ゲイツ財団・OpenAIの「Horizon 1000」に見るAIとグローバルヘルスの接点雑感

0 はじめに

　グローバルヘルスの現場では依然として基礎的医療へのアクセスが世界規模で不足している。世界人口の半数は基本的な医療サービスを利用できず、特にサハラ以南アフリカでは医療従事者がおよそ560万人も不足しているとされる(注1)。この人材不足は医療の質の低下と予防可能な死亡の一因となっている。こうした課題に対し、先端的な人工知能（AI）技術を活用して解決を図ろうという取り組みが動き出している。

　2026年1月、ビル・ゲイツ率いるゲイツ財団とOpenAIは、アフリカの医療分野にAIを導入するパイロット事業「Horizon 1000」を共同で立ち上げた(注2)。グローバルヘルス上の格差是正を目指す大規模な試みとして、両者は総額5,000万ドルの資金・技術支援をコミットし、2028年までにアフリカの1,000箇所のプライマリ・ヘルスケア診療所をAIで支援する計画である(注3)。

　今回は、このHorizon 1000を題材に、AIとグローバルヘルスの交錯点について事実を紹介しつつ論じる。まず本プロジェクトが取り組む課題の所在を確認し、次に現地（アフリカ諸国）におけるAI導入の文脈と技術的アプローチを概観する。さらに制度的含意にも目を向け、日本における論点について検討したい。

　なお、本稿の関連として、医療AIの責任分配に関する以下の雑感もご参照いただければ幸いである。医療AIにおける責任の所在という観点からは、本稿で紹介するHorizon 1000の取り組みも同様の問題構造を内包している。

1 問題の所在

　Horizon 1000の背景にある問題は、低・中所得国で慢性的な医療人材不足と医療格差が深刻化している点である。ゲイツ財団によれば、本事業の契機は「医療従事者の恒常的な不足」という喫緊の課題であり、人材不足がここ25年のグローバルヘルスの進展を停滞させかねない状況にあるとされる(注4)。

　実際、サハラ以南アフリカでは現在約600万人近い医療従事者が不足しており、どれほど積極的な採用・育成策を講じても当面はこのギャップを埋められないとされる(注5)。その結果、現場の医療者は過剰な患者をさばくために十分な診療支援や最新知見のないまま懸命に対応せざるを得ない。世界保健機関（WHO）は低所得国における医療の質の低さが毎年600万～800万件の死亡に寄与していると推計する(注6)。

　こうした脆弱性はルワンダの例が端的に示している。同国の医療従事者数は人口1,000人あたり1人程度に過ぎず、WHOが推奨する4人という基準を大きく下回る。不足を解消するには現在の人材育成ペースでは180年かかる計算だとも指摘されている(注7)。

　このような人材ギャップと医療アクセス格差を前に、AIを用いて少数の医療者でも提供可能なケアの質と範囲を拡張することが期待されている。Horizon 1000でも、AIツールの活用によってヘルスワーカーを支援し、業務の効率化とケア品質の向上を図ることが目標とされている。OpenAI CEOのサム・アルトマンは「AIは科学的驚異となるのは間違いないが、社会的驚異となるためには、この信じられない技術を使って人々の生活を改善する方法を見つけなければならない」と述べている(注8)。

　重要な点として、AIはあくまで医療従事者を「代替ではなく支援する」役割を果たすものだと強調されている(注9)。この点は、日本における医療AIの法的位置づけとも通底する論点であり、後述する。

　加えて、こうした切実なニーズを抱える途上国においては、先進国よりもAI導入が迅速に進む可能性が指摘される。必要性が極めて大きく、先進国で懸念されるような「AIによる雇用代替」への抵抗感も比較的少ないことから、低・中所得国のほうが医療AIの実装において飛躍的進展を遂げうるとの見方である(注10)。グローバルファンドのピーター・サンズCEOは「こうした国々でAIの導入が速まるかもしれない理由の一つは、『これで私の仕事がなくなる』『やり方を変えたくない』という人々からの抵抗がないからである。それは、そもそもそうした人材が存在しないという事実を補っているからだ」と述べている(注11)。

