# チャプター 1 こんにちは。集中治療院のこたにゆきです。 今日は、Voicyのトークテーマが、あえて反AIな本音というのなんですね。 反AIというのは、反対の反AIです。人工知能ですね。 みなさんどうですか? まあ、AI、AI、AI、AIの使い方、AIを活かし方、AI活用法、 もう、あの、なだれのようにね、どんどんどんどんSNSとかネットの世界では出てくるし、 まあ、いいんですけど、結局ね、インプットが大事だっていうのは、これまでVoicyで何度も言ってますよね。 まあ、学会のスライドしっかり、論文しっかり、普段の作業の効率化しっかり的なところですね。 まあ、そういうのが、やっぱりもう世の中にあふれ返ってしまっていて、 もう、そのさらに前を見た方がいいんじゃね?って、僕は最近なってます。 つまり、インプットを立てる、いいインプット、いいプロンプトか、プロンプトを書く、 いい問いを立てるっていうのが大事だよっていうのを言うんですけど、 じゃあ、問いを立てる力が大事だよとか言うわけですけど、 じゃあ、問いを立てるのはどうやったらできるんですか?っていうことですよね。 これはですね、問いっていうのは仮説というふうに言い直してもいいと思うんですけど、 じゃあ、どうやったら仮説立つんですか?っていうのをちょっと考えてみますか。 医療の現場でちょっと置き換えてみるのがいいんじゃないかなって思うんですね。 仮説っていうのは、ある種の間別診断みたいなもんですよね。 これかもしれない、これかもしれない、これかもしれない、これかもしれないとなったときに、 まあ、何でもいいですよ。例えば、僕はICUやってるんで、低血圧ってなったときに、 例えば、ショックの間別、ハイポボレミックショックもあれば、 ディストリビューティブショックもあれば、カーディオジェニックショックもあれば、オブストラクティブショックもあると。 まあ、それらさらにショックのカテゴリーにひも付いたそれぞれの診断がありますよね。 例えば、閉塞性であれば、心担保とかね、緊張性拮抗とか、そういうのがあるわけですよね。 まあ、それは心原性にもあるし、循環血液量減少性にもあると。 まあ、そうなってきたときに、例えば低血圧を入り口にしたときに間別がバッと上がるわけですけれど、まあ、それは仮説ですよね。 そうなったときに、それに見合う所見があるかどうかを丹念に見ていくってことですよね。 これ、要するにね、見ていくってことだと思うんですよ。見ないと間別立たない。 もう何だったら、さっきはね、低血圧から間別診断を考えましょうって言いますけど、 だから、低血圧であることを認識しないといけないわけですよ。 それは、別に哀愁だったらモニター入ってんじゃんって思うかもしれないけれど、 別に同じように低血圧っていうのはどこでも起きるわけですよね。 外来でも起きるし、病棟でも起きるし。 そういった最初の問題点に気づくっていうことに、最終的には集約されていくんじゃないかと思うんですね。 例えばね、低血圧って気づいちゃえばね、もう間別がバッと出てくるわけですよね。 それこそAIに聞けば。 だけれど、やっぱり問題がそこにあることを気づかないっていうことの方が多いんじゃないかなって思います。 例えばね、自分の過去の経験というか、直接じゃないけど間接的に経験したものとしてはね、 例えば体さんがずっと不穏だと、苦しい苦しい言ってると、でもPF比はすごくいいし換気もしっかり入ってる。 全然問題ないと。 で、その言ってるのを専門だとかね、一緒になって血圧が上がったり貧脈になったりして、 見た目的にもね、確かに専門でもおかしくないぐらい、 なんていうかな、こんな言い方ちょっと不適切かもしれないけど目が決まっちゃってるみたいな。 あるじゃないですか。 で、なんかDEXメートミッジ流したりとか、そういうことをやっちゃったわけですよね。 その結果何だったかというと、基幹チューブがほぼ詰まりかけてたわけですよ。 