あなたはAIを使える技師ですか？それともAIの結果に頼って仕事をしている技師ですか？

この画像、AIが処理しているけど問題ない？

そう言われたとき、あなたは自信をもって「はい」といえますか？

CTでは自動露出機構（AEC）が撮影条件を調整し、Deep Learning Reconstruction（DLR）が画像を再構成する。MRIではAIを利用した高速撮像や画像再構成が進み、一般撮影でも画像処理の多くが自動化されています。

以前なら経験豊富な診療放射線技師が時間をかけて調整していたことを、今では装置が瞬時に行ってくれます。技師は撮影ボタンを押すだけで、高品質な画像を得られる時代になりつつあります。
AIが自動的に最適な画像を作ってくれるようになったとき、放射線技師の専門性はどこに残るのでしょうか？

AIが使えることと、AIを理解していることは違う

2026年10月16日、北米放射線学会（RSNA）は、画像診断AIの教育プログラムに関する記事を公開しました。そこでは、AIの基本的な仕組みだけでなく、導入前の評価、臨床での運用、性能の監視、そしてAIが誤った結果を出す可能性について学ぶ重要性が紹介されています。

特に注目したいのは、AIドリフトという概念です。AIは、学習したデータとは異なる環境で使われると、期待した性能を発揮できなくなることがあります。

例えば、撮影装置が変わった場合、撮影条件が変更された場合、患者集団の特徴が異なる場合などです。AIが正常に動作しているように見えても、実際には性能が低下している可能性があるのです。RSNAの教育プログラムは主に放射線科医向けですが、AIの特性や限界を理解する必要性は、画像を作る診療放射線技師にも無関係ではありません。

ここで考えたいのは、AIの仕組みをすべて理解する必要があるのか、ということではありません。AIのプログラムを自分で作れる必要はないでしょう。しかし、自分が使っている技術の特性や限界を知らなくても、専門家として十分なのでしょうか？

画像がきれいになった。それは本当に良い画像なのか？

例えば、一般撮影の画像処理について考えてみましょう。

新しい画像処理パラメータを導入したところ、従来よりも骨皮質がくっきりと描出され、全体的に鮮明な画像になりました。メーカーも推奨している処理です。多くの技師が「以前より画質が良くなった」と評価しました。では、本当に良くなったのでしょうか？

高周波強調を強くすれば、骨皮質などの境界は目立ちやすくなります。しかし、ノイズも強調される場合があります。ダイナミックレンジ圧縮を強くすれば、濃度差の大きい領域を一枚の画像で観察しやすくなります。一方で、従来とは異なるコントラスト表現になることもあります。

頸椎の側面画像を例にすると、椎体終板や骨棘は以前より明瞭に見えるかもしれません。しかし、その画像処理は、軟部組織の評価にも適しているのでしょうか？

さらに、長年同じ画像で診療してきた医師にとって、画像の見え方が大きく変化することは問題にならないのでしょうか？ここで重要なのは、画像が鮮明であることと、診断に適した画像であることは、必ずしも同じではないということです。

「きれいな画像」と「診断しやすい画像」は同じなのでしょうか？

この問題はAIによる画像処理が進歩するほど、重要になっていくと考えられます。もちろん、従来の画像処理にも同じ問題はあります。AIだけが特別に危険というわけではありません。ただし、処理が高度になり、結果が自然に見えるほど、技師が処理の影響を意識しにくくなる可能性があります。

もし、AIが間違っていたら？

今度はCT検査を考えてみましょう。
AIによる画像再構成を使用したところ、ノイズが大幅に低減されました。従来より少ない線量でも、見た目には十分きれいな画像が得られます。そこで、撮影線量をさらに下げることにしました。

