１．はじめに：歴史的転換点を迎える調剤薬局と、研究・教育者が今知るべきこと
2025年の今、日本の調剤薬局は、生成AI（Generative AI）という強力なツールによって、その在り方を根底から変える歴史的な転換点に立っています。単なる業務効率化のツールではなく、薬剤師の専門性を再定義し、患者ケアの質を飛躍的に向上させる可能性を秘めたこの技術は、私たち医療研究者や薬学部教員にとっても看過できない重要なテーマです。本記事では、生成AIが調剤薬局にもたらす変化、そして医療研究と薬学教育に与えるインパクトについて、深く、そして分かりやすく解説していきます。
生成AIの導入は、薬歴作成の自動化に代表される「対物業務」からの解放を意味します。これにより創出された時間を、いかにして高度な「対人業務」へと振り向けるか。その実践知は、新たなファーマシューティカルケア研究のシーズ（種）となり、未来の薬剤師を育成する薬学教育の羅針盤となるはずです。本稿が、皆様の研究テーマ設定やカリキュラム改訂の一助となれば幸いです。
２．生成AIがもたらす調剤現場のパラダイムシフト
現在の調剤現場では、生成AIの社会実装が急速に進んでいます。特に注目すべきは、薬剤師と患者様の対話をAIが自動で要約し、電子薬歴の草案を作成するサービスです。例えば、日本調剤さまが全店舗への導入を進める「corte」などがその代表格です。これにより、これまで薬剤師の大きな負担となっていた薬歴記載業務が劇的に効率化され、入力時間は60%以上削減されたという報告も見られます。これは、単なる時間短縮以上の価値を有しています。
この変革は、薬剤師の業務モデルを「対物業務中心」から「対人業務中心」へと移行させる、いわゆるパラダイムシフトを強力に後押しします。対物業務とは、処方箋の入力、ピッキング、監査、薬歴の記録といったモノやデータに向かう作業を指します。一方、対人業務は、患者様との対話を通じた服薬指導、副作用のモニタリング、生活習慣へのアドバイス、そして心理的なサポートなどを含みます。生成AIは対物業務の多くを代替・支援することで、薬剤師が本来最も価値を発揮すべき、人間的な温かみと高度な専門的判断が求められる対人業務に集中できる環境を創出しているのです。
３．薬歴作成の自動化が創出する「時間」という新たな資源
薬歴作成の自動化は、調剤薬局における働き方改革の切り札とも言えます。従来、薬剤師は患者さまとの服薬指導中も、薬歴に残すべき内容を記憶したり、手元のメモに書き留めたりする必要がありました。この「ながら作業」は、患者さまへの集中を妨げる一因となっていました。しかし、生成AIが対話の記録と要約を担うことで、薬剤師は100%患者様に向き合い、その表情や声のトーンから些細な変化を読み取り、より深いコミュニケーションを築くことが可能になります。
さらに、業務終了後に残って薬歴をまとめていた時間も大幅に削減されます。この新たに生まれた「時間」という資源は、薬剤師にとって最大の武器です。この時間を、在宅医療への参画、地域の多職種連携カンファレンスへの参加、最新の医学・薬学情報の学習、そして何よりも患者さま一人ひとりへの丁寧なフォローアップに充てることができます。時間は有限であり、その使い方こそが薬局の、そして薬剤師の価値を左右する時代になったと言えると思います。
４．生成AIが拓くファーマシューティカルケア研究の新次元
生成AIの導入は、臨床現場に質の高いデータを蓄積するという副次的な、しかし極めて重要な効果をもたらします。これまで手書きや自由記述が中心で、客観性や網羅性にばらつきがあった薬歴情報が、AIによって構造化・標準化されたテキストデータとして保存されるようになります。これは、私たちにとって、まさに「宝の山」が出現したことを意味します。これまで困難だった大規模な観察研究や介入研究が、現実的なものとして視野に入ってきます。
例えば、数万人規模の薬歴データを解析し、特定の薬剤における副作用の初期兆候を対話データから見つけ出す予測モデルを構築できるかもしれません。また、AIが提案した服薬指導内容と、患者のアドヒアランス（医師の指示通りに服薬すること）の変化との相関関係を分析することで、より効果的な指導法のエビデンスを創出することも可能です。これらの研究は、薬剤師の経験則や勘といった暗黙知を、誰もが活用できる形式知へと昇華させるプロセスであり、学術的意義は計り知れないと思います。
５．リアルワールドデータ（RWD）の宝庫となる次世代電子薬歴