2 AIとグローバルヘルス　現地導入の文脈

　Horizon 1000はまずルワンダでパイロット事業を開始し、その後ケニア、ナイジェリア、南アフリカへと段階的に拡大する予定である(注12)。これら対象国では既にデジタル技術を医療に取り入れる動きが活発である。

　ルワンダのICT・イノベーション大臣であるPaula Ingabire氏は、世界経済フォーラム（WEF）において、同国が20年以上前から自国の「ペインポイント」（課題）を技術で解決する取り組みを進めてきたと説明した。その結果、国民の約97%がインターネット接続可能という基盤を整えてきた(注13)。こうした下地の上に、各国のニーズに即した形でAIの現地実装が図られている。

　ルワンダでは特に、全国で6万人超にのぼる地域保健従事者（Community Health Workers: CHW）によるプライマリ・ヘルスケアをAIで支援することが重視されている(注14)。具体的なAI活用の重点分野として、以下のような技術応用が挙げられる。

　第一に、疾病の診断支援である。CHWが日常的に直面する疾患の診断をAIが補助する。ルワンダでは各CHWが対応する症例の約7割をマラリアが占めるため、AIによりマラリアの診断精度を高めることや、患者の症状・画像から疾患を鑑別するサポートが期待される(注15)。実際に、ドローンとAIの組み合わせで蚊の繁殖地を特定・駆除し、マラリア流行を予測する試みも行われている(注16)。

　第二に、事務作業の自動化である。診療記録の整理や物資管理など、医療従事者の負担となっている事務的業務をAIで自動化する。ルワンダでは近年、医療従事者数を4年間で4倍に増員する目標を掲げ、既にほぼ達成したが、それでもなお現場の負担軽減にはツールの活用が不可欠である(注17)。Ingabire大臣は「これまで医療スタッフが費やしてきた各種事務作業はAIに任せ、より質の高いケア提供に専念できるようにしたい」と述べている(注18)。ゲイツ氏も「医療システムに入っていく際、書類を記入したり何度も同じことを説明し直したりする代わりに、あなたが話していたAIがそれを要約してくれる…書類仕事を一緒に片付けてくれる」と説明している(注19)。

　第三に、予測モデリングである。疾病の流行予測や医薬品需要の予測など、データ分析による先読みで公衆衛生上の対策を強化する。ルワンダではマラリア患者の発生時期・地域をAIで予測し、事前に備える仕組みの構築を目指すほか、医薬品の在庫切れを防ぐため需要予測にAIを活用する計画である(注20)。Ingabire大臣は「15年以上前からこのデジタル変革の旅を始めた。活用されていない多くのデータがある。我々を支援する国家データインテリジェンスプラットフォームを構築することが重要である。これらのモデルを構築したら、自国のデータで訓練し、文脈に特化したものにし、実際の問題を解決するために導入する必要がある」と述べている(注21)。

　加えて、こうした個別分野を超えた包括的な医療データ利活用にもAIが活かされようとしている。ルワンダ政府はAI企業Anthropic（大規模言語モデルClaudeの開発元）との協議を進めており、全国の保健医療プランニングにリアルタイムで情報を提供する「インスタント医療インテリジェンス・プラットフォーム」を構築してリソース配分の最適化に役立てる構想であると報じられている(注22)。

3 グローバルファンドの先行事例と教訓

　Horizon 1000を取り巻くグローバルヘルス分野の動向として、他の国際機関の取組も紹介しておきたい。

　世界エイズ・結核・マラリア対策基金（グローバルファンド）は過去4年間で1億7千万ドルを投じてAIによる結核検診技術を展開しており、これは世界最大規模のAI医療応用プロジェクトの一つとなっている(注23)。グローバルファンドCEOのピーター・サンズ氏はWEFで「これは最も大きなAIと医療の単独応用の一つであり、非常に大きなインパクトをもたらしている」と述べた(注24)。

