Vibe codingで医療をhack!

Transcript

1. Vibe Coding で 医療を Hack! 未経験から始める、AI駆動のプロダクト作り 2026年 6⽉22⽇ 主催：Storange Doctor 登壇者：松村 ⼤央
2. ⾃⼰紹介 松村 ⼤央/ Tao Matsumura 東京⼤学医学部医学科6年 フリーランスエンジニア
3. 今⽇お伝えしたいこと 01 AIで「できること‧ できないこと」の 肌感覚 02 アイデアを "動くもの"にする 体験 03 医療 × 技術の 可能性
4. 今⽇の主役は 「LLM」 ChatGPT Claude Gemini など AI (⼈⼯知能) 機械学習 深層学習 LLM
5. LLMは何をしている？ 「次の単語」を 予測し続けているだけ スマホの予測変換の"化け物"版 私は医者を| ⽬指す 85% 呼ぶ 10% 辞める 4%
6. 得意なこと‧苦⼿なこと 得意 ⽂章⽣成‧要約 アイデア出し コード⽣成 苦⼿ 正確な計算 最新情報 事実の保証 ハルシネーション
7. AIへの頼み⽅で結果は変わる プロンプトの基本型 役割 ⽂脈 具体的な指⽰ 出⼒形式 Before 「これ良くして」 After 「あなたは医療UXデザイナーです。 この引き継ぎメモを 抜け漏れなく 箇条書きにしてください。」
8. コードも"⾔葉" ⽇本語で頼む コードが返ってくる AI駆動開発 ＝ ⼈間は「何を作るか」 AIが「どう書くか」
9. "書く"から "任せる"へ コーディングエージェント コードを返す ファイルを作り‧ 動かし‧直す このあと実際に使います（Claude Code）
10. エンジニアの仕事の変化 Before ⼀⾏ずつ調べて書く After AIに下書きさせ、 ⼈間は設計‧判断に集中 「書く⼈」から「指揮する⼈」へ
11. 実際の活⽤シーン コード⽣成‧補完 バグ調査 テスト⾃動⽣成 ドキュメント作成
12. スピードが武器に アイデア 動くものまでが、 激速に 少⼈数でもプロダクトが作れる これまで アイデア 動くもの AI駆動 アイデア 動くもの
13. キーワード： MVPと⾼速検証 臨床研究の仮説検証と同じ ⼩さく試して、データで判断する MVP 検証に必要な最⼩限のプロダクト 「完璧を半年」 より 「荒くても2週間で出して反応を⾒る」
14. 壁打ちアクティビティ： 医療現場の「⾯倒」 「あったらいいな」を 1つ選ぼう 3:00 ⽬安 当直引き継ぎ 国試進捗 患者説明資料 備品の場所 実習スケジュール共有
15. このプロンプトを コピーして 使ってみよう PROMPT あなたは経験豊富なプロダクトマネージャーです。 医療系の課題を解決するアプリを考えています。 【解決したい課題】（ここに⾃分の課題） 次を⼀緒に考えてください： ① 本当に困っている⼈は誰か ② 最⼩限どんな機能で価値が出るか（MVP） ③ 似たサービス‧差別化ポイント ④ 想定リスク‧注意点 ⼀度に答えず、私に質問しながら⼀緒に詰めて。
16. 壁打ちのコツ 01 AIに質問させる （⼀気に答えさせない） 02 「機能を3つに 絞ると？」と ⾃分から追い込む 03 否定的な視点 （リスク）も あえて聞く
17. さっきの企画を、 その場で"動くもの"にする 国試進捗トラッカー
18. Claude Code ライブデモ STEP 1 フォルダを作る STEP 2 プロンプトを 投げる STEP 3 AIがコードを書き サーバーを ⽴ち上げる STEP 4 ブラウザで 確認する
19. あなたのブラウザでも 作れます 環境構築ゼロ スマホ‧PCのブラウザから すぐ試せる
20. 会話で「改修」していく 「ここを直して」で、 どんどん進化する Before 「⽂字が⼩さくて⾒づらい」 After 「⾼齢者向けに、フォントサイズを1.5 倍にして、コントラストを強くして」
21. 「動いた」と 「使ってもらえる」は 別物 プロトタイプとリリースの間には 「死の⾕」がある セキュリティ 法律‧規制 運⽤コスト
22. プロトタイプ → リリースの地図 1 ローカルで動かす 2 コードを管理する（GitHub） 3 ネットに公開する（AWS等） 4 セキュリティと法律を確認 5 実際のユーザーに届ける 対話しながら改善し、リリースへ
