインフラ、データ流通、そして、AIアルゴリズムそのもの技術を包括的に捉え、様々な技術が連携可能なAI前提の医療DXを効果的に推進する必要がある。 慶應義塾大学サイバー文明研究センターではこれまで三回にわたり、医療と健康のDXを支えるロボティクス、AI、ビッグデータ活用から、次世代のビジネスモデルまで、先端的な知見を各専門家と共有し、未来の医療に向けた道筋を議論してきた。 第四回セミナーでは、医療関係者とAIの技術者が学術、産業の枠組みを超えて知見を共有し、包括的な視点を形成することを通じて、社会全体の医療と健康の課題解決に向けたビジョンを模索する。 <開催概要＞ 日時：2025年3月18日（火） 13：00～18：50 (開場12:30) 場所：慶應義塾大学三田キャンパス北館ホール 申込：事前登録制 参加方法：会場参加(定員200名)またはオンライン参加 【会場参加申込み】はこちら 【オンライン参加申込み】はこちら 参加申込締切：3月1５日（土）午前10時 ※会場参加については定員に達し次第締め切らせていただきます ※お申込みいただいた方には、開催日3日前になりましたら、当センターより詳細メールをお送りさせていただきますので、どうぞご確認ください。 <プログラム> 12:55-13:00 プロローグ 佐野仁美, 慶應義塾大学政策・メディア研究科研究員/CCRCメディカルインクルージョンメンバー ＜開会キーノートセッション＞ 13:00-13:05 慶應義塾からの挨拶 天谷雅行, 慶應義塾常任理事（研究担当） 13:05-13:10 主催者挨拶 村井純, 慶應義塾大学教授/サイバー文明研究センター共同センター長 13:10-13:35 特別基調講演「公衆衛生専門家から見たAI・DXへの期待」 尾身茂, 公益財団法人結核予防会理事長 13:35-14:00 特別基調講演「ブロックチェーンと不確実性プログラミング時代における健康と医療データのアーキテクチャ」 伊藤穰一, 学校法人千葉工業大学学長 ＜セッション1＞ 「健康医療のためのAIテクノロジー」 14:00-14:15 「AIｘ医療の展望：最適化と個別化に向けて」 鈴木蘭美, ARC Therapies株式会社代表取締役CEO 14:15-14:30 「デジタル社会基盤としてのAIに向けて」 浅井大史, 株式会社Preferred Networksシニアリサーチャー・インフラ戦略担当VP （オンライン） 14:30-14:45 「日本語版医療用LLMが拓く、AI利活用の未来」 田中邦裕, さくらインターネット代表取締役社長 14:45-15:00 「「AI前提の健康・医療」時代における非中央集権型 PHRアーキテクチャー実証事例」 石田宏樹, フリービット株式会社代表取締役社長CEO兼CTO 15:00-15:10 休憩 <セッション２> 大学・病院・研究機関からの講演「医療健康データから見たAI」 15:10-15:25 「個人情報保護、医療、AI――憲法の視点から」 山本龍彦, 慶應義塾大学大学院法務研究科教授 15:25-15:40 「生成AI時代の医療DX」 森川富昭, 藤田医科大学学長補佐、リアルワールドデータ研究・開発講座教授 15:40-15:55 「医療におけるDXの現状」 橋本正弘, 慶應義塾大学医学部専任講師 15:55-16:10 「パーソナルAIによるパーソナルデータの分散的活用と価値の最大化」 橋田浩一, 理化学研究所 革新知能統合研究センター グループディレクター ＜セッション３＞ 産業界からの講演「AIで変革する医療健康システム」 16:10-16:25 「生成AI時代の治療アプリ」 鈴木晋, 株式会社Cure App開発統括取締役/医師 16:25-16:40 「AI時代も楽しみながら、健康に」 瀬川翔, 株式会社ディー・エヌ・エーヘルスケア事業本部長/株式会社データホライゾン代表取締役 16:40-16:55 「医師-患者間の分かり合えなさに取り組むAIとデジタルバイオマーカーの取り組み」 湊和修, 株式会社テックドクター代表取締役CEO / 泉 啓介, 同取締役代表医師・慶應義塾大学医学部リウマチ・膠原病内科 16:55-17:05 休憩 17:05-18:35 ＜パネルディスカッション＞「AI前提の健康・医療」 モデレーター： 村井純, 慶應義塾大学KGRI サイバー文明研究センター共同センター長 登壇者： 尾身茂, 公益財団法人結核予防会理事長 湯澤由紀夫, 藤田医科大学学長 鈴木蘭美 , ARC Therapies株式会社社長CEO 浅井大史, 株式会社Preferred Networksシニアリサーチャー・インフラ戦略担当VP （オンライン） 山本龍彦, 慶應義塾大学大学院法務研究科教授 橋本正弘, 慶應義塾大学医学部専任講師 橋田浩一, 理化学研究所 革新知能統合研究センター グループディレクター 鈴木晋, 株式会社Cure App開発統括取締役/医師 福西宗憲, アナウト株式会社 グローバルプログラム ディレクター ＜クロージング＞ 18:35-18:40 Closing Remarks David Farber, 慶應義塾大学大学院法務研究科特別招聘教授, サイバー文明研究センター共同センター長 18:40-18:50 閉会挨拶 松本純夫, 独立行政法人国立病院機構東京医療センター名誉院長、厚生労働省顧問 お問い合わせ先 慶應義塾大学サイバー文明研究センター 担当：鈴木 admin@www.ccrc.keio.ac.jp
10月30日（水）～11月1日（金）の3日間にわたって、第14回サイバーセキュリティ国際シンポジウム「国家安全保障、経済安全保障、社会保障のためのデジタル・サイバー安全保障戦略」が、三田キャンパス西校舎ホール他にて開催されました。 開催に先立ち、慶應義塾大学から伊藤公平塾長、デイビッド・ファーバー教授、村井純教授、手塚悟KGRI特任教授が挨拶し、サイバーセキュリティについての本学の取り組み等を紹介しました。続いて林芳正官房長官、森本 敏元防衛大臣からご挨拶をいただき、NTT 澤田取締役会長による基調講演や米国ホワイトハウス国家サイバー長官ハリー・コーカー氏によるオンライン講演が行われました。 国家安全保障、経済安全保障、社会保障において、サイバーセキュリティのデジタル化を可及的速やかに作り上げることが極めて重要であると、パネルディスカッションを通して質疑応答がなされ、日本、米国、英国、EU、オーストラリア、フランス、オランダ、ドイツ、リトアニア、エストニア、国連等の有識者が各国の状況や重要課題について意見交換しました。テーマごとにパラレルセッションも設けられ、より深い議論が交わされました。 特別セッションの読売国際会議では、読売新聞によるコーディネーターのもと「サイバー攻撃への備えは」を、元米国家情報長官デニス・ブレア氏を交えパネルディスカッションしました。詳細は、読売新聞2024年11月9月号に全面記事に掲載されています。 会場には、各国の大使、公使等の政府関係者や企業関係者など、国内外から約600名の参加者が集い、活発な交流が行われました。 オープニング 村井純教授の挨拶 会場の西校舎ホールの様子 撮影：岸 剛史
