問題提起・現状認識
医療AIは、もう「未来の話」ではありません。2026年現在、国内の医療現場ではAIが日常業務の一部として動き始めています。富士フイルムの画像診断支援AI「REiLI」は胸部X線やCT画像の読影補助として複数の大学病院で稼働中です。NTTデータが手がける診断支援AIも、地域中核病院への導入が進んでいます。
実は、ここにきて見えてきた課題は「AIの精度が足りない」という話ではありません。技術的な有効性はすでに多くの臨床研究で示されています。厚生労働省が2025年に公表した「保健医療分野AI開発加速コンソーシアム」の報告書でも、画像診断領域では複数のAI製品が薬事承認を取得し、臨床現場での活用事例が蓄積されつつあると整理されました。
問題の焦点は別の場所に移っています。それは「既存の医療ワークフローにAIをどう組み込むか」という統合コストの問題です。
医療現場のIT環境は、一般企業のそれとは大きく異なります。電子カルテ、オーダリングシステム、画像管理システム（PACS）、検査システムなど、複数の業務システムが個別に稼働しています。これらは多くの場合、ベンダーごとに仕様が異なり、システム間の連携が容易ではありません。
正直なところ、AIモデル単体がどれほど優秀でも、それが既存システムとつながらなければ臨床現場では使えません。医師がAIの分析結果を確認するために別画面を開き、手動でデータを転記する——こうした運用では、忙しい診療の現場で定着するはずがないのです。
ここに重要な転換点があります。医療AIの競争軸が「モデルの精度」から「データ連携基盤の整備」へと明確に移行しつつあるという点です。
経済産業省が2025年度に取りまとめた「ヘルスケア産業基盤高度化促進事業」の資料では、医療DX推進における最大の障壁として「システム間の相互運用性（インターオペラビリティ）の不足」が繰り返し指摘されています。国際標準規格であるHL7 FHIR（医療情報を異なるシステム間でやり取りするための共通ルール）への対応が、日本の電子カルテベンダーの間でまだ十分に進んでいない現状も浮き彫りになりました。
つまり、2026年の医療AI市場を読み解くうえで押さえるべき論点は、次の2つに集約されます。
第一に、技術の成熟と実装の遅延という非対称性。 AIモデルは実用水準に達しているにもかかわらず、それを受け入れる医療ITインフラが追いついていません。
第二に、データ連携基盤をめぐる覇権争いの始まり。 電子カルテのAPI開放が徐々に進む中、どのプレイヤーが医療データのハブを握るかという競争が本格化しつつあります。
この2つの論点を軸に、医療×AIテクノロジーの最前線を掘り下げていきます。
データに基づく現状分析
医療AIの市場規模は、数字で見ると明確な成長トレンドを描いています。ただし、その内訳を精査すると、成長の「質」に注目すべきポイントが浮かび上がります。
グローバル市場：年平均40%超の拡大
グローバルでの医療AI市場は急拡大が続いています。米国の調査会社Grand View Researchが2024年に公表したレポートによると、世界のヘルスケアAI市場規模は2023年時点で約209億ドル（約3.1兆円）と推計されました。同レポートでは、2024年から2030年にかけての年平均成長率（CAGR）を38.5%と予測しています（Grand View Research「Healthcare Artificial Intelligence Market Size Report, 2030」）。
もう1つ参照すべきデータがあります。Statista社が2025年に更新した推計では、医療AI市場は2030年に約1,870億ドル規模に達するとされています（Statista「AI in healthcare market size worldwide 2021-2030」）。推計の幅はあるものの、年率30〜40%台の成長が複数の調査機関で共通して示されている状況です。
