※本記事は、India AI Impact Summit 2026 で開催されたパネルセッション「From AI Sandboxes to National Health Infrastructure」の内容を基に作成されています。動画の詳細情報は https://www.youtube.com/watch?v=jFOErpeMB-M でご覧いただけます。本セッションは「AI for inclusive, accessible and universal healthcare（インクルーシブで、アクセス可能で、ユニバーサルなヘルスケアのためのAI）」をテーマに、テクノロジーがいかにして公平なアクセス、手頃さ、より良い成果へと転換されうるかを探るものです。
登壇者は以下のとおりです。モデレーターは Dr. RS Mani 氏（CSIR-ICTG 統括責任者、著名科学者）。パネリストは、Rajiv Sikka 氏（Medanta グループCIO）、Prof. K. Srinath Reddy 氏（Public Health Foundation of India 創設者会長）、Ramamohan Rao 氏（RailTel 財務ディレクター、インド鉄道会計サービス officer）、Dr. Anchal Vikram Pandey 氏（Pan Science Innovations 創設者兼会長）、Jodel 氏（super critical 共同創業者兼テックリード）です。
本記事では、セッションの内容を要約しております。なお、本記事の内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご視聴いただくことをお勧めいたします。
1. セッション概要と導入
1.1 パネルセッションの位置づけとテーマ設定
司会： 前のセッションでは、協働、デジタルインフラ、そしてAIイノベーションが、インドそして世界の文脈において、いかに公衆衛生サービスを大規模に変革しつつあるかという、たいへん示唆に富む議論を終えたばかりです。その力強い視点を踏まえて、私たちは次のフロンティアへと話を進めてまいります。このパネルセッション第2部のテーマは「インクルーシブで、アクセス可能で、ユニバーサルなヘルスケアのためのAI」です。この議論では、テクノロジーがいかにして、すべての国民にとっての公平なアクセス、手頃さ、そしてより良い成果へと転換されうるのかを探ってまいります。このセッションには、医療提供、研究、テクノロジー、そして公共政策の各分野から、卓越したリーダーの方々にお集まりいただきました。
司会： 登壇者をご紹介いたします。Medanta のグループCIOであり、インド有数の医療機関の一つでデジタルトランスフォーメーションを牽引しておられる Rajiv Sikka さん。Public Health Foundation of India の創設者会長であり、世界的に尊敬される公衆衛生の専門家として、保健政策とシステム改革の指針となる声を持たれる Prof. Srinath Reddy さん。Rail の財務ディレクターであり、インド鉄道会計サービスの officer として、Rail の拡大する全国デジタルミッションの財務的なガバナンスを導いておられる Ramamohan Rao さん。Pan Science Innovations の創設者兼会長であり、ヘルスケアと国家の重要分野にわたってAIとディープテックのベンチャーを構築しておられる起業家、Dr. Anchal Vikram Pandey さん。そして、リソースの限られた、十分なサービスを受けられていないコミュニティに向けたAI駆動の診断の最前線で取り組んでおられる、super critical の共同創業者兼テックリードの Jodel さんです。このセッションのモデレーターは、科学・技術・社会的インパクトの交差点における国家的取り組みを導く、尊敬すべきリーダーであり、CSIR の ICTG の長を務める著名な科学者、Dr. RS Mani さんにお務めいただきます。各登壇者には5分から6分の持ち時間があり、5分で短いブザー、6分で長いブザーが鳴ります。最後のブザーで締めくくっていただくようお願いいたします。
1.2 モデレーターによる問題提起
RS Mani： さて、前のセッションでは、AIが公衆衛生にどのようなインパクトを与えているかを見てきました。一点だけ申し添えますと、先ほどどなたかが触れていた、私たちが持つべき健康に関わるデータについては、ぜひとも厳重に機密として扱われ、安易に外部に出されないことを願っています。さもなければ、大きな社会的影響を及ぼしかねないからです。このセッションでは、私たちの議論をユニバーサリティ、つまり普遍性へと、そしてガバナンスと信頼へと進めていきたいと思います。そのうえで、私たちがすでに語ってきた DPI、すなわちデジタル公共インフラ（digital public infrastructure）と、技術的な枠組み、さらには今後整備されてくるであろう倫理的な枠組みとがAIと結びついたとき、AIが早期発見を可能にし、医療をこの国の隅々にまで届ける手助けができるのかどうかを見ていきたいのです。
RS Mani： 今日、私たちは巨大な多様性に直面しています。Dr. Anchal が触れたような人口の多様性、そしてこれまで見てきた財政の多様性、アクセスの多様性です。ですから、AIがこれらに対して何を生み出せるにせよ、それが最小限のコストで医療を届けられる水準にまで私たちを引き上げてくれることが、きわめて重要になります。そこで、本日の議論で私が狙っているのはこういうことです。誰もガードレールを好みませんし、私自身もガードレールには慣れていません。決められたやり方で進めるよう言われてはいるのですが、私は少し違ったやり方に変えるつもりです。とはいえ、皆さんの昼食の時間を奪うようなことはしませんので、時間どおりに終えます。私がしたいのは、それぞれの登壇者にお話を伺うことです。というのも、ここには豊富な経験を持つたいへん senior なパネリストの方々と、自ら会社を立ち上げてきた起業家の方々がいらっしゃるからです。全員がヘルスケアとインフラに取り組んでおられますので、それぞれの分野でAIがどう機能し、それが一般の人々をどう助け、AIをいかにしてインクルーシブで、アクセス可能で、そして何より普遍的なものにしていくのかを理解することが、きわめて重要だと考えています。まずは Sikka さんから始めたいと思います。長年にわたりこの大きなグループのCIOを務めてこられ、ご自身の分野でAIに関するすばらしいご経験をお持ちでしょうから、AIがいかに Medanta を支えてきたのか、そしてその将来像について、お話を伺わせてください。