23. 知っておくと便利なツールたち AIが「裏側」で使う道具。名前と役割だけでも知っておこう GitHub バージョン管理 コードを保存し、変更の履 歴を全部残す「貯蔵庫」。 元に戻すのも共同作業もこ こから。 Vercel デプロイ / 公開 作ったWebアプリを、URL ⼀つで世界に公開できる 「舞台」。⾯倒なサーバー 設定が不要。 Supabase DB / 認証 データの保存場所（DB）と ログイン機能を、まとめて ⽤意してくれる「⼟台」。 AWS / クラウド インフラ基盤 サーバーや計算資源を必要 なだけ借りられる「電⼒会 社」。多くのサービスの⼤ 元。 AIはこれらを勝⼿に使ってくれる。でも「これは何のための道具か」を理解していないと、事故が起きても気づけない。 仕組みを知ることが、安全に使う第⼀歩。
24. AI駆動開発の「落とし⽳」全体像 「動いた！」の瞬間が、⼀番あぶない プロトタイプは「動けばOK」。でも世界に公開した瞬間、⾒えていなかった3つの落とし⽳が⼝を開ける。 セキュリティ 秘密情報の漏洩、脆弱性、AIの暴⾛によ るデータ破壊。⼀度起きると取り返しが つかない。 お⾦（コスト） クラウドの課⾦は⻘天井。設定ミスや攻 撃で、ある⽇突然、⾼額請求が届くこと も。 法律‧規制 医療情報の取り扱いや医療機器規制。知 らずに踏み込むと、法的責任を問われ る。 では、実際に何が起きたのか？
25. エピソード① 「動くけど、⽳だらけ」 「動く」 ≠ 「安全」 約 40 % AIが⽣成したコードに 脆弱性が含まれる割合 ※スタンフォード⼤学の研究などに基づく推計
26. エピソード② 「9秒で会社のDBが 全部消えた」 AIエージェントの "暴⾛" 「不要なファイルを消して」と指⽰ AIが本番データベースの認証情報を発⾒ 権限がフルオープンだったため、 9秒で全データ削除 AIは指⽰を忠実に、超⾼速で実⾏する
27. 5つの鉄則 01 本番データ（特に個⼈情報）は絶対に⼊れない 02 APIキーやパスワードはコードに書かない（環境変数を使う） 03 AIの提案を「読まずに実⾏」しない 04 課⾦アラートを必ず設定する 05 最⼩権限の原則（必要以上の権限を与えない）
28. 法律‧規制 ①： 医療情報と個⼈情報 医療情報は 「要配慮個⼈情報」 患者の⽒名‧疾患名‧画像は 絶対にAIに流し込まない ダミーデータ（ダミーの患者Aさん）で開発す る 院内ルール‧ガイドラインを必ず確認
29. 法律‧規制 ②：医療機器（SaMD）の分かれ道 「診断‧治療」に踏み込むと、ハードルが跳ね上がる セーフ（⾮該当） 記録‧表⽰のみ ⾎圧のグラフ化 当直メモ アウト（該当） 診断‧推奨 画像から病名を判定 投薬量の指⽰ まずは⾮該当の範囲で、 業務効率化 から始めるのが鉄則
30. 作る⾃由と、守る責任はセット 誰でも作れる時代だからこそ、 「何を守るべきか」を知っている 医療者の価値が⾼い 技術はAIが補ってくれる。 でも、倫理と責任は⼈間が担保する。
31. すでに始まっている 画像診断補助 X線‧MRIの読影⽀援 ⾒落とし防⽌アラート 病変の⾃動マーキング カルテ作成⽀援 ⾳声⼊⼒からの⾃動テキスト化 SOAP形式への⾃動要約 紹介状の下書き⽣成 創薬‧研究 タンパク質構造の予測 膨⼤な論⽂からの知識抽出 新薬候補化合物の探索
32. AIが"⾯倒"を 引き受ける 事務作業や情報収集を AIに任せることで、 本来の役割である 「患者と向き合う時間」を 最⼤化する。
33. これから来る未来 個別化医療の究極系 ゲノム情報や⽇々のバイタルデータから、患者⼀⼈ひとりに最適な治療法をAIが 導き出す。 「治す」から「防ぐ」へ ウェアラブル端末の連続データからわずかな兆候を捉え、発症前にリスクを検知 ‧介⼊する。 医療アクセスの均伝化 専⾨医の知⾒を学習したAIがサポートすることで、地域や環境に依存しない⾼度 な医療を提供する。
34. AIに置き換えられないもの 最後に残るのは「⼈間同⼠の信頼」 患者の不安に寄り添うこと 複雑な⽂脈から「その⼈にとっての最善」を判 断すること 責任を負うこと AIに奪われるのではなく、 AIを使いこなす医療者になる
35. 課題を⼀番知る⼈が、 解決する⼒を持てる時代 医療現場の「不便」や「痛み」に⼀番近いのは、 エンジニアではなく、現場にいるあなたです。 AIという強⼒な武器を⼿に⼊れた今、 プログラミングの壁は消えました。 あなたのアイデアが、 明⽇の医療を変える第⼀歩になります。
36. 今⽇の振り返り STEP 1 AIの現在地を 知る LLMの仕組みと 得意‧苦⼿ STEP 2 アイデアを 形にする 壁打ちプロンプト 体験 STEP 3 "動くもの"を 作る Claude Code ライブデモ STEP 4 リリースへの 壁を知る 死の⾕と 5つの鉄則
37. Thank you ご清聴ありがとうございました Q&A