ちなみに、この成長率はSaaS市場全体の年率約12〜15%と比べても際立って高い水準です。医療AIへの期待と投資がいかに集中しているかが分かります。
国内市場：拡大傾向だが「実装率」は低水準
では日本国内はどうでしょうか。
富士経済が2024年に発表した「医療AI関連市場の調査結果」によると、国内の医療AI関連市場は2030年に約640億円に達する見込みとされています（富士経済「医療AIの国内市場調査 2024年」）。2023年度の推定市場規模が約200億円前後であることを踏まえると、年率15〜20%程度の成長が見込まれている計算です。
ただし、ここで注目すべきは実装の進捗度です。厚生労働省が推進する「医療DX推進本部」の関連資料（2025年度公表）では、電子カルテの普及率について言及されています。一般病院での電子カルテ普及率は約60%台にとどまっており、診療所ではさらに低い水準です（厚生労働省「医療DXの推進について」各種公表資料）。
電子カルテが導入されていない施設では、AIが処理すべきデータそのものがデジタル化されていません。市場の成長ポテンシャルと、現場のデジタル基盤整備との間に大きな乖離がある。これが国内医療AI市場の実態です。
薬事承認の加速と実臨床のギャップ
もう1つ重要な指標があります。AI医療機器の薬事承認件数です。
PMDAおよび厚生労働省が公表している情報によると、国内で薬事承認（認証含む）を取得したAI搭載医療機器は、2024年末時点で累計100件を超える水準にまで増加しています。特に画像診断支援領域での承認が多く、内視鏡画像診断、胸部X線、眼底画像などの分野で複数の製品が上市済みです。
しかし、承認を取得したAI製品が実際の臨床現場でどの程度使われているかとなると、話は変わります。日本医師会が2025年に実施した会員向けアンケート調査では、「AIを日常診療で活用している」と回答した医師の割合は1割に満たない結果でした（日本医師会「医療分野におけるAI利活用に関するアンケート」2025年）。
承認済み製品は増えている。しかし日常的に使っている医師はごく少数。この非対称こそが、前セクションで指摘した「技術の成熟と実装の遅延」を裏付ける数字です。
3つの数字が示す現在地
ここまでのデータを整理すると、2026年の医療AI市場は次の3つの数字で特徴づけられます。
1. グローバル市場のCAGR：約38〜40%。 投資マネーと技術開発は加速し続けています。
2. 国内の電子カルテ普及率：約60%台。 AIを受け入れるデジタル基盤が、まだ全国に行き渡っていません。
3. AI活用医師の割合：1割未満。 薬事承認の件数と実臨床での利用率の間に、大きな断絶が存在します。
成長市場であることは間違いありません。しかし、その成長を阻んでいるのはAIモデルの性能ではなく、インフラとワークフローの壁です。次のセクションでは、この壁がなぜ生まれているのか、その要因を3つの視点から掘り下げます。
構造的な要因の分析
医療AIの技術は実用水準に達している。にもかかわらず、現場への浸透は遅い。このギャップはなぜ生まれているのでしょうか。要因を3つの視点から整理します。
視点1：電子カルテの「閉じた世界」——ベンダーロックインの壁
最も根深い問題は、電子カルテ市場の寡占構造です。
国内の電子カルテ市場は、富士通、NEC、PHCホールディングスなど少数のベンダーが大きなシェアを握っています。総務省が2025年に公表した「医療分野におけるデータ利活用に関する調査研究」でも、電子カルテのデータ形式やAPIの仕様がベンダーごとに異なる点が、医療データの二次利用やシステム連携を阻む主因として指摘されました。
実は、これは日本固有の問題ではありません。米国でも同様の課題がありました。ただし米国では、21st Century Cures Act（21世紀治療法）によって電子カルテベンダーに対し「情報ブロッキング」を禁止する規制が2021年から段階的に施行されています。ベンダーが意図的にデータ連携を妨げる行為を法律で禁じたのです。