2. Rajiv Sikka(Medanta グループCIO)— 本番運用中のAI事例
2.1 医療ギャップの構造とテックの位置づけ
Rajiv Sikka： ありがとうございます。私は立ってお話ししますので、皆さんは座っていてください。このパネルのテーマそのものが「インクルーシブでアクセス可能な健康のためのAI」と語っています。私たちは独立から、自由のなかでの80年目を迎えようとしています。Mahatma Gandhi を含む独立の闘士たちは、二つの重要な社会的次元を考えていました。一つは教育、もう一つは健康です。この部屋にいる方々も、外にいる方々も同意してくださると思いますが、その両方が惨憺たる状況にあります。最初の計画委員会の時代から、私たちはインクルーシブな保健の体制を持とうと考えてきましたが、どちらの側のパンにもバターは塗られませんでした。政治的な色とは無関係に申し上げますが、2018年に ABDM が初めて立ち上げられたとき、ようやく明確に、テックを組み込んだ医療政策が初めて策定されたのだと思います。
Rajiv Sikka： この国が抱えているギャップ、つまり施設のギャップ、スキルのギャップ、テックのギャップ、あるいは保険の浸透のギャップ、こうしたものを、私たちは決して埋めることができないでしょうし、このギャップは指数関数的に拡大していきます。私たちにできる唯一のことは、病人を減らすか、あるいはテックを持ち込むかのどちらかです。病人を減らすというのは、先ほどのパネリストの一人も言っていましたが、すぐに実現するものではありません。ですから、医療をスケーラブルで、アクセス可能で、手頃なものにできる唯一の方法は、テックを持ち込むことなのです。
2.2 事例①:TB Free Haryana と現場で得た気づき
Rajiv Sikka： AIについて、理論ではなく二つの例を挙げましょう。いずれも Medanta で本番運用されているもので、机上の話ではありません。ガードレールやリスクについても、すでにきちんと手当てされています。一つ目の例は、私たちが過去11年間にわたって運営してきた TB Free Haryana です。これは三次医療の外で私たちが行っている、最大の CSR だと思います。いまでは私たちが病院を構える他の5つの州でも TB Free を展開しています。始めた当初は、私たちはバンを出して現地に向かっていました。ここで「アクセシビリティ」という言葉の意味を理解していただく必要があります。私たちが対象にしているのは Haryana であり、デリーから20キロ、30キロ離れた地区です。
Rajiv Sikka： トレーサビリティという言葉は、COVIDの後に誰もが理解するようになりました。しかし私たちは、すでに2014年、15年の頃から TB のトレーサビリティを意識し、追跡していました。というのも、誰かが正しく言っていたように、結核患者一人というのは大きな意味を持ち、結核は HIV よりも感染力が強いからです。インドの結核負荷は世界全体の27%を占めており、一方で私たちの人口は世界のおよそ14〜15%にすぎません。このプログラムを始めたとき、私たちはバンに放射線科医を一人乗せて派遣していました。一日でおよそ200人ほどの対象者が結核スクリーニングのために集まります。私はそうしたバンに実際に足を運びました。私たちにとって、同日中の、しかもきわめて迅速な検出が重要でした。なぜなら、対象者はいずれも日雇いの労働者だったからです。私はそこで「dihadi worker（日雇い労働者）」という言葉を学びました。彼らは「先生、早くやってくれ」と言うのです。彼にとっては、潜伏していない活動性の結核が自分の体にあるかどうかを知ることよりも、その日の dihadi、つまり日銭のほうが重要だったからです。
Rajiv Sikka： そこで起きていたことは、放射線科医が見られる枚数には限りがあるため、私たちはスキャン画像を撮影して本部の担当者に送り、当然ながら遅延が生じていたということです。しかも多くの場合、画像が完璧ではありませんでした。
2.3 事例①の技術転換と成果
Rajiv Sikka： 話を縮めて申し上げますと、そこへCOVIDが起こり、私たちは放射線科医が不足する事態に陥りました。放射線科医も HRCT を担当することになったからです。COVIDの時期に HRCT がどういうものだったかは、皆さんもよく覚えておられるでしょう。そこで私たちは、バンの中にAIボックスを置こうと考えました。素晴らしい発想です。しかし、あの遠隔地に 2G や 3G の接続はどこにあったでしょうか。当然ながら、AIバンは失敗に終わりました。そこで二つ目に私たちが行ったのは、AIモジュールをふたたびボックスの中に戻し、それを X線モダリティに直接取り付けるという方法です。つまりローカルでのAIです。では、Dr. Sharma が触れていた機械学習を、どうやって改善していくのか。私たちはバンを Medanta 病院に戻し、毎週金曜の夜にアルゴリズムを更新していました。そうすれば、翌週の月曜の朝には使える状態になっているからです。
Rajiv Sikka： このケースで何が実現できたかというと、X線がモダリティから出てきてから30秒以内に、結核か結核でないかを検出できるようになったのです。想像してみてください。これまで数時間を要し、その頃には日雇い労働者はもうその場にいない、という状況でした。X線装置が DICOM 形式の画像を吐き出し、その対象者に結核の可能性があるかどうかを返してくれる。結核の場合、X線は撮るのは簡単でも読むのが難しいスクリーニング検査です。なぜなら、それを読む放射線科医がそこにいないからです。検査をして、その後は ASHA worker が引き継ぎました。過去5年半にわたって、私たちはおよそ6台のバンで、週4日、1回の訪問につき一日200人の対象者を診てきました。これを掛け合わせてみてください。そのなかで、放射線科医によって読影されたX線は一枚たりともありません。これが、少なくとも Medanta において本番運用されているAIの、アクセシビリティと手頃さの力なのです。これはプライマリケアの話です。
