米カリフォルニア大学サンフランシスコ校（UCSF）の研究チームは、臨床予測モデルの開発を支援する新たなAIフレームワークHACHIを開発し、2026年に学術誌npj Digital Medicineで発表した。HACHIは、大規模言語モデルと臨床医を連携させる人間中心の設計アプローチを採用している。従来のAI医療ツールは、ブラックボックス化による解釈の困難さや実臨床での信頼獲得が課題となっていたが、本フレームワークはAIの高速データ処理能力と臨床医の専門的判断を分業・統合することで、透明性の高い予測モデルの構築を実現する。 同フレームワークは反復的なフィードバックによる学習プロセスを核としている。AIは膨大なカルテデータから予測候補となるリスク因子を抽出・検証し、臨床医はその結果を精査して臨床的に意味のある変数のみを選択・調整する。この協調プロセスを数回繰り返すことで、解釈が容易で実用性の高いアルゴリズムが短期間で完成する。 研究チームは小児の頭部外傷後の外傷性脳損傷予測と、手術中の急性腎障害予測という2つの臨床課題でHACHIを検証した。その結果、従来の手法を上回る精度を発揮し、特に無視されがちなリスク因子の特定や誤学習の排除に成功した。開発スピードも大幅に向上し、わずか3から4回のフィードバックループ、つまり8時間未満で堅牢なモデルを構築できることを実証した。従来は月単位の期間を要していたモデル開発の工数を劇的に削減できる可能性を示している。 筆頭著者のUCSFジャン・フェンク博士は、AIエージェントと臨床専門家の協業が高精度かつ透明性の高い医療ツール開発を可能にすると指摘する。現在、チームは生成したモデルを実臨床環境での前向き検証に移行させており、今後は敗血症や心血管疾患など他の疾患領域への展開も計画している。本手法の普及は、医療現場におけるAI活用のハードルを引き下げ、臨床医主導の実用的な医療AI開発の新たな標準となることを期待されている。