日本にはこうした強制力のある規制がまだ存在しません。厚生労働省は2024年に「電子カルテ情報共有サービス」の運用を開始し、標準規格での情報共有を推進しています。しかし、対象となるデータ項目は限定的で、すべての臨床情報がオープンにやり取りできる段階には至っていません。
結果として、AI企業が新しい診断支援ツールを開発しても、それを各病院の電子カルテに接続するたびに個別のカスタマイズが必要になります。接続コストが膨らみ、スケールしにくい。これがベンダーロックインの実害です。
視点2：HL7 FHIR対応の遅れ——標準化なきデータ連携
2つ目の視点は、国際標準規格への対応の遅れです。
HL7 FHIR（Fast Healthcare Interoperability Resources）は、異なる医療システム間でデータを共通フォーマットでやり取りするための国際規格です。米国やオーストラリアでは、政府主導でFHIR対応を義務化・推奨する動きが進んでいます。
一方、日本ではFHIR対応が本格化したのは比較的最近です。厚生労働省は「医療DX推進本部」を通じて、2030年までにほぼすべての医療機関での電子カルテ導入と標準規格対応を目指すロードマップを示しています（厚生労働省「医療DXの推進に関する工程表」2023年策定、2025年改定）。しかし2026年半ばの現時点で、FHIR準拠のAPIを外部に公開している電子カルテシステムはまだ少数にとどまります。
ここで問題になるのが、医療SaaS企業への影響です。たとえばAI問診サービスやリモート患者モニタリングを提供するスタートアップが、全国の医療機関にサービスを展開しようとしても、接続先の電子カルテごとにデータ形式が異なるため、1施設ずつ個別対応が必要になります。
標準化が進まなければ、医療SaaSはスケールしない。これは技術の問題ではなく、業界全体の合意形成とルール整備の問題です。
視点3：医療現場のワークフロー慣性——「変えられない日常」
3つ目は、現場の運用面です。
正直なところ、最も見落とされがちな要因がここにあります。医療現場は、患者の安全を最優先にした厳密なワークフローで動いています。新しいツールの導入は、既存の業務手順の変更を意味します。それは、安全管理上のリスク評価、スタッフへの教育、マニュアルの改訂など、膨大な付随作業を伴います。
日本医療情報学会が2025年に開催した年次大会の報告では、AI導入に成功した施設の共通要因として「既存ワークフローを大きく変えずにAIを組み込んだこと」が挙げられました。逆に言えば、ワークフローの大幅な変更を求めるAI製品は、どれほど精度が高くても採用されにくいということです。
医師の日常業務は分刻みで動いています。電子カルテを開き、検査結果を確認し、処方を入力し、次の患者を診る。この流れの中にAIが「自然に溶け込む」設計でなければ、現場は受け入れません。画面遷移が1つ増えるだけで、導入のハードルは跳ね上がります。
3つの壁が重なる場所
ここまで見てきた3つの要因をまとめます。
ベンダーロックインによる接続コストの高さ。 標準規格対応の遅れによるスケーラビリティの欠如。現場ワークフローへの統合ハードルの高さ。
この3つは独立した問題ではなく、互いに強化し合っています。標準化が進まないからベンダーロックインが温存され、接続コストが高いからワークフローに溶け込む設計ができず、現場に受け入れられないから投資回収の見通しが立たない——という悪循環です。
ちなみに、この悪循環を断ち切る可能性を持つプレイヤーが、2026年に入って存在感を増しています。次のセクションでは、この課題に取り組む主要企業の戦略を比較します。
プレイヤーごとの戦略比較
医療AIの実装を阻む3つの壁——ベンダーロックイン、標準化の遅れ、ワークフロー統合の難しさ。この壁に対して、各プレイヤーはどのようなアプローチで挑んでいるのでしょうか。主要企業の戦略を「AIモデル開発側」「医療ITインフラ側」「ミドルウェア・インテグレーター側」の3つの軸で比較します。