2.4 事例②:エージェンティックAIと患者の心理
Rajiv Sikka： もう一つ、エージェンティックAIについての例をお話しします。これは二つの側面からなる話で、いずれも私自身に関わる出来事です。あるとき、私は母を Medanta 病院に連れて行きました。当然、皆が私を知っていますから、医師たちも承知しています。ある医師が一つの処方を出しました。母はそれを受け入れませんでした。翌日、別の医師がほぼ同じ処方を出しました。母には、これがどの処方なのか、どの医師なのか、学術的な序列がどうなっているのか、何一つわかりません。そこで翌日、「同じ処方なのに、なぜ二人目の医師の処方を受け取ったのか」と尋ねたところ、母はこう言いました。「少なくとも、あの先生は私に話しかけてくれた。私の目を見てくれた」と。つまり、患者は医師に話しかけてほしいのです。
Rajiv Sikka： もう一つ例があります。私の娘は医師で、診療をしています。彼女はインドの外にいるのですが、通常一回の診察に30分をかけます。その娘が言うには、「20分は患者がどうでもいい話をしている。患者は症状について話さない。OPD における医師の醍醐味は、症状を診断へと転換することにある」と。それが醍醐味なのです。ところが、20分のあいだ患者は「息子が来て、こんなに美しいショールを持ってきてくれた」などと話している。21分目になると、医師はスイッチを切ってしまう。患者の言うことを理解しなくなるのです。ここに二つの対照があります。医師は手早く済ませ、症状を聞き、診断を告げて戻りたい。一方で患者は、医師に耳を傾けてほしいのです。
Rajiv Sikka： そこで私たちは、この原理に基づいてエージェンティックなものを作り出しました。医師と患者のあいだの会話が、エージェンティックな環境のなかで行われます。エージェントが会話の一つひとつに耳を傾けています。私たちの施設に来ていただければ、それは Bhojpuri 語でも話しますし、Maithili 語でも話します。というのも、私たちは Patna にも病院を構えているからです。そして処方の一つひとつが、構造化された形で準備されます。ブランド薬があり、ジェネリックがあり、ローカル言語での指示があり、ローカル言語での一般的な助言があります。患者がローカル言語での処方を望む場合に備えてのことです。さらに医師の側も、入力に気を取られなくてよいので、大きな満足を得られます。senior の医師の多くは、こんなふうにキーボードを使うのです。20分間、処方を打ち込んでいて、患者を見ているのは5分だけ、という状態でした。私たちが行ったのは、医師がキーボードではなく、会話に、共感に、そして患者との距離を縮めることに集中できるようにすることです。これが一つの例であり、これには多くの副産物もあります。
RS Mani： Rajiv さんは、お母様のよい例を挙げてくださいました。患者の自律性、つまり望まないときには処方を投げ捨てる権利というものです。翌日に同じ処方が出てきたとしても、彼女にはそれを投げ捨てる権利があるわけです。
3. Prof. K. Srinath Reddy(PHFI 創設者会長)— 公衆衛生とユニバーサルヘルスカバレッジ
3.1 UHCの要件と財政的保護
RS Mani： それでは Prof. Srinath Reddy に移り、公衆衛生についてのご経験と、AIがどのような影響を与えてきたかについてお話を伺いたいと思います。
Srinath Reddy： まず、この国の保健システムにとってきわめて重要な処方として、実際に提唱されてきたことから始めさせてください。ユニバーサル・ヘルス・カバレッジ（UHC）を実現しようとするのであれば、私たちには、効率的で、公平で、共感的で、そして経済的に持続可能な保健システムが必要です。UHCを実現しなければならないとすれば、その重要な要素は、まず、個人の生涯にわたるライフコース全体を通じて、誰もが持つすべての本質的な健康ニーズをカバーする、十分なサービス・カバレッジです。
Srinath Reddy： 二つ目の要素は、これらのサービスが質を伴って提供されると同時に、十分な財政的保護のもとで提供されることです。そうでなければ、人々は受診を妨げられるか、あるいはその医療費のために破産へと追い込まれてしまいます。私たちが知っているのは、インドの人口のおよそ6〜7%が、毎年、手の届かない医療費のために貧困へと追いやられているという事実です。これは全国標本調査（national sample survey）からのものです。さらに私たちは、医療費を心配するために受診しない人々や、地理的なアクセス障壁のために医療サービスが容易に得られないために受診しない人々が、相当数いることも知っています。これは基本的に「foregone care」、つまり断念された医療です。もし、この断念された医療を見積もらなければ、自己負担（out-of-pocket expenditure）について誤った理解に至ってしまいます。人々がそもそも支出すらしていないのに、「人々はそれほど多くの自己負担をしていない」と言ってしまうことになるからです。ですから、UHCがどう機能しているかを把握するうえでも、私たちはこの点を捉える必要があります。しかし重要なのは、AIがこうしたアクセスの障壁の一部を埋めるうえで、すでに助けとなってきたし、これからさらに助けとなるということです。
3.2 アクセス格差の是正とシステム連携