次世代の電子薬歴は、単なる記録媒体ではなく、リアルワールドデータ（RWD）の生成源として機能します。リアルワールドデータとは、日常の診療行為から得られる医療データのことで、臨床試験のような管理された環境ではない、実社会での医薬品の有効性や安全性評価に不可欠です。生成AIによって構造化された薬歴データは、処方情報、患者背景、指導内容、患者の反応、副作用疑義情報などを包括しており、極めて質の高いRWDと言えます。
さらに、この薬歴データを電子処方箋システムやPHR（Personal Health Record、個人の健康記録）と連携させれば、研究の可能性はさらに広がります。例えば、患者が日常的に記録している血圧や血糖値、活動量といったPHRデータと、薬歴データを統合解析することで、薬物治療が患者のQOL（生活の質）に与える影響をより具体的に評価できるようになります。研究者は、これらのデータを活用して、新たなエビデンスを創出し、臨床現場や政策へとフィードバックしていく重要な役割を担っています。
６．AI時代に求められる薬剤師像と薬学教育の革新
生成AIの普及は、薬剤師に求められる能力、すなわちコンピテンシーを大きく変化させます。これからの薬剤師は、単に知識が豊富なだけでは不十分です。AIを部下のように使いこなし、そのアウトプットを鵜呑みにせず、自らの専門知識と倫理観に基づいて批判的に吟味し、最終的な臨床判断を下す能力が不可欠となります。これは、薬学教育のあり方そのものを見直す必要性を示唆しているかもしれません。
特に重要になるのが、AIの「ハルシネーション」を見抜く能力です。ハルシネーションとは、AIが事実に基づかない、もっともらしい嘘の情報を生成してしまう現象を指します。AIが生成した薬歴草案や服薬指導案に、巧妙な誤りが含まれている可能性は常にあります。これを見抜き、添付文書や最新の診療ガイドラインといった信頼性の高い情報源と照らし合わせて修正・判断することこそ、AIにはできない、人間である薬剤師の核となる専門性です。この能力を養うための教育が、急務となっています。
７．「AIを評価する薬剤師」を育てるための新・薬学教育モデル
これからの薬学教育では、従来の知識偏重型モデルから脱却し、「AIを評価し、使いこなせる薬剤師」を育成するための新たな教育モデルが求められると思います。具体的には、薬学教育モデルコアカリキュラムに、医療情報学やAIリテラシー、医療AI倫理といった科目を体系的に組み込む必要があります。学生は、AIの基本的な仕組みと限界を理解し、その上でAIをパートナーとして活用する思考法を学ぶ必要があるかもしれません。
また、講義だけでなく、実務実習においてもAI活用を積極的に取り入れるべきかもしれません。実習先の薬局で実際に生成AIツールに触れ、AIが作成した薬歴草案を指導薬剤師と共に評価・修正する経験は、何物にも代えがたい学びとなります。学生は、AIの便利さを体感すると同時に、その出力に潜むリスクを肌で感じ、最終判断の責任は常に人間にあることを学びます。教育者は、このような新しい学修環境を整備し、次代を担う薬剤師を育成していく責務があるかもしれません。
８．導入を阻む課題と、乗り越えるための視点
生成AIの導入は、輝かしい未来だけを約束するものではありません。私たちは、その光と影の両方を冷静に見つめる必要があります。最大の技術的課題は、前述した「ハルシネーション」です。医薬品情報という生命に直結する領域において、情報の不正確さは許容できません。AI出力のファクトチェックを薬剤師が担うという運用は当面の解決策ですが、将来的には医薬品データベースとリアルタイムで照合するような、より高度な技術的対策が求められます。
また、人的・組織的課題も深刻です。高機能なAIシステムの導入には相応のコストがかかり、資金力のある大手薬局チェーンと中小薬局との間で、デジタル格差が広がる懸念があります。さらに、新しいシステムへの適応に困難を感じる薬剤師も少なくなく、全スタッフが恩恵を享受できるような丁寧な研修とサポート体制が不可欠です。これまで慣れ親しんだ業務フローを大胆に変える組織全体の変革意識も、成功の鍵を握ります。
９．中小薬局はどうする？導入格差（デバイド）という現実的課題
大手チェーンが主導するDXの波の中で、地域に根ざす多くの中小薬局が取り残されてしまうのではないか、という懸念は現実的な課題かもしれません。高額な初期投資やランニングコストは、経営体力の乏しい薬局にとっては大きな障壁となります。この導入格差（デジタルデバイド）が、提供される医療の質の格差に直結してしまってはならないと思います。この問題を解決するためには、個々の薬局の努力だけに頼るのではなく、業界全体のエコシステムとして考える視点が必要だと思います。