　具体的な応用例として、難民キャンプにおける活動が挙げられる。サンズ氏によれば「チャドには100万人を超えるスーダン難民がおり、我々はチャド政府と協力してこれらの難民キャンプに移動式クリニックを設置し、結核のスクリーニングを行っている」という(注25)。放射線科医不在の中でAIが胸部X線検診を実施・解釈するなど、大きな成果を上げているという。サンズ氏は「放射線科医がいないため、スクリーニングを解釈するにはAI以外の選択肢がない」と述べている(注26)。

　一方で、サンズ氏はAI導入を真に持続可能なものとするには土台となる環境整備が前提条件であると警鐘を鳴らした。「多くの一次医療施設では未だインターネット接続や電力すら確保されていない」と基本的インフラ不足を課題に挙げている(注27)。

　また彼は「AI導入は解決すべき課題から出発すべきであり、ニーズのないまま先端技術ありきで導入すべきではない」と強調している。サンズ氏は「多くのハンマーを持って釘を探し回っている人々」に例え、ツール先行ではなく問題解決型のアプローチこそが重要と指摘している(注28)。

　さらに、AIツールそのものの開発よりも、それを使いこなせる人材を育成し現場に定着させることのほうが一層困難であるとも言及された。サンズ氏は「ツールは、実際にそれを使って物事を成し遂げられる人材を見つけるよりも開発しやすい」と述べ(注29)、技術と人間の協働体制を築く難しさに注意を促している。

4 制度的含意：官民連携とガバナンスの課題

　Horizon 1000に見るようなAIとグローバルヘルスの接点は、制度面でも様々な示唆を与える。

　まずグローバルには、民間AI企業と慈善基金が連携して公衆衛生上の課題に挑むという新たなモデルの可能性が示された。OpenAIは非営利部門を持つ特殊な企業形態であり、ゲイツ氏によれば今回のようなグローバルヘルス分野へのコミットメントは「彼ら（OpenAI）にとって初の本格的フィランソロピー事業」であり「5,000万ドルの拠出は始まりに過ぎない」とされる(注30)。ゲイツ氏は「アフリカの人々はこの『ヘルスアドバイザー』を何も支払うことなく利用できるべきである。それは彼らが利用できる基本的な機能であるべきだ」と述べている(注31)。

　今後、他のテック企業も含めた官民の協働によってAI活用が促進される一方、その成果を適切に評価し貢献を促す仕組みづくりも課題となろう。製薬企業のアクセス貢献度をランキングするように、AI企業の社会貢献度を可視化する提案も存在する(注32)。

　他方、急速に進む医療AIの実装に対しては各国・国際機関で規制と倫理の整備が喫緊の課題となっている。WHO欧州地域事務局は2025年の報告書で「医療へのAI応用が規制や倫理的枠組みを追い越して進展しており、患者安全に空白が生じている」と警鐘を鳴らし、各国に対し迅速な法制度整備を呼びかけたとされる(注33)。

　AIシステムが医療現場に導入される際、患者データのプライバシー保護や公平性確保は極めて重要である。Horizon 1000においても、南アフリカでは個人情報保護法（POPI Act）の下、患者識別情報は国内サーバーに暗号化保存し、AIモデルには非識別化データのみを提供する運用が行われているとされる(注34)。また差別や有害な出力を防ぐため、常に人間の監督下でAIを運用する「human-in-the-loop（人間の介在）」アプローチが採られており、応答のトーンや偏りをリアルタイム監視して問題があれば即座にフラグを立て、深刻なケースでは人間の専門家にエスカレーションする仕組みが組み込まれている(注35)。

　このように倫理と法規を踏まえた責任あるAI運用が不可欠であり、技術導入と並行して各国でのガバナンス整備が求められている。

5 日本における論点

　日本に目を転じると、AI医療の進展に伴う法的課題がいくつか浮かび上がる。

　第一に、医師法との関係である。日本では2017年の厚生労働省報告書において「診断確定や治療方針の最終的な意思決定は医師が行い、その責任も医師が負うべき」と明記されており、AIが確定的診断を下すことは否定されている(注36)。これを踏まえて厚労省は2018年、「AIを用いた診断支援プログラムを使って診療する場合でも、診断・治療等を行う主体は医師であり、最終判断の責任は医師が負う」とする通達を出し(注37)、AI診断はあくまで医師の補助行為であって医師法第17条の「医業」を行うのは最終的に医師であることを明確化した。