Srinath Reddy： AIは質の障壁も埋めてくれますし、コストを引き下げる助けにもなります。もちろん、重要な要素として、私たちには医療従事者の分布における深刻なギャップがあります。人口当たりの医師数が十分な州もあれば、医師がほとんど分布していない州もあります。そして、ほとんどの州において、都市と農村のあいだの不均衡が存在します。ですから、もしサービスが人々のもとに届いていないのであれば、非医師の医療提供者を、診断アルゴリズムや管理アルゴリズムを備えたハンドヘルド端末やポイントオブケア診断とともに訓練し、彼らがその場で適切なケアを提供できるようにすること、あるいは人々を自己ケアのために、家族をケアのために訓練することさえできます。こうしたすべてにおいて、AIは現在存在するギャップを大きく埋めることができます。そして、人々が自宅で、あるいは自宅の近くで、手頃な形で、必要なときには紹介のための適切なトリアージを伴いながらケアを受けられるようにできるのです。したがって、全体としてのサービス・カバレッジの構成要素は改善されますし、こうしたアルゴリズムが明確に示され、配布され、医療提供者が訓練され、患者や家族が自分たちが正しい治療を受けているか、正しい種類の検査を勧められているかどうかを確認できるようになることで、ケアの質も向上します。
Srinath Reddy： こうして私たちは保健システムを民主化し、人々が自分自身の医療にずっとよりよい形で参加できるようにしているのです。そして、人々が遠くまで移動しなくてよくなり、不必要な検査や治療を受けなくてよくなることで、財政的なコストも下がっていきます。このようにして、UHCのすべての目的が確かに満たされていくのです。
Srinath Reddy： しかし、ヘルスケアを超えた「健康」というものがあります。これはつまり、私たちがコミュニティのレベル、人口のレベルでの予防と健康増進にも目を向けているということです。ここでもまた、AIは実に多くの形で大いに役立ちます。健康と栄養のリテラシーを通じて、さまざまな状態についての人々の意識を高め、人々が自ら多くの予防的ケアを行えるようにし、そもそも病気にならないようにするのです。前のラウンドで、人々が病気になるのを防ぐことはできない、と誰かが言っていました。たしかにそうかもしれませんが、人々によりよい知識を与えることで、そのリスクを確実に減らすことはできます。
Srinath Reddy： もう一つの要素として、保健システムには紹介（referral）における断絶があります。現在、私たちはヘルス・アンド・ウェルネス・センターのもとでプライマリケアを担い、二次・三次医療は Pradhan Mantri Jan Arogya Yojana によって補助・財政支援されています。その両者のあいだには事実上のつながりがありません。プライマリヘルスケアと、二次・三次医療とのあいだのこの断絶は、AIによって相当な形で容易に埋めることができます。私たちは、テレメディシンがどのように機能してきたか、テレヘルス・サービスがどのように機能してきたかを見てきました。ですから、専門医の専門性をプライマリヘルスケア・センターでも利用できるようにすることが実際に可能です。こうして、私たちの医療における質のギャップを埋めながら、よりよいアクセスを確保し、財政的な障壁も取り除かれるようにすることができます。そして最終的には、UHCのすべての目的が、はるかによく果たされうるのです。
4. Ramamohan Rao(Rail 財務ディレクター)— インフラ・財政とデータガバナンス
4.1 インセンティブ設計と予防医療の財政効果
RS Mani： ありがとうございました。それでは Ramamohan Rao さんに、インフラの面と、AIについて思い描いておられる計画について、少しお話を伺いたいと思います。
Ramamohan Rao： AIというのは、いわば知能（intelligence）の部分です。そして財政（finance）は、インセンティブの部分です。システム全体にインセンティブを与えないかぎり、ユニバーサルなアクセスは不可能です。AIは実際に、ヘルスケアのありよう全体に革命をもたらしつつあります。プライマリケアをより押し進めていけば、三次医療にかかる負担は下がってきます。Dr. Sikka もお話しになった予防の部分、つまり結核のような例、あるいは糖尿病性網膜症、あるいは敗血症（sepsis）など、ユースケースは数多くあります。ある特定の病院では、敗血症が検出されたことで、年間2000件あった死亡が500件にまで下がりました。こうした予防的な取り組みが、三次・二次医療システムにかかる負荷を減らし、それが一般の患者や公衆にとっての手頃さを高めていくのです。これがAIが大きな役割を果たす一つの領域です。
Ramamohan Rao： 他の側面についてですが、私は財務の人間ですので、財務の角度からも見てみたいと思います。便益は、このエコシステム全体のすべてのプレイヤーに行き渡るべきです。先ほど私たちは NHA のディレクターのお話を聞いていましたが、そこで不正検出（fraud detection）の部分について触れられていました。AIは不正検出が可能になるツールです。公的支出について言えば、GDPのおよそ3%が公的資金、すなわちヘルスケアに費やされており、そこには多くの漏出（leakage）があるかもしれません。こうした漏出は塞ぐことができるのです。
4.2 データバイアス・フェデレーション・政策リスク
Ramamohan Rao： リスクの部分についてですが、ふつう、テクノロジーということになると、私たちはテクノロジーによる解決、すなわち technological solutionism に走り、テクノロジーはあまねく行き渡るものであり、正しい処方を与えてくれるものだと考えてしまいます。しかし、多くの場合そうではないかもしれません。なぜなら、そこにはデータが関わっており、私たちが集めているデータには非常に多くのバイアスが含まれている可能性があるからです。これは国際的な議論も起きている領域です。システム全体が訓練されるデータ、その取り込みは、さまざまな観点からバイアスがかかっているかもしれません。あるときは人種的な観点から、あるときは地理的な観点から、そしてデータの大半は、私たちが訓練に使っているものが西洋のデータであるかもしれないのです。
