再生医療AI活用診断支援の実務——iPS心筋シート保険適用が問いかけること

iPS心筋シート「リハート」保険適用——再生医療が日常診療に入った

2026年10月27日、九州大学病院が塩瀬明教授のチームのもとiPS細胞由来心筋細胞シート「リハート」を用いた手術を実施した。開発元はクオリプス（大阪大発ベンチャー）で、同製品は2026年9月に公的医療保険の適用を受けた（NHKニュース）。今回は保険適用後2例目、九州では初となる。適応は「既存治療で十分な効果が得られなかった虚血性心筋症による重症心不全患者」に限られ、1例目は9月に大阪けいさつ病院で行われた50代女性患者で、10月21日の記者会見で良好な経過が報告されている。

この動きが意味するのは単なる新治療の登場ではない。再生医療が「研究段階」から「保険診療として反復実施される臨床現場」に入ったという構造変化だ。適応患者の選定、術前評価、術後モニタリング——これらを従来の人手だけで担い続けることの限界が、普及とともに顕在化してくる。

人手だけでは回らなくなる患者選定や術後モニタリングは、医療DXの課題と取り組み事例で解説しています。

関連記事第1回「選別ではなく判断をする医療AIの世界」

再生医療の普及が生む診断支援の課題——AIが求められる背景

再生医療製品の保険適用は、実施施設に対して新たな要求を課す。適応患者を正確に絞り込むこと、細胞シートが想定通りに機能しているかを継続的に評価すること、そして有害事象の早期発見だ。

虚血性心筋症の重症心不全患者は、既往歴・画像所見・心機能指標が複雑に絡み合う。担当医が経験則だけで適応可否を判断しようとすると、施設間・医師間でばらつきが生じやすい。実施件数が少数に留まっている段階では経験の蓄積も乏しく、「どの患者に使うべきか」の判断基準を属人的に運用することのリスクは高い。

術後モニタリングも同様だ。心筋細胞シートが生着し機能改善に寄与しているかどうかは、心エコー・MRI・心電図・血液バイオマーカーを継続的に組み合わせて評価する必要がある。これを外来ごとに人手で解析・比較するのは時間コストが大きく、異常の見落としリスクも否定できない。AIを使った診断支援が価値を発揮するのは、まさにこの領域だ。

再生医療の各段階でAIを活用した診断支援——具体像と実装上の注意点

再生医療における診断支援AIは、現時点で以下の3領域で実用的な適用が見込まれる。いずれも既存の医療AIの応用であり、再生医療専用に開発された特別な技術ではない点を最初に確認しておきたい。

適応患者選定支援：電子カルテと画像データの統合解析

「リハート」の適応条件は「既存治療で十分な効果が得られなかった虚血性心筋症による重症心不全」とされる。この条件を満たす患者を大規模な患者群から漏れなく抽出し、かつ偽陽性（本来は適応外だが誤って候補に上がる患者）を減らすことは、電子カルテのテキストと画像データを組み合わせた自然言語処理（NLP）および画像解析AIの得意領域だ。心エコー画像から左室駆出率（EF値）を自動計測するAIはすでに複数のベンダーが製品化している。これらを適応判定の一次スクリーニングに組み込むことで、担当医が見るべき候補を絞り込める。

ただし、選定支援AIが「適応あり」と判定しても、最終的な判断は担当医が行う。AIの一次スクリーニングは精度の検証と定期的な再評価が前提であり、ツールの出力をそのまま判定結果として扱う運用設計は避けるべきだ。

術前リスク評価：多変量モデルによる合併症予測

開胸手術を伴う重症心不全患者は、腎機能・糖尿病合併・年齢・既往手術歴など複数のリスク因子を抱えることが多い。機械学習ベースの術前リスク評価モデルは、これら多変量の交互作用を人手の計算より精緻に扱える。術前にリスクスコアを可視化することで、術後管理の体制を事前に調整するための材料が得られる。

現実的な限界として、モデルの学習データが再生医療患者を十分に含んでいない段階では予測精度に上限がある。汎用の心不全術前リスクモデルを参照値として使いながら、実施件数の蓄積とともに再校正する運用が現実的だ。

術後モニタリング：心機能の継続追跡と異常検知

心筋細胞シートの生着評価には心臓MRIが有力とされるが、画像の読影は時間と専門スキルを要する。AIによる心臓MRI自動解析は、心室容量・壁運動異常・線維化領域の定量化を自動化し、前回検査との差分を数値で示す。「良くなっているのか悪化しているのか」を外来のたびに素早く把握しやすくなる点が現場の実務負荷を下げる。

さらに、ウェアラブルデバイスから取得した心拍変動データをリモートで継続監視するAI異常検知モデルは、退院後の患者の急変兆候を在宅段階で捉える可能性がある。ただし、患者のデジタルリテラシーや機器の操作負担、通信環境の整備が前提条件となる点は過小評価できない。

誰のための診断支援AIか——医療機関・行政・患者の視点から

AI診断支援の恩恵は、立場によって性質が異なる。

表：立場別にみたAI診断支援の活用場面と主な課題

立場	活用場面	主な課題・限界
実施医療機関	適応選定・術前評価・画像読影補助・術後フォローの効率化	AI導入コスト、既存システムとの連携、医師のリテラシー差
行政・審査機関	全国施設の術後データ集約・安全性モニタリング・適応基準の更新	個人情報保護・データ標準化・施設間の入力形式の不統一
地域・非専門施設	専門施設への紹介判断支援、スクリーニングの標準化	AIモデルの地域実装、運用担当者の確保、解釈教育
患者・家族	術後経過の可視化・在宅モニタリングによる継続的な状態把握	デジタルリテラシーの格差、プライバシー懸念、過信のリスク

