ハイライト
- AIは、患者ケアの質向上、ホームヘルスアシスタント（Home Health Aides, HHA）のエンゲージメント向上、ならびに組織の業務フロー効率化に寄与する可能性がある。
- 一方で、AIがケアの質を損ない、患者—医療提供者関係を悪化させ、HHAの労働条件をさらに悪化させる可能性について、重大な懸念が存在する。
- 課題として、データ品質の問題、プライバシーへの懸念、ならびに現場ケア提供者間でのAIリテラシーのばらつきが挙げられる。
- 在宅ケアにおけるAI導入では、初期段階からの包摂的なガバナンス枠組みと労働者保護が極めて重要である。
背景
在宅ケアは、住み慣れた場所での加齢を希望する高齢者を支えるうえで極めて重要な役割を担っている。HHAおよび介護従事者は個別化されたケアを提供しているが、人手不足と増大するニーズという課題に直面している。人工知能（Artificial Intelligence, AI）は、ケア提供と業務効率を補完する手段として、これらの不足を補うためにますます推進されている。在宅ケア向けAI技術への投資が拡大する一方で、AIを導入・運用し、その影響を受ける関係者が、こうしたシステムの便益とリスクをどのように認識しているかについては、ほとんど明らかになっていない。AIの導入がケアの質や労働力の持続可能性を損なうのではなく、むしろそれを支えるようにするためには、これらの視点を理解することが不可欠である。
主要内容
研究デザインとステークホルダーの多様性
Solano-Kamaikoら（2026）による基礎研究は、5つの主要ステークホルダー群—HHA、在宅ケア事業者のリーダー、労働者擁護者、臨床医、技術分野のリーダー—から43名が参加した質的研究であり、重要な知見を提供している。参加者の平均年齢は44.6歳で、多くは短大・大学の一部教育歴を有していたが、ほぼ半数がAIに関する知識が低いと回答した。目的抽出法およびスノーボールサンプリングにより多様な視点を収集し、構造的コーディングとテーマ分析によって解析した。
テーマ1：在宅ケアにおけるAIの潜在的便益
ステークホルダーは、モニタリング、服薬管理、個別化介入の支援を通じて、AIが患者ケアを向上させうることを認識していた。HHAは、意思決定支援、学習補助、事務負担の軽減を通じて、AIツールが自身の関与を高める可能性があると期待していた。組織のリーダーは、AIがスケジューリング、資源配分、効率性を改善し、一部の人手不足問題を緩和しうる点を強調した。これらの期待される便益は、臨床意思決定と業務管理を改善する医療分野での広範なAI応用と整合している。
テーマ2：ケアの質および労働環境に影響するAIのリスク
患者中心のケアが損なわれる可能性についての懸念が広く示された。参加者は、AIへの依存により相互作用が非個別化し、医療提供者—患者間の信頼が損なわれ、ケア提供の役割が単なるタスク実行へと縮小されることを危惧していた。AIによる誤りやバイアスが持ち込まれるリスクも警戒された。さらに、HHAは、監視の強化、雇用不安、AIが生成する要求による作業量増加など、労働条件の悪化を懸念していた。これらの不安は、ケア職における自動化と雇用に関するより広範な倫理的議論とも一致する。
テーマ3：データ品質、プライバシー、AIリテラシーの課題
特定された主要な障壁には、信頼性の高いAI出力に不可欠なデータの正確性と完全性に関する懸念が含まれていた。自宅環境で収集される健康情報および個人情報の機微性を踏まえ、プライバシー保護は優先課題として浮上した。加えて、HHA間でのAIリテラシーの不均一性は、効果的な導入と信頼形成の妨げとなっていた。これらの課題は、データガバナンスとエンドユーザー教育が成功に不可欠である医療AI導入における既存の障壁と軌を一にしている。
テーマ4：包摂的ガバナンスと公正なパートナーシップの必要性
参加者は、AIの開発と導入を導くために、すべてのステークホルダーを含む早期かつ透明性の高いガバナンスの必要性を強調した。労働者の権利を保護し、AIが人間のケア提供を代替するのではなく支援することを確保するためには、労働保護と公正な技術パートナーシップが必要であるとされた。これは、参加型設計と倫理的AIガバナンスを推進し、公平性と説明責任を高める新たな枠組みとも整合している。
専門的考察
主要な質的研究から得られた知見は、医療・社会ケア分野におけるAIの技術的可能性と倫理的複雑性の双方を示す既存文献を補完するものである。AIの便益とリスクをバランスよく認識している点は、人間中心設計原則の重要な役割を浮き彫りにする。機序的には、意思決定プロセスを補強するAIは、在宅ケア環境に特有の人間の判断および文脈知識と円滑に統合されなければならない。
医療におけるAIに関する現在の臨床ガイドラインおよび政策提言は、堅牢な検証、バイアスの最小化、ユーザーのエンパワーメントを推奨している。しかし、在宅ケア環境には、ケア環境の多様性、ケア提供者の背景の多様性、密接な対人関係など、独自の課題が存在する。労働力の持続可能性を確保するためには、AI導入に労働保護、継続教育、適応的な業務フロー統合を伴わせる必要がある。
自動化が雇用の安定性に及ぼす影響や、ケア職の価値低下の可能性をめぐる論争は依然として続いている。限界としては、デジタルインフラのばらつき、アクセスが不均等な場合に格差を拡大する可能性、ならびに継続的な監督を要するAIアルゴリズムの進化が挙げられる。
結論
在宅ケアにおける人工知能は、ケア提供と業務効率を向上させる大きな可能性を有する一方で、ケアの質、労働者のウェルビーイング、患者との関係にリスクをもたらす。特に現場の労働者を含むステークホルダーの視点を取り入れた、包摂的かつ学際的なAIガバナンスは、公正で持続可能な、そして人間中心のAI統合を促進するうえで不可欠である。今後の研究では、長期的影響の評価、対象を絞ったAIリテラシープログラムの開発、在宅ケアの文脈に適した倫理的枠組みの洗練を進めるべきである。
参考文献
- Solano-Kamaiko IR, Dicpinigaitis M, Tan M, Avgar A, Vashistha A, Dell N, Sterling MR. Understanding Key Stakeholders’ Perspectives Towards Artificial Intelligence in Home Care Work. J Gen Intern Med. 2026 Sep 22. doi: 10.1007/s11606-026-xxxx-x. PMID: 42773397.
- Russell S, Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Pearson; 2020.
- Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44–56. doi:10.1038/s41591-018-0300-7.
- Shah NH, Milstein A, Bagley SC. Making Machine Learning Models Clinically Useful. JAMA. 2019;322(14):1351-1352. doi:10.1001/jama.2019.13465.
- Cabitza F, Rasoini R, Gensini GF. Unintended Consequences of Machine Learning in Medicine. JAMA. 2017;318(6):517–518. doi:10.1001/jama.2017.7797.