Ramamohan Rao： こうした、いびつな、という言葉は使いたくありませんが、関連性の薄いデータベースで訓練されたシステムは、出してくる解決策もまた異なったものになりかねません。そこで、テクノロジーが与えてくれる解決策についての信頼の要素が問われてきます。また、データはきわめてプライベートで、誰にとっても機微なものであり、とりわけ個人の健康データはきわめて機微なデータです。ですから、データのフェデレーション（federation）が非常に重要になります。つまり、データはそれぞれの病院がローカルなシステムの中で訓練し、個人データの詳細や特定の情報を持ち出すことなく、重み（weights）や活性（activations）だけを与え、それをポータルのような形で各所に共有できる、という仕組みです。こうしたシステムが不可欠であり、それがこのユニバーサルなヘルスケアをきわめてアクセス可能なものにするのです。
Ramamohan Rao： ローカライズされ、インド化されたデータが適切に訓練されないかぎり、解決策もまた、その観点において正しいものにはならないかもしれません。だからこそ、データの感度（sensitization）がきわめて重要なのです。私はまた、この分野、とりわけテック企業やスタートアップ企業にとって、多くの機会があると見込んでいます。いま膨大なデータが訓練されていますが、それはコンテナ化（containerize）でき、量子化（quantize）でき、エンドユーザー、すなわちモバイルレベルや端末レベルにまで容易に利用可能な形にできます。こうした、訓練済みモデルを低メモリのシステム上で動かす仕組みは、低速のインターネットでも動作します。農村部にはインターネットが利用できないところもありますが、そうした場所でも役立てることができ、これがユニバーサルなアクセスを可能にするもう一つの領域なのです。
Ramamohan Rao： ユニバーサルなアクセスとは、私のささやかな理解では、一次・二次・三次という三つの医療の層すべてが、すべての市民、すべての個人に、平等な立場で利用可能になることだと思います。専門家の方々がここにいらっしゃるなかでの私見ではありますが、これはきわめてユートピア的なことです。しかしテクノロジーは、それを私たちにより近づけてくれるものです。多言語のチャートや、患者とのやり取りが記録されて再生されるといったさまざまな技術が、短い期間のうちに広まっていき、日常生活のなかでこうした技術が使われるのを目にすることになるでしょう。
Ramamohan Rao： 最後に、私は財務の人間ですので、リスクについても語らなければなりません。すでに指摘したリスク要素があり、そこで政策が関わってきます。政府の政策は、ヘルスケアへの人工知能の利用に対してきわめて慎重でなければなりません。それは患者本位（patient specific）でなければならないのです。なぜなら、もしエコシステム全体が財政や収益性、EBITDA マージンの上で動いてしまえば、それは当然ながら全体をゆがめ、一般の公衆や患者にとって有利なものにはならないからです。これが私の主張です。
5. Dr. Anchal Vikram Pandey(Pan Science Innovations 創設者会長)— 現場の制約と期待値のリセット
5.1 背景とインドのデジタルヘルス基盤評価
RS Mani： ありがとうございました。それでは Anchal さんに、ご自身が作り出してこられた技術について、そして言語の面についても少しお話を伺いたいと思います。Ramamohan さんが車載のモデルについて、Rajiv さんもそれに触れて語っておられましたが、その点について何をしてこられたのか、そしてどのような困難に直面してこられたのかをお聞かせください。
Anchal Vikram Pandey： ありがとうございます。皆さん、この機会をいただき感謝します。これほど卓越したパネリストの方々に囲まれて、私はずいぶん悩みました。政策については、ほとんど知りませんので語りたくありません。Sikka さんほど、その領域に精通し、訓練を積んでいるわけではないのです。また、非常に大きな P&L をどう運営するかという機微についても、正直なところよく理解していません。ですから、どうすればこの議論に意味のある形で貢献できるかと考えました。今日私がどんな帽子をかぶるかを、まず手短にお伝えします。私は歴史的な存在の帽子をかぶります。というのも、AIの世界では10年以上というのはもう歴史なのです。私はかつてAI研究者であり、短い期間ですが教授もしておりました。その後、会社をいくつか立ち上げ、それらを売却し、14年間ほどインドの外で過ごしました。そして、医師である私の素晴らしい妻と出会い、彼女が「インドに戻って、できればヘルスケアのエコシステム全体を立て直さないか」と言ったのです。そうして私たちは Percha という名前を思いつきました。医師にとって percha（処方箋）はきわめて身近なものであり、私たちが行うすべてのことにとって、いわば家庭的な言葉だからです。
Anchal Vikram Pandey： 私たちは興味深い形でテクノロジーへのアクセスを持っています。正直に申し上げますが、私が大学で持っていた GPU や HPC へのアクセスは、おそらくインドの最大級の企業の一部で見られるものよりも優れていました。インドに戻ってきたとき、そこには学び（learning）と同じくらい、学びほぐし（unlearning）がありました。あちらでは当然手に入ると思っていたものが、ここでは手に入らないからです。私たちがやってきたことは、すべてデータに裏打ちされており、いまや非常に多くの展開を行ってきたので、私たちはこのインドのAIエコシステム全体に深く組み込まれています。ヘルスケアだけではありません。実際、最近の製品ローンチや基盤モデルに関する話題の多くは、二度ほど掘り下げてみれば、どこかに Pan Science Innovations の風味が見つかるはずです。
Anchal Vikram Pandey： インドはデジタルヘルスのエコシステムにおいて、疑いようもなく素晴らしい仕事をしてきました。敷かれたレールを見れば、それは見事なものです。私たちは数億単位のデジタル健康IDカードを持ち、何千万件ものテレコンサルテーションを並行して走らせています。これらはコホート規模やサイロ規模ですらない、人口規模での話なのです。
5.2 三つの課題と現場での仮説検証