例えば、比較的安価に利用できるクラウド型のAIサービスを複数の薬局で共同利用するモデルや、地域の薬剤師会が主導して導入支援を行うといった取り組みが考えられます。また、国や自治体による中小薬局向けのDX導入補助金の拡充も期待されます。重要なのは、技術の恩恵を一部の強者だけでなく、全ての薬局、ひいては全ての患者様が享受できるような仕組みを、社会全体で構築していくかもしれません。
１０．生成AIと薬剤師が共創する個別化医療の実現に向けて
生成AIと薬剤師の関係は、単なる「業務の代替」ではなく、「能力の拡張」と捉えるべきと思います。今後、技術はさらに進化し、音声や画像、テキスト情報を統合的に解析する「マルチモーダルAI」が薬局に導入されることになると思います。患者様の表情や声のトーンから心理状態を読み取り、薬の画像から種類を特定し、対話内容と統合して、より精緻な服薬指導案を提案することが現実のものになるでしょう。そんな未来がすぐそこまで来ています。
このような先進技術を使いこなす薬剤師は、もはや単なる「薬を渡す専門家」ではありません。地域住民一人ひとりの健康状態、生活習慣、価値観を深く理解し、AIが集約したデータを基に最適なヘルスケアを提供する「かかりつけ薬の専門家」として、地域包括ケアシステムのハブとなる存在へと進化していくでしょう。その未来を実現するためには、医療研究によるエビデンスの創出と、それに基づいた薬学教育の革新が不可欠です。研究と教育は、この変革を支える両輪といえるでしょう。
１１．変革の主役は、AIではなく人間である
本記事では、生成AIが調剤薬局にもたらす多角的なインパクトについて、医療研究者と薬学部教員の皆様の視点から考察してきました。生成AIは、薬歴作成や在庫管理といった対物業務を効率化し、薬剤師が専門性を発揮すべき対人業務へとシフトさせる強力な推進力となります。この変化は、質の高いリアルワールドデータの蓄積を促し、新たな研究シーズを生み出すと同時に、薬学教育に「AIを使いこなす能力」の育成という新たな使命を与えています。
私たちは、技術的・組織的な課題を直視しつつも、この変革の波を前向きに捉えるべきかもしれません。なぜなら、この変革の最終的な目的は、テクノロジーの導入そのものではなく、テクノロジーを使って「患者ケアの質を向上させること」だからです。そして、その変革の主役はAIではなく、AIを使いこなし、患者さまに寄り添い、最終的な臨床判断に責任を持つ「人間」である薬剤師に他ならないと思います。私たち研究者・教育者は、未来の薬剤師たちがその重責を担えるよう、全力で支援していく責務があることを心にとめる必要があります。
免責事項
本記事は、生成AIの活用に関心を持つ医療研究者および薬学部教員向けに、調剤薬局における技術動向や将来の展望に関する情報を提供することを目的として作成されたものです。医療アドバイス、診断、治療、あるいは法務・経営に関する専門的な助言を提供するものではありません。
記事の内容は、執筆時点で信頼できると考えられる情報源や専門家の知見に基づき、細心の注意を払って作成しておりますが、その情報の完全性、正確性、最新性を保証するものではありません。特に、AI技術、関連法規、制度、市場動向は急速に変化する可能性があります。
本記事に含まれる将来の予測や展望に関する記述は、執筆時点での見通しであり、その実現を保証するものではありません。
本記事の情報を利用したことによって、利用者または第三者に何らかの損害が生じた場合においても、筆者および情報提供元は一切の責任を負いかねます。具体的な研究、教育、経営、または臨床上の判断を下される際には、必ずご自身の責任において、医師、薬剤師、弁護士等の各分野の専門家にご相談ください。
本記事は生成AIを活用して作成しています。内容については十分に精査しておりますが、誤りが含まれる可能性があります。お気づきの点がございましたら、コメントにてご指摘いただけますと幸いです。
<a href=”https://amzn.to/3ZQvnSm” target=”_blank” rel=”nofollow”> Amazonでこの関連書籍「薬局2025年76巻6月号(No.7)生成AI×薬剤師 明日からのしごとに役立つ基本&活用術」を見る </a>