しかし、低コントラストの微小病変を検出する能力まで維持されているのでしょうか？
ノイズが少ないことは、必ずしも微小病変の検出能力が高いことを意味しません。DLRの性能は、アルゴリズム、撮影条件、対象となる構造、評価方法などによって異なります。そのため、単に画像がきれいになったという理由だけで、線量を下げても問題ないと判断することはできません。
ここで、2人の放射線技師を想像してみてください。

技師A
「AIを使えばノイズが減るので、線量を下げても大丈夫です。メーカーも推奨しています」

技師B
「AIによってノイズは減っていますが、低コントラスト分解能や病変検出能も維持されているか確認しましょう。線量を下げるなら、目的に応じた評価が必要です」

どちらの技師もAIを使用できます。しかし、AIに対する理解と判断は同じでしょうか？

技師Aが必ず間違っているということではありません。メーカーの推奨には技術的な根拠があり、実際に性能が向上している場合も多いでしょう。ただし、メーカーが推奨することと、自施設のすべての検査に最適であることは、必ずしも同じではありません。AIが進歩するほど、私たちはAIが出した結果を無条件に受け入れやすくなるかもしれません。では、それを専門家の判断と呼べるのでしょうか？

AIに任せることは悪いことなのか？

ここまで読むと、「結局、AIを信用するなということですか？」と思われるかもしれません。
そうではありません。むしろ、AIに任せられる仕事は積極的に任せるべきだと考えます。

例えば、MRIの撮像時間が短縮されれば、患者の身体的負担を減らせる可能性があります。CTの自動露出機構が適切に機能すれば、必要な画質を維持しながら無駄な被ばくを抑えられます。画像処理が自動化されれば、技師ごとの画像品質のばらつきを減らせるかもしれません。これらは大きな進歩です。問題は、AIに任せることではありません。何をAIに任せ、何を人間が確認し、どのような場合に介入するのかが決まっているかどうかです。

2026年5月、米国放射線医学会（ACR）は、医用画像AIを臨床で利用するための実践的な指針を承認しました。そこでは、導入するAIの管理、導入前の施設内評価、運用開始後の性能監視、問題が生じた場合の停止基準などが示されています。

注目したいのは、AIの導入をゴールにしていないことです。AIを導入した後も、その性能が維持されているかを確認し、必要に応じて改善していく。これは医療機器の品質管理にも共通する考え方ではないでしょうか。

AIによって、経験豊富な技師の価値は下がるのか？

かつて、撮影技術の習得には多くの経験が必要でした。撮影条件を決める。画像を確認する。必要に応じて条件を変更する。経験豊富な技師と新人技師では、得られる画像に大きな差が生じることもありました。

しかし、現在では装置の自動化によって、その差が小さくなっている領域もあります。では、経験豊富な技師の価値は下がるのでしょうか？

私は、必ずしもそうではないと考えます。むしろ、経験を生かす場所が変わっていくのではないでしょうか。

例えば、AIによる自動処理の結果に違和感を覚えたとき。それが正常な画像なのか、処理によって生じた不自然な表現なのか。あるいは、患者の体格や病態に対して、標準プロトコルが本当に適切なのか。こうした判断には、解剖学、画像工学、臨床知識、撮影経験など、複数の知識を組み合わせる必要があります。

ただし、経験が長いだけで、こうした能力が自然に身につくわけでもありません。新しい技術を学び、自分の経験と照らし合わせ、必要であれば従来の考え方を修正する。その姿勢がなければ、豊富な経験も新しい技術に対応する力にはならないでしょう。

反対に、経験の浅い技師でも、AIの特性を理解し、根拠に基づいて評価する習慣を身につければ、高い専門性を発揮できる可能性があります。経験年数が長いことと、専門性が高いことも、必ずしも同じではないのです。

これからの放射線技師に必要な能力とは？

私は、これからの診療放射線技師には、少なくとも3つの能力が重要になると考えています。

1つ目は、AIの結果を評価する能力です。
画像がきれいになった、処理時間が短くなった、診断支援AIが異常を指摘した。そこで終わるのではなく、その結果が目的に適しているかを考える能力です。