Anchal Vikram Pandey： しかし、私たち全員がこれから直面することになる、いくつかの非常に興味深い課題があります。一つ目はコンテクスチュアライゼーション、すなわち文脈化です。AIはインドのデータで訓練されるべきだ、という話です。データへのアクセスの側面については、いまここでは立ち入りません。どれだけのデータがいまだに紙とペンのままなのか、という問題もあります。しかし、私たちが文脈化の問題に直面したのは、データへのアクセスという観点だけからではなく、Rao さんが帯域へのアクセスについて触れていたのと同じ観点からでもありました。こうした周縁的な地域で展開を行うとき、私たちは Andhra Pradesh やきわめて遠隔の Telangana で展開を行いましたが、これらはインターネットへのアクセスがまったくない移動医療ユニット（mobile medical units）上での展開でした。リソースの制約があり、帯域がなく、インターネットの制約があるなかでは、すべてがオンプレミスで、あるいは少なくとも端末上で動かなければなりません。それはつまり、使えるAIモデルの種類によっても制約を受けるということです。ですから、AIが特定の予測において98%という素晴らしい精度に達した、とベンチマークの上では語ることができても、現場で実際に運用してみれば、私たちが本当に語っているのは75、78、せいぜい82といった数字なのです。
Anchal Vikram Pandey： ですから、私たちはイネーブラーとして、またエンパワーされるエコシステムとして、まず、自分たちが置かれることになる微妙な事情や制約に合わせて、期待値を絶えずリセットしていかなければなりません。この生態学的妥当性（ecological validity）をめぐる認識とリセットこそが最も重要だと思います。さもなければ何が起き続けるかというと、私たちは誇大宣伝（hype）と現実とを比べ続けることになり、それはあまり望ましいことではありません。
Anchal Vikram Pandey： 二つ目の点ですが、いま多くのAI企業がやっていないことの一つは、あらゆる解決策を「エッジから内側へ（from the edge inwards）」構築することです。ヘルスケアのエコシステムにおいてエッジとは何かというと、私は、医療従事者と患者のやり取りが起こる接点をエッジと呼んでいます。たしかに、素晴らしい政策モデルを構築することもできますし、保険のダイナミックプライシングを構築することも、放射線科医のための優れたツールを構築することもできます。しかし、まさにここに、私たちが多くの失敗を見てきた二つ目の部分があります。実際、先週、私たちはデリーの大病院の一つでパイロットを行っていたのですが、同じ部屋の中で少なくとも10件の会話が同時に起きていました。ですから、三次医療の大病院の空調の効いたオフィスでは非常にうまく機能するような音声AIモデルは、こうした現場では失敗し、ことごとく崩れてしまうのです。ここにもまた、修正しなければならない微妙な事情が見えてきます。もちろん、技術的な作業を重ねることで、機能する解決策にたどり着き始めることはできます。実際、そのパイロットはうまくいっているようでしたので、今後数週間でより多くのことがわかるでしょう。
Anchal Vikram Pandey： そして三つ目の点、これが最後ですが、私たち全員が持たねばならないマインドシフトです。これは強調してもしきれませんが、私たちはパイロットではなく、アウトカム（outcomes）を測定し始めなければなりません。それはどういう意味か。もし私のオフィスに来られたら、そこには一つの言葉が掲げてあります。「私たちは測定できるものしか改善できない」という言葉です。そして、正しいものを測定することがきわめて重要なのです。ディストピア的な世界では、たしかに、どれだけの人が長寿を得たか、といったことを測定しなければなりません。しかし今日、私たちは、製品ローンチの数で成功を測ることをやめなければなりません。パイロットの数で成功を測ることをやめなければなりません。私たちは、どれだけの数の高リスク妊娠がより早期に検出されたか、どれだけの数の高血圧患者が服薬を遵守したか、どれだけの患者の病歴が適切に取得され、EMR システムに記録されたか、こうしたことで成功を測り始めなければならないのです。多くの問題が生じてくるのは、まさにこうした点においてだと思います。
Anchal Vikram Pandey： 楽観的な見方として、最後に一点付け加えます。今日、皆さんが技術的に難しいと感じておられること、難しいからという理由でおそらく議論を飛ばしてしまっていることの大半は、実は今日では解決可能なものです。実際、4年前、私は NVIDIA で適応的機械学習（adaptive machine learning）についての講演を行い、そこでは Percha がユースケースの一つでした。医師がフィードバックを与えるたびにモデルを訓練し続けるにはどうすればよいか、という内容です。当時は、そのようなものが必要になるとは感じていませんでしたが、今日では、私たちの病理組織（histopathology）システムが、60%の精度で動いていたものが、今日では75%の精度にまで達しているのを見ることができます。ですから、この領域には多くの楽観的材料があり、できることは数多くあると思います。同時に、制約はきわめて現実的なものであり、それはしっかりと見据えなければなりません。
6. Jodel(super critical 共同創業者・テックリード)— 患者を情報参加者にするAI
6.1 現場観察と4つのギャップ
RS Mani： ありがとうございました。それでは Jodel さんに、パーソナライズド・メディシンについてAIをどう捉えるか、そして現在取り組んでおられることについて、もう少し詳しくお話を伺いたいと思います。