AIモデル開発側：富士フイルム・エムスリー
まず、AIモデルそのものを武器にする企業群です。
富士フイルムは、画像診断支援AIブランド「REiLI」を軸に展開を進めています。同社の強みは、医療機器メーカーとしての薬事承認ノウハウと、PACSなど画像管理システムの既存顧客基盤を持つ点です。富士フイルムメディカルのPACS「SYNAPSE」は国内トップクラスのシェアを誇り、自社のPACS上にAI機能を統合できるため、他社製品と比べてワークフローへの組み込みがスムーズです。自社エコシステム内で完結する垂直統合型の戦略と分析できるでしょう。
一方、エムスリーは医師向けプラットフォーム「m3.com」で国内医師の約30万人以上が登録するネットワークを持っています（エムスリー公式IR資料）。AI問診やデータ解析の領域では、この医師ネットワークを通じたフィードバックループが差別化要因です。実は、AIモデルの精度向上には大量の臨床フィードバックが不可欠であり、エムスリーの医師基盤はデータ収集の面で圧倒的な優位性を持っています。
医療ITインフラ側：富士通・NEC
次に、電子カルテやシステム基盤を握るプレイヤーです。
富士通は電子カルテ「HOPE」シリーズで大規模病院を中心に高いシェアを維持しています。NECも同様に「MegaOak」ブランドで中〜大規模病院への導入実績を積み重ねてきました。
この2社に共通する課題は、自社の電子カルテ基盤をどこまで「開く」かという判断です。厚生労働省の医療DX工程表が求めるHL7 FHIR対応に向けて、両社ともAPI開発を進めていることは公表されています。しかし、APIを全面開放すれば、自社エコシステムの囲い込みが弱まる。閉じたままではDX推進の流れに取り残される。このジレンマが、インフラ側プレイヤーの戦略を難しくしています。
正直なところ、ここが医療DXの最大のボトルネックです。インフラを握る企業のAPI開放スピードが、業界全体のDX進度を左右しています。
ミドルウェア・インテグレーター側：ヘルステック新興勢力
そして2026年、最も注目すべき動きを見せているのがこの領域です。
たとえば、医療データ連携プラットフォームを手がけるTXP Medicalは、救急領域を起点に複数の医療機関と電子カルテの間をつなぐデータ連携基盤を構築しています。メドレーが提供するクラウド型電子カルテ「CLINICS」も、FHIR対応のAPIを早期から実装し、外部サービスとの接続性を売りにしています。
こうしたミドルウェア企業の役割は明確です。AIモデル開発企業と、既存の電子カルテシステムの「間」をつなぐ翻訳者。異なるベンダーのデータ形式を標準化し、AIが必要とするデータを適切な形で届ける。地味ですが、医療AI実装のボトルネックを直接解消する存在です。
戦略の分岐点
各プレイヤーの戦略を俯瞰すると、2つの分岐点が浮かび上がります。
第一に、「垂直統合」か「水平連携」か。 富士フイルムのように自社エコシステム内でAIからインフラまで一気通貫で提供するか、それともミドルウェア企業のようにオープンな連携基盤を武器に複数のベンダーをまたぐ水平展開を目指すか。この選択が中長期の競争力を左右します。
第二に、「データのハブ」を誰が握るか。 最終的に医療AIが本格普及する局面では、膨大な臨床データが集まるプラットフォームが圧倒的な優位に立ちます。電子カルテベンダーか、医師ネットワークを持つプラットフォーマーか、あるいはデータ連携に特化したミドルウェア企業か。この覇権争いが、2026年後半から一気に加速していくと分析できるでしょう。
ちなみに、海外ではEpic Systems（米国最大の電子カルテベンダー）がFHIR対応のオープンAPIを積極的に公開し、サードパーティのAIアプリが自社基盤上で動く「アプリマーケットプレイス」モデルを展開しています。日本の電子カルテベンダーがこの方向に舵を切るかどうかも、今後の鍵となります。
今後の予測と提言