　要するに、日本の法制度下では「AIは道具、最終責任は医師」という建前が堅持されている。Horizon 1000で構想されるような、患者が診療前後にAIシステムから健康相談や助言を無料で得るといった仕組み(注38)を日本に導入する場合、この建前との整合性を図る必要がある。仮に患者向けのAI健康アドバイザーが普及すれば、医師の関与無しに事実上の「診療類似行為」が行われる可能性もあり、制度的な位置づけや責任の所在について議論が避けられないだろう。

　第二に、医療機器規制との関係も重要である。診断や治療に用いるAIアルゴリズムはソフトウェアであっても医薬品医療機器等法上の医療機器に該当しうる。実際、日本では2018年に内視鏡画像から大腸ポリープを判別するAI診断ソフトウェアが初めて承認を取得しており(注39)、AI技術を医療機器として評価・承認する体制が整備されつつある。

　したがって、国内にAI診断・予測モデルを導入する際には、その有効性・安全性を検証する臨床評価と規制当局による承認が前提となる。Horizon 1000のように海外で実績を上げたAIツールであっても、日本で利用するには薬機法上の手続きを経る必要があり、適用される診療領域ごとに法規遵守と標準化が求められるだろう。

　第三に、データの扱いと倫理の問題である。日本においても個人情報保護法や関連ガイドラインにより患者データの二次利用や国外移転には制限がある。グローバルヘルス文脈で国際的にデータ連携してAIモデルを改善するケースでは、日本発の医療データをどこまで共有できるか、患者同意や匿名化の手法など慎重な検討が必要になる。

　また、アルゴリズムの説明可能性やバイアス対策も日本の医療AI推進における重要課題として認識されている。日本国内でも高齢化に伴う医療需要増や医師不足地域の存在といった課題がある中で、AIを上手に活用すれば業務効率化やケア質向上に寄与しうる。しかし同時に、法制度や倫理ガイドラインの整備によって患者安全とデータ権利を守り、AIへの過度の依存によるリスク（例えば誤診発生時の責任不在など）を防ぐ枠組みを構築することが不可欠である。

6 おわりに

　Horizon 1000は、最先端AI技術とアフリカの基礎的医療ニーズを結びつける挑戦的な実験であり、グローバルヘルスの新たな地平を切り拓く可能性を秘めている。医療従事者不足という構造的課題に対し、AIで「少ない人員でも提供できる医療の質と量」を底上げしようとする発想は、医療提供モデルのパラダイム転換とも言える。

　もっとも、その実現には技術的ハードルだけでなく、制度・倫理の枠組みを整える作業が車の両輪として必要であることも、本稿で見てきた通りである。技術革新と社会的受容性、そしてルール整備のバランスを取りながら、AIとヘルスケアの統合が持続可能な形で進むことが望まれる。

　グローバルヘルスの文脈では、各国政府・国際機関・民間企業が協調し、エビデンスに基づく評価と知見共有を通じてベストプラクティスを築いていくことが重要だろう。Horizon 1000から得られる教訓は、医療AIの効果や限界、必要なガバナンスの在り方について貴重な知見を提供するはずである。それらは将来的に他地域の保健医療向上にも応用でき、日本にとっても他人事ではない。

　日本はこれまでTICAD（アフリカ開発会議）などを通じアフリカの保健医療強化に支援を行ってきた経緯があり、今後はAI時代のグローバルヘルス支援においても主体的な役割を果たせる余地があるだろう。また国内に目を向けても、医療AIの活用は我が国の医療提供体制に変革をもたらし得る。

　ゆえに、日本の政策立案者や医療・法律専門家もHorizon 1000の動向に注目しつつ、自国の制度設計や国際協調のあり方を検討していく必要がある。グローバルヘルスとAIが交錯するこの最先端の現場から、生じうる恩恵と課題を的確に捉え、より包摂的で持続可能な医療システムの実現に繋げていくことが期待される。

7　AIと医療まとめ

◾️AIの性格

（マガジン）「AIと法-雑感」

　※目次は以下を参照

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。