Jodel： ありがとうございます。皆さん、こんにちは。先ほど Anchal さんが終えられたところから始めたいと思います。インクルーシブで、アクセス可能で、ユニバーサルなヘルスケアのためのAIを語るとき、私たちはモデルのスコアという観点でも、実施したパイロットの数という観点でも、実施したデモの数という観点でも、ベンチマークを見るべきではありません。ベンチマークとは、システミックなインパクトです。時間の節約、費用の節約、ケアの継続性、とりわけヘルスケアが薄く引き延ばされているところでのケアの継続性、こうしたものこそがベンチマークなのです。私は基盤モデルを訓練するという観点から来ているのではなく、むしろ現場における展開の経路、ヘルスケアの経路をキュレーションし、創り出すという観点から来ています。そして私たちが見てきたのは、ヘルスケアは技術的な理由で非ユニバーサルになるよりもずっと前に、人的な理由で非ユニバーサルになる、ということです。
Jodel： Mahoba という小さな町にある、私たちが Jan Swasthya Kendra と呼ぶ診断兼診療のセットアップを通じて、手短にひとつの情景をお伝えします。患者が次々とやって来るなかで、私たちは非常に独特なパターンを目にしました。患者が、良い治療というものを「速いもの」と同一視していたのです。ここで「速い」というのは、即座に目に見える介入、すなわち強い薬、ステロイド系の薬、点滴など、より速く効果を与えてくれるものすべてを意味します。逆に、もし臨床医が複数回のフォローアップを伴う適切な治療計画、たとえば段階的な投薬や生活習慣の改善を処方すると、それはまやかし（hoax）として扱われ、まやかしと受け取られてしまうのです。私は誰かを断罪するためにこれを言っているのではなく、これが何を生み出すのかに光を当てるために言っています。それは「混乱に駆動されたヘルスケア（confusion-driven healthcare）」です。混乱はとてつもなく高くつきます。速い治療がないことが、治療の遅延、不必要な投薬、服薬遵守の欠如へとつながっていきます。ユニバーサルなヘルスケアが崩れるのは、まさにここ、すなわちアクセスにおいてだけでなく、理解においてなのです。
Jodel： 展開の側で私たちが観察したのは、あらゆる展開において共通する四つの「綻び（break）」でした。一つ目は「意味のギャップ（meaning gap）」です。意味のギャップとは、ヘルスケア・リテラシーの欠如が、患者をより速い安堵を追い求める方向へと押しやってしまうことを指します。新しい規範は、即座であるということなのです。二つ目は「解釈のギャップ（interpretation gap）」です。処方箋があり、複数の検査報告書があっても、私の祖母の場合もそうでしたが、こうした書類は彼女にとって何の意味もなしませんでした。患者は、自分の HbA1c の報告書が何を意味するのかを言うことができませんし、なぜ一枚の処方箋の中で7種類もの異なる薬を飲んでいるのかを言うこともできません。三つ目に私たちが観察したのは「ばらつき（variability）」です。ヘルスケアは一貫していません。医師ごとに、臨床医ごとに異なります。Medanta と単純な PHC とを比べれば、当然 Medanta のほうがずっと良いでしょう。それは時間のばらつき、時間的なプレッシャー、医師へのインセンティブ、習慣、あるいは単に標準化の欠如によるものです。これは患者によってランダム性として扱われ、ランダム性と受け取られてしまいます。このランダム性が、患者を、正しい経路ではなく、最も効果的だと感じられる経路へと向かわせてしまうのです。そして四つ目は「ナビゲーションのギャップ（navigation gap）」です。次に何をすべきかを理解しないまま、患者は複数の紹介、複数の医療機関のあいだをさまよい、結局は症状の悪化が彼らを三次病院へと連れて行きます。先ほどパネリストの一人が言っていたように、三次病院において、より早い段階で対処できたはずの病態の負荷が増してしまうのです。
6.2 bounded model の設計原則と質疑
Jodel： では、AIはどこで、これを真にインクルーシブなものにする形で関わってくるのでしょうか。それは決して、AIを医師そのものにすることによってでも、患者を医師として振る舞わせることによってでもなく、患者をこのプロセス全体における「情報を持った参加者（informed participant）」にすることによってです。情報を持った参加者とは、自分の健康が何を意味するのかを理解する患者、自分の報告書が何を意味するのかを理解する患者ということです。患者の側で、AIは本質的に二つのシンプルでありながら強力な形で機能しうると私は考えています。一つ目は理解、二つ目はナビゲーションです。自分の処方が何を意味するのか、その特定の薬が何なのか、どれが必要とされる支持的な薬で、どれが対症的なもので、どれが単なるサプリメントなのかを理解すること。自分の報告書が何を意味するのかを、平易でシンプルな言葉で理解すること。そして最終的に、何にすぐ気をつけるべきか、何が緊急事態なのか、何が単純な家庭療法で対処できるのか、何が地域の臨床医の介入を必要とするのかを語る、「次の一手のはしご（next step ladder）」を作り出すことです。これがパニックによる判断や不必要なエスカレーションを減らし、より少ない受診回数、より少ない出費、より少ない手間、より少ない害という形で、インクルーシビティを真の意味で実現するのです。
Jodel： ただし、これは「境界づけられたモデル（bounded model）」においてのみ機能します。境界づけられた、という意味は、AIは処方をしてはならず、用量を変更してはならない、ということです。AIは不確実性を伝えるにあたって、真実かつ透明でなければなりません。AIの役割は、説明し、トリアージし、エスカレーションすること、それだけです。医療従事者の側では、AIは診察をより安全で一貫したものにするために働くことができます。時間に制約のある環境におけるもう一組の目として機能するのです。重複、禁忌、危険な組み合わせを検出し、フラグを立て、診察を医療ガイドラインへと導くことができます。最終的な決定は、あくまで臨床医に委ねられるべきです。そのうえで、ステロイドの処方や、ある種の抗生物質の処方といった、影響の大きい選択においては、システムが別のレイヤー、すなわち一行の説明や確認を臨床医に求めることができます。これは罰としてではなく、むしろ学習のループを培うため、そして医師がシステム上でオートパイロット状態に陥る可能性を減らすためです。
