予測が外れた理由：放射線科がAIの黙示録に抵抗した方法

2016年、ノーベル賞受賞者であり「AIのゴッドファーザー」とも呼ばれるGeoffrey Hintonは、医療界に衝撃を与える厳しい警告を発しました。「人々は今すぐ放射線科医の教育を止めるべきだ」と彼は宣言しました。「5年以内にディープラーニングが放射線科医よりも優れるようになることは完全に明白だ。」論理はもっともに見えました：AIはパターン認識が得意であり、放射線科は本質的に医用画像のパターンを識別することに関する学問だからです。学生たちは専門を変え、レジデンシープログラムは時代遅れになることに備えました。

時を進めて2026年1月、現実はこれ以上ないほど異なっています。需要の崩壊ではなく、この分野は前例のないブームを迎えています。新しいデータによると、Mayo Clinicは現在400人以上の 放射線科医（radiologists） を雇用しており—Hintonの不吉な予測以来驚異的な55%増加を示しています。医師を置き換えるどころか、人工知能は彼らの労働力を大幅に拡大する触媒となり、この現象は現在「放射線科医効果（The Radiologist Effect）」と呼ばれています。

この直観に反する傾向は、AIの自動化が不可避的に雇用の縮小を招くという支配的な物語に挑戦します。代わりに、これは経済理論と人間の適応力に関する説得力のあるケーススタディを提供し、生成型AI（generative AI）の革命が削減するよりもはるかに多くの役割を生み出す可能性があることを示唆しています。

ジェヴォンズのパラドックスの実例

なぜAIが仕事を破壊するのではなく創出したのかを理解するには、19世紀の経済学に目を向ける必要があります。この現象は**ジェヴォンズのパラドックス（Jevons Paradox）**として知られています。技術進歩がある資源の利用効率を高めると、その資源の総消費量は減るのではなく増加するという現象です。

医用画像の文脈では、AIはスキャンの処理と解析に必要な時間を劇的に短縮しました。アルゴリズムは現在、初期の「読影」を担当し、異常をフラグし、成長をピクセル単位の精度で測定します。ゼロサムゲームであれば、これにより必要な人間は減るはずです。しかし、医療（healthcare）はゼロサムゲームではありません。

効率向上は診断画像検査の「コスト」（時間と労力）を下げ、これまで経済的に不可能だった幅広い症状に対して有力なツールにしました。軽微な訴えで患者が検査を受けるまでに数週間待たされていた場所でも、AIで加速されたワークフローにより迅速な予防的スクリーニングが可能になっています。スキャンの量は爆発的に増加し、効率向上を上回っています。

放射線科医ブームの主な推進要因：

• 予防的スクリーニング： コスト低下により、以前は経済的に不可能だった集団規模のスクリーニング（例：全身MRI）が可能になりました。
• 複雑な症例： ルーチンの測定をAIが担うことで、放射線科医は深い医療的文脈を必要とする多系統の複雑疾患に注力できるようになりました。
• 介入： 放射線科医は画像誘導下の低侵襲手術をますます行うようになっており、これはAIが対応できない領域です。

Jensen Huangの診断：タスク対ジョブ

今月初めのダボスでのWorld Economic Forumでのスピーチで、NVIDIA CEOのJensen Huangはまさにこの現象に言及しました。彼は当初の恐れが「仕事とは何か」を根本的に誤解していたことに起因すると主張しました。

「放射線科医の仕事の目的は画像を精査することではない」とHuangは説明しました。「目的は疾患を診断し患者を治療することだ。画像を精査することは単なるタスクに過ぎない。」

画像解析というタスクをAIに委ねることで、放射線科医は患者ケアというジョブに集中できるようになりました。彼らは現在、腫瘍内科医との相談、患者への結果説明、治療計画の立案により多くの時間を費やしています。役割は「画像解析者」から「情報統合者」へとシフトしました。このシフトにより放射線科医の病院システムにおける価値が増し、患者のスループットとケア品質を最大化するために、機関はより多くの放射線科医を雇うようになったのです。

画像診断を超えて：業界横断の「放射線科医効果」

この変化の影響は医療をはるかに超えて広がります。「放射線科医効果」はソフトウェア工学、法務サービス、クリエイティブ産業にも現れ始めています。放射線科医が消えなかったように、開発者がコーディングエージェントに置き換えられているわけではありません。彼らはAIエージェントのチームを管理してより速くソフトウェアを構築する「システムアーキテクト（systems architects）」になりつつあります。

経済学者は我々が「豊富さ駆動型雇用」の時代に入っていると示唆します。サービスが安く、速くなると、潜在的な需要が顕在化します。

• ソフトウェア： AIはコード作成のコストを下げ、これまで高価すぎて対応できなかったニッチな問題向けのカスタムソフトウェアの爆発的増加をもたらします。
• 法務： AIが文書レビューを処理することで、弁護士はより複雑な訴訟を引き受け、以前は法的支援を受けられなかったクライアントにもサービスを提供できるようになります。

以下の表は、2016年の恐れと2026年の現実を対比し、AI統合に市場がどのように適応したかを示しています。

放射線科医効果：神話 vs. 現実

（注：上記表の数値と英語ラベルは原文のまま維持されています）

未来の労働力にとっての意味

Mayo Clinicの数字が示す教訓は明確です：AIは仕事そのものと競合するのではなく、タスクと競合します。ルーチン作業をAIに委ねることを受け入れた専門家は、認知的価値連鎖の上位に移行するにつれてその価値が飛躍的に高まります。

「放射線科医効果」はAI時代における希望ある設計図として機能します。特定のタスクが自動化されることは確かにありますが、人間の判断、共感、複雑な問題解決に対する需要は弾力的であることを示唆しています。AIが高品質なサービスへの参入障壁を下げるにつれて、世界はそれらをより多く消費し、活気に満ちた、ただし異なる労働市場を生み出します。

当面の間、2016年の警告を無視した医学生たちは、これまでで最も堅調な雇用市場の一つに卒業していきます。彼らは世代を超えて最良の医師となる手助けをする超高度なツールを携えているのです。