ここまで見てきたように、2026年の医療AI市場は「技術はある。しかし現場に届かない」という状態にあります。では、この先3〜5年で何が起きるのか。3つのシナリオを提示します。
シナリオ1：2027〜2028年——標準化の「強制力」が動き出す
最も確度の高い変化は、政府主導の標準化加速です。
厚生労働省が策定した「医療DXの推進に関する工程表」（2023年策定、2025年改定）では、2030年までにおおむねすべての医療機関で電子カルテを導入し、標準規格に対応させる方針が明記されています。この工程表に沿って、2027年度以降は診療報酬の加算要件にHL7 FHIR対応を組み込む可能性が高いと見ています。
実は、診療報酬というインセンティブは医療機関の行動を変える最大のレバーです。「FHIR対応の電子カルテを使っていれば加算がつく」となれば、ベンダー側も対応を急がざるを得ません。米国で21st Century Cures Actが情報ブロッキングを禁止したように、日本でも経済的な誘導策を通じて事実上の強制力が働く。この流れは2027〜2028年に具体化するでしょう。
シナリオ2：2028〜2029年——ミドルウェア企業の淘汰と集約
標準化が進めば、医療データ連携の市場は一気に拡大します。ただし、その恩恵を受けるプレイヤーは限られます。
現在、医療特化のAPIミドルウェアやインテグレーションサービスを提供するスタートアップは国内に数十社存在します。しかし、標準規格が普及すれば「異なるシステムをつなぐ翻訳作業」の一部は不要になります。単なる接続代行ではなく、データの品質管理やAIモデルとの最適な連携設計といった高付加価値領域で差別化できる企業だけが生き残る。ミドルウェア市場の淘汰と集約。これが2028〜2029年に起きる変化です。
ちなみに、この文脈で注目すべきは大手IT企業による買収の動きです。富士通やNECが、自社の電子カルテ基盤を補完するためにミドルウェアスタートアップを取り込むシナリオは十分に現実的です。
シナリオ3：2029〜2030年——「データのハブ」をめぐる決戦
3つ目のシナリオは、最も大きな産業構造の変化です。
標準化が進み、データ連携基盤が整備されると、次に起きるのは「どのプラットフォームに臨床データが集まるか」をめぐる競争です。ここが医療DXの真の決戦場となります。
総務省が2025年に公表した「医療分野におけるデータ利活用に関する調査研究」では、医療データの二次利用（創薬・疫学研究・AIモデル学習など）の経済的価値が、2030年時点で国内だけでも年間数千億円規模に達する可能性が示唆されています。このデータ経済圏のハブを誰が握るかで、医療AI産業全体の勢力図が決まります。
候補は3つです。電子カルテベンダーが自社基盤をプラットフォーム化するパターン。エムスリーのような医師ネットワーク企業がデータ集約の起点になるパターン。そして、クラウド基盤を持つAWSやGoogle Cloudがインフラレイヤーから医療データ市場に食い込むパターン。正直なところ、2026年現在ではどのシナリオが優勢とも断言できません。ただし、確実に言えることが1つあります。
AIモデルの精度競争だけでは、この戦いに勝てない。
提言：テクノロジー企業が今やるべきこと
最後に、医療AI領域への参入を検討する企業に向けて、2つの提言を記します。
1つ目は、FHIR対応を「後回し」にしないこと。 標準規格への対応は差別化要因ではなく、2028年以降の市場参加の前提条件になります。今から対応を進めておかなければ、市場が開いた瞬間に出遅れます。
2つ目は、「ワークフロー統合」を設計の起点にすること。 医師の業務動線を1秒でも増やすAI製品は普及しません。技術的に何ができるかではなく、現場の業務フローのどこに・どう溶け込むかを最初に設計する。この順序を間違えると、薬事承認を取得しても使われない製品が生まれるだけです。
医療AIの「真の戦場」は、すでにモデルの精度から離れています。データ連携基盤の覇権、ワークフローへの溶け込み、そして標準化への先手。この3つが、2026年以降の勝敗を分ける鍵となります。