行政の視点では、保険適用後の全国データを集約して安全性・有効性をリアルタイムに把握することが重要だ。個々の施設のデータは症例数が限られるため、AIによるレジストリ解析で全体像を掴む体制の整備が、再生医療の質担保に直結する。ただしこれには、施設間でデータ形式・入力基準を標準化する行政側の整備が前提となる。

患者・家族にとっては、術後の経過を数値と画像で継続的に可視化されることが不安軽減と自己管理の動機づけにつながりうる。しかし、AIが出力する数値やグラフを患者が正確に解釈できるとは限らない。医療者による丁寧な説明と、AIリテラシーの差を前提にした情報設計が欠かせない。

地域の非専門施設では、専門施設への紹介判断を支援するスクリーニングAIが現実的な出発点になる。心機能の数値が閾値を下回った場合に専門施設への紹介を促すアラートを組み込むことで、見逃しのリスクを下げることができる。ただし、AIツールを使いこなせる担当者の確保と継続的な教育が伴わなければ、ツールは形骸化する。

AI診断支援の限界と、現場が直面する現実的な壁

再生医療へのAI活用は可能性が大きい一方、現時点では乗り越えるべき制約が多い。

学習データの希少性。「リハート」は保険適用後2例目が実施されたばかりだ。AIモデルの精度は学習データの質と量に依存するが、日本国内でiPS心筋シートを受けた患者のデータは極めて少ない。汎用の心不全AIモデルを転用することはできても、再生医療特有の転帰を精度よく予測するモデルの構築には相当の時間を要する。この点を理解せずに「AIが判断してくれる」と期待する現場担当者が増えることは、むしろリスクだ。

薬事・法規制の問題。日本でAI医療機器として診断支援ツールを使用するには、医薬品医療機器等法（薬機法）上の承認または認証が求められる。汎用ソフトウェアと医療機器AIの境界は依然として解釈が難しく、導入前の法的整理が不可欠だ。PMDAが公開する「医療機器プログラム（SaMD）の該当性に関するガイダンス」は、区分を判断する際の基準として機能する。

説明責任と医師の最終判断。AIが「この患者は適応外」と判定しても、最終的な判断は医師が行う。ブラックボックス型モデルの出力に依存した意思決定は、誤判定時の責任の所在を曖昧にする。説明可能AI（XAI）の活用や、AIの判定根拠を担当医が確認できる設計が実装上の前提となる。

恩恵の偏在。高度な画像解析AIを導入・維持できる施設は限られる。現状では大学病院や高度専門施設に集中し、地域の中小医療機関でAI診断支援の恩恵を享受することは難しい。デジタルインフラの地域格差は、再生医療の普及と並行して対処が必要な構造問題だ。

患者データの取り扱い。術後モニタリングにウェアラブルやリモート診療を組み合わせる場合、患者の同意取得・データ保管・二次利用の範囲について明確なルールが必要だ。医療データの利活用に関する法的枠組みは整備途上であり、個人情報保護委員会のガイドラインを参照した慎重な運用設計が現場担当者に求められる。

現場が今日から動ける次の一手

再生医療AIの議論は「将来の話」として先送りされがちだが、「リハート」の保険適用はそのフェーズの終わりを意味する。実務担当者が今から動ける具体的な起点を示す。

既存の心機能AIツールの棚卸し。心エコー自動計測や心臓MRI解析AIはすでに複数の製品が薬機法上の承認を得て市場に存在する。自施設で稼働中のものを確認し、術後フォローへの適用可否を評価する作業から始められる。稼働中のツールがなければ、まず承認済み製品のリスト（PMDAの医療機器データベース）を参照することが出発点になる。

他施設との症例共有体制の検討。症例数が少ない段階でAIモデルの精度を上げるには、施設間でのデータ共有が有効だ。セキュアなデータ連携の枠組み（フェデレーテッドラーニングを含む）に関心がある施設が集まり、議論を始めることは今でも可能だ。九州大学病院のように2023年から臨床試験の実績がある施設が核となって知見を共有する体制は、普及期に入った今こそ整備の好機だ。

AI医療機器の薬事区分の確認。導入を検討するAIツールが薬機法上の医療機器プログラム（SaMD）に該当するかどうかを、PMDAのガイダンスを参照して確認する。この手順を怠ると後から改修・申請が必要になり、運用開始が大幅に遅れる。

患者向け情報設計の見直し。AI診断支援の結果を患者に伝える際の説明資材——グラフの読み方・AIの限界の説明——を、医療者とコミュニケーション専門家が共同で作ることが信頼構築の第一歩になる。デジタルに不慣れな患者層を取り残さない設計を最初から組み込む必要がある。

テキスト・画像・時系列データを統合して解析するマルチモーダルAIの進展は、再生医療の複合的な評価データとの親和性が高い。

---

〈参考文献〉

• NHKニュース　https://news.web.nhk/newsweb/na/nd-20261027de66692