数字で見る医療AI——FDA認可デバイス1,451件、医療システム導入率75%、そして43%が臨床検証データを欠くという事実。
導入の裾野は広い：現在、**米国の医療システムの約75%**が少なくとも一つのAIアプリケーションを稼働させており（1年前は60%未満）、**米国の病院の74%**が放射線科でAI診断ツールを使っている。
規制上の件数は実在する：FDAは販売承認を受けたAI搭載医療機器1,451件を掲載しており、放射線科だけで1,104件、うち295件は2025年の認可である。
本当に重要なギャップ：中核的な臨床診断で信頼できるAI活用に到達した組織は**20%**未満であり、FDA承認済みAI機器の43%が臨床検証データを欠いている。導入が証拠を追い越している。
放射線科が橋頭堡である。 FDA認可の4分の3、病院の診断導入の4分の3がここに集中しているのは構造的な理由による。画像はもともとデジタルであり、正解の定義が比較的容易で、ワークフローにはもともと second reader（二次読影）が組み込まれている。報告されている成果は本物だ——AI支援を導入した病院は診断エラーの有意な減少を報告し、検出アルゴリズムは統制された評価で高い精度に達している。
ドキュメンテーションと業務運用は、より地味な勝利である。アンビエント記録、コーディング支援、スケジューリング、トリアージ。診断ほど見出しにはならないが、投資回収は速く、臨床リスクは低い。
臨床医の利用がそれに続いた：医師の利用率は38%（2023年）から66%（2024年）へ跳ね上がった——記録に残る中でも最も急峻な専門職の導入曲線の一つである。
FDA承認済みAI機器の43%が臨床検証データを欠いている。 この統計は、本稿に登場するどの精度の主張よりも注目に値する。
大半のAI機器のFDA認可は、既存の予測機器（predicate device）との実質的同等性を示す経路を通っている——患者の利益を証明する前向き臨床試験ではない。精度の数字に付く「統制された環境」という留保（整備されたデータセットでの性能は、雑然とした現実の集団での性能を日常的に上回る）と合わせれば、正直な要約はこうなる：認可済み ≠ 検証済み ≠ あなたの患者集団で有益。
医療システムにとっての実務的な含意は、ベンダーの精度の主張を自院検証の出発点として扱い、その代替として扱わないことだ。中核的診断における信頼できる活用が20%未満という数字は、組織がその宿題を実際にやったときに起きることである。
承認されたAI医療機器のおよそ95〜97%が510(k)経路で認可されている——De NovoでもPMAでもない。この経路が求めるのは既存の予測機器との実質的同等性であって、利益に関する独立した臨床証拠ではない。
これが検証問題の背後にあるメカニズムだ。規制当局が証拠を見落としたのではない。大半の機器が使う経路が、そもそも証拠を要求するようには設計されていなかったのである。
2025年末までの累積機器承認は、画像分野の既存大手に強く集中している：
| 企業 | 承認件数 |
|---|---|
| GE HealthCare | 120 |
| Siemens Healthineers | 89 |
| Philips | 50 |
| Canon | 45 |
| United Imaging | 38 |
| Aidoc | 31 |
| DeepHealth | 28 |
これが語っていることに注目してほしい。AI機器市場を制しつつあるのは、すでにあなたにスキャナーを売った企業であって、AIネイティブのスタートアップではない。
FDAは**品質マネジメントシステム規則（QMSR）**のもとで機器規則を更新し、米国の監督を ISO 13485:2016 に整合させつつある。製造業者にとってはコンプライアンス手続きの変更であり、購入側にとっては、認可経路そのものではなく品質システムを通じて証拠の水準が引き上げられつつあるという控えめなシグナルである。
「FDA認可を取っていますか？」ではない——1,300件を超える機器が取っている。問うべきはどの経路か、予測機器は何だったのか、そしてあなたの集団に似た母集団での前向き臨床データが存在するかである。この三つの問いが、役に立つ機器と、単に認可を通っただけの機器を分ける。
各種予測は 2026年の医療AI市場でおよそ520億ドルに集まっている——実在し、急成長している数字であると同時に、2025年頃のコンテンツで流通していた一部の数値より一桁小さい。（本稿の以前のバージョンには、著しく誇張された市場規模の数字が載っていた。出典がなく、削除した。医療AIの統計が、名前のある出典と方法論まで辿れないのであれば、それを繰り返してはならない——我々の記事からであっても。）
医療システムの75%が少なくとも一つのAIアプリケーションを稼働させていることと、中核的な臨床診断で信頼できる活用に到達しているのが20%未満であることは、矛盾しない。導入の大半は事務系と画像トリアージであり、そこでの失敗様式は診断の見落としではなく、1分の浪費である。
エクスポージャーは、同じ証拠を人間が読まないまま臨床判断に影響を与える機器にある。FDA承認済みAI機器の43%が臨床検証データを欠いている——この数字は自律的な判断にとっては極めて重大であり、ワークリストの並べ替えにとってはほとんど問題にならない。
導入済みのツールごとに、こう問うこと：これが間違っていたら、誰がいつ気づくのか？ 同一シフト内で人間のチェックが入るツールは、検証の状態にかかわらず低リスクである。それがないツールには、510(k)経路が要求しなかった証拠が必要になる。
Sources: SQ Magazine healthcare AI statistics · TheAIDaily 75+ data points · Uvik 80+ key data points · About Chromebooks adoption tracker
最終更新：2026 年 7 月 29 日
OpenAI の Agents API により、永続的なクラウドエージェントを構築しやすくなりました。変化した点、未証明の点、統制下で導入する方法を解説します。
採用率 86%、肯定的評価はわずか 10%。2026 年の著作権判決、音楽和解の雛形、雇用の 17%／45% 分裂を実データで読み解く。
2026年のデータ——学生の88%が生成AIを使い、教師は週5.9時間を節約。それでも正式なAI方針がある学校は13%だけ。
2026年の全体像：Digital Omnibusによる高リスク義務の2027年への延期、EUの新たな2つの禁止、GPAI監督、そして米国のパッチワーク。
不正検知は精度 90〜99% で約 300 倍速。しかし不正の半数以上も AI を使います。2026 年の実データ、規制の動き、そして誰も解けない非対称性。
2030年までのAIに関する専門家の予測。AGIのタイムライン、社会的影響、技術的ブレークスルー、そして主要なAI研究者による未来のシナリオを探ります。
2026年の労働データが示すもの——5か月で87,714件のAI起因の削減、テックと金融で月28,000人の減少、そして最も重要な自動化の線引き。
2026 年の AI を決定づける 8 つの潮流——評価額競争、出しては退役するモデル、Sora 撤退、著作権和解、そして規制の意図的な減速。