RS Mani： 一つ質問があります。あなたは、農村の人々に処方を説明する、とおっしゃいました。農村の人々が PHC に来るとき、医師にはまもなく時間がなくなるでしょう。そこであなたは、その医師本人が、処方箋に書いた内容を、その人が話す言語と同じ言語で語る動画を生成するようなシステムを構想しておられるのでしょうか。そうすれば、その人はそれを持ち帰り、必要なときにいつでも参照して、処方を正しく守ることができます。
Jodel： 私たちは初期段階では、動画ベースのものには向かっていません。なぜなら、私たちの展開で観察したのは、Digital India ミッション以降、スマートフォンの普及やインターネットの普及は確かに進み、浸透もしているものの、こうした病院を訪れる人々の多くは、いまだにそれにあまり馴染んでいない、ということだからです。
7. 質疑応答と閉会
7.1 パネリストへの個別質問
RS Mani： それでは、一人ずつ一つの質問に戻りましょう。Sikka さんに質問をお投げします。あなたは X線について、そして大量の X線が撮影されたことについてお話しになりました。私は医療の専門家ではありませんが、それでも今日ふと思ったのです。たとえば眼底（retina）の写真は、網膜の問題だけでなく、ときに心臓の問題を示すこともある、と聞いたことがあります。そこで、結核のためにあれだけ多くの X線を撮影し、収集してこられたわけですが、それらをさらに活用して、人々が発症しつつあるかもしれない、もっと多くのことを見つけ出すことはできるのでしょうか。それは法的に許されるのでしょうか。私には確かなことはわかりませんが、いかがでしょうか。
Rajiv Sikka： はい、答えは100%イエスです。先ほど申し上げたとおり、プライバシーを含め、倫理委員会（ethics committee）の承認を含め、すべてのガードレールはきちんと整っているからです。Mani さん、私たちが理解すべきなのは、ヘルスケアにAIを持ち込むことは、それが解決する問題に比べて、生み出す問題のほうがずっと少ない、ということです。ですから、私たちはその焦点を心に留めておかなければなりません。この国は、最も辺鄙な片隅におけるヘルスケアの数多くの問題に苦しんでいるというのに、私たちはヘルスケアにおけるAIの問題ばかりを語り続けています。そのマインドセットは転換されるべきです。私たちが考えるべきマインドセットは、どんな最良のアルゴリズムを構築するかを心配することではなく、ヘルスケアにAIを使うにあたって、いかに実践者（practitioner）のなかに信頼を築いていくか、ということであるべきなのです。
RS Mani： ありがとうございます。Dr. Srinath、公衆衛生政策やアクセシビリティなどを語るとき、あなたが直面される困難のなかで、おそらく最も大きなものを一つ挙げていただけますか。
Srinath Reddy： 最大の課題はスケーラビリティ（拡張性）だと言わせてください。国のさまざまな地域にわたってケアを拡張すること、そして利用可能な治療の一部を拡張することです。それは部分的には、私たちが十分に訓練され、十分に分布した医療従事者を持っていないからです。しかしAIは、実際にこのスケーラビリティの問題を克服することができます。もう一つの要素もあります。ユニバーサル・ヘルス・カバレッジを語るとき、私たちは公平性（equity）について語っています。私たちは、追加的な注意、追加的なサービス、おそらくは追加的なリソース配分を必要とする、脆弱なグループを特定しなければなりません。サービスのパッケージが誰にとっても同一であるという、水平的な次元の公平性があります。しかし同時に、追加的なケアやサービスやリソースを脆弱な層に提供しなければならないという、垂直的な次元の公平性もあるのです。さて、健康の社会的決定要因（social determinants of health）を持ち込むのは容易なことではありません。それを保健システムの指標と組み合わせ、どの集団が脆弱なのか、どの患者がこうした注意深いケアを必要とするのかを特定する、AIを持ち込まないかぎりは。ですから、公平性のギャップ、そしてスケーラビリティのギャップ、これらはAIが克服しうるものなのです。
RS Mani： わかりました。それでは、Anchal に最後の、ごく短い答えで一つ質問です。あなたは、70〜72%の精度なら扱える、という遠隔のボックスについてお話しになりました。そして Ram も触れていたゼロ・コネクティビティについても語られました。さて、このシステムを何千、何万という規模に拡張していったとき、そしてやがて、この国は素晴らしい接続環境を持つことになるでしょう。今日でも私たちは世界で最も安価なデータ料金を持っていますが、もしそれが数か月のうちに実現したとしたら、どのような破壊（disruption）が起きると思われますか。あるいは、それをご自身の利点として活用されるでしょうか。時間がほとんど残っていませんので、ごく短くお願いします。
Anchal Vikram Pandey： はい、わかりました。AIをめぐってインドで起きているこの変革全体は、西洋でフロンティアモデルをめぐって見られているのと同じくらい、いわばワイルド・ウェスト（無法地帯）です。そのうえで、確実に起こることが二つあると思います。一つ目は、私たちは医療従事者のエンパワーメントについて語っていますが、実は、それが患者自身を、自らの状況についてより良く認識できるようにするうえで、どれほど助けになるかを見落としているということです。現場には新しいパターンが立ち現れ、現場に新しい知識が広がっていくでしょう。医療教育や医療に関する認識そのものが大きな問題であり、ほとんどの医師がこの問いに直面しています。ですから、そこは確実に影響を受けるでしょう。二つ目は、接続環境が整うにつれて、私たちは非常にハイブリッドな展開が起きていくことになると見込んでいます。
RS Mani： なるほど。ハイブリッドな展開でケアを担い、おそらくは、これからやって来る接続環境を活かすようにしていく、ということですね。さて、これ以上時間がありませんので、ここで終わりにしたいと思います。AIに関する素晴らしいご提言と示唆を下さったパネリストの皆さんに感謝申し上げます。本当にありがとうございました。