2つ目は、AIの限界を理解する能力です。
どのような条件で性能が低下するのか。どのような画像や患者に適用できるのか。使用条件から外れた場合に何が起こり得るのか。AIの仕組みをすべて理解する必要はありませんが、少なくとも自分が使う技術の特徴は把握しておく必要があるでしょう。

3つ目は、AIによって生まれた時間をどう使うかを考える能力です。
AIによって画像処理の時間が短縮されたとしましょう。その時間を使って、より多くの検査を行うのでしょうか。患者への説明を充実させるのでしょうか。画質管理や撮影プロトコルの改善に取り組むのでしょうか。どれが正しいという単純な話ではありません。

しかし、AIで業務が効率化されたというだけでは、その効果を十分に評価したことにはならないでしょう。効率化によって何が改善されたのか。検査件数なのか、医療の質なのか、患者の負担なのか、職員の労働環境なのか。その目的を考えることも、これからの技師に求められる能力ではないでしょうか。

AIが仕事を奪うのではなく、仕事の価値が変わる

「AIによって放射線技師の仕事がなくなる」
そのような議論を耳にすることがあります。

しかし、現時点で診療放射線技師という職業そのものがAIに置き換わると断定できる根拠はありません。患者確認やポジショニング、安全確認、造影検査への対応、患者の状態に応じた判断など、画像を生成するだけでは完結しない業務が多く存在するからです。

一方で、現在行っている仕事の一部が自動化され、その価値が変化する可能性は十分にあります。これまで時間をかけて習得していた技術が、装置の標準機能になることもあるでしょう。そのとき、「自分はこの操作ができる」というだけでは、専門性を十分に説明できなくなるかもしれません。

しかし、それは放射線技師の価値がなくなることを意味するのでしょうか？私は違うと思います。

技術が進歩すれば、専門家に求められる能力も変わります。単純な操作を正確に行う能力から、目的に応じて技術を選択し、結果を評価し、問題があれば改善する能力へ。仕事の価値が失われるのではなく、仕事の価値を生み出す場所が変わっていくのではないでしょうか。

AIを使える放射線技師になるために

AIを使える放射線技師と、AIに使われる放射線技師。その差は、AIを操作できるかどうかではありません。AIの結果を受け取るだけなのか。それとも、その結果について自分で考え、判断できるのか。そこに大きな違いがあるのだと思います。

AIが発達すれば、誰でも一定水準の画像を得られるようになるかもしれません。しかし、なぜその画像が適切なのか、どのような限界があるのか、より良くするために何が必要なのか。それを考えることまで、AIに任せてしまってよいのでしょうか？

もちろん、すべてを人間が判断し続けることが正しいとも限りません。AIのほうが優れた判断をする場面も、今後増えていくでしょう。
大切なのは、人間が判断すること自体を目的にするのではなく、患者にとってより良い医療を実現するために、人間とAIの役割を考え続けることではないでしょうか。

あなたはAIを使って仕事をしていますか？
それとも、AIが出した結果に頼って仕事をしていますか？

参考資料

1. Radiological Society of North America（RSNA）. AI Certificate Program Builds Practical AI Expertise. 2026年10月16日。原文を読む

2. American College of Radiology（ACR）. American College of Radiology Approves First Ever Practice Parameter for Imaging Artificial Intelligence. 2026年5月5日。原文を読む

3. RSNA. Foundational Certificate Curriculum. AIの評価・導入・運用・性能監視に関する教育内容。原文を読む

編集注：一般撮影・CTの事例は、実際の特定施設や製品で発生した問題の報告ではなく、画像処理と品質管理の考え方を説明するための例示です。AIの性能や臨床的有用性は製品・使用条件によって異なります。また、本記事の将来予測や職業的価値に関する記述は、筆者の考察です。

放射線技師.com