実際にもう詰まるか詰まらないかぐらいになってね、低酸素になってきて、 ようやくディテクトしてなんとかチューブ入れ替えたみたいなことがあるわけですよ。 これはつまり問題を見間違えてるわけですよね。 本人の患者さんの呼吸困難感という、目の前にみんなで共有していた問題点があったわけですよね。 呼吸困難感というものを何から生じてるかっていろいろあって、 それのすべて除外した後に心音性みたいなものが確かになくはないかもしれない。 けれどもっと知識的で、むちゃくちゃ頻度が高いわけじゃないけれど、 致命的でかつ介入可能なものを除外しきれていないのに、 その時気づけなかったっていうことが大きな問題だったわけですよね。 なので、問題がどこにあるかっていうのを見る、観察するっていうことが最も大事。 それはもう、要するに簡単に言うと機関式を突っ込んだらもう分かっちゃった問題なわけですよ。 そこがやっぱり極めて大切なポイントなんだろうなということなんですよね。 なので、丹念に見るってことが結果、AI時代に最も求められている。 どうしてもAIがもうそこにあって、AIをどう使うかっていうところに問題というか主題がフォーカスされてやってるような気がするんですけど、 むしろそっちがインプットっていうか観察がきちんとできて、何が問題かのコアをつかんじゃえば、 もうプロンプトは自然とコアをつかんだものになってるし、コアをつかんだプロンプトがかければAIはある程度のクオリティのレスポンス返してくれますよね。 なので、とにかくそこに何か行き着くんじゃないかなと思います。 どうしてもアウトプットの量を皆さん問うたり、アウトプットの速さを問うみたいなところが今、どうしても中心的になっちゃってると思うんですよね。 原稿どれだけ書いたとか、スライドどれだけ作ったとか。 でも、そもそものシンクったコンテンツになってない限りは、あんまりどう使ったって結果似たようなもんですよね。 やっぱりAIっていうのは、統計の中央値に集約されたレスポンスを返してくるわけですから、やっぱりその問いが大事、いい問いを立てるための観察が大事ということに立ち返っていくんじゃないかなというふうに思います。 この問題の本質がどこにあるかっていうのを見極めるというか、つかむっていうのは結構難しいなというふうに思います。 僕としてはいつも考えているのは、とにかくそれで全部説明できそうかみたいなところですね。 そうじゃない限り、やっぱりどうしても枝葉のところをちょんちょんやってるみたいな感じになっちゃうんですよね。 ここさえつかめば、ここさえうまくいけば、もうその後は自動的にうまくいくしかない。 そんな問題をうまく捉える。そのために、あれどこがおかしいのかな、今どこで困っているのかなっていうのを丹念に観察する。 ある種、原因は原因は原因はって遡っていくアプローチもいいと思うんですよね。 例えば、AKIでRRTが必要な状態になっているから、RRTします。腎臓内科にコンサルトします。 悪くないかもしれないけれど、なんでAKIなんだっけ、何のAKIなんだっけ、その間別はとか原因はっていうところを 飼育っていかない限りはいつまでたってもうまくいかないですよね。 AKIに対して体液を適正化とか循環を良くするとか、余計な人独性の薬を使わないとか、そういうことばっかりやったって良くならないわけですよね。 それを皆さん普段の間別の中ではどんどんやっているわけですから、それを他の分野でもやる。 とにかく観察して問題のコアをつかみに行く。 それが結果としてAIと仲良く競争、競争じゃない、共同、競争って共に作るっていう方の競争関係になれる、結構キーなんじゃないかなっていうふうに思います。 なのでAIをいかに使うかどうかっていうよりも、自分の目を磨いて、自分の観察する力を鍛える、そこが結果として自分の良いアウトプットにつながるんじゃないか、なんていうことをちょっと思ってますね。 反AIまで行けたかわかりませんが、より前段階を考えてはいかがでしょうというお話でした。 今日も聞いていただいてどうもありがとうございました。 それではまた。