Loading...
ベータ分野別AI・肌色素治療
DermatoScan AI
色素治療の機器選択を標準化するAI
11個の色素病変と6個の美容機器を連結し、色素治療の機器選択を標準化するAIです。診断と施術の最終判断は常に医療スタッフによって行われ、AIはその決定に基づいて支持されます。
臨床検証の現状
狎鴎亭Tune Clinic初検証事例（そばかす・黒字・シミ）50+
マッピングされた色素病変の種類11
マッピングされた美容機器6
代替ではなく補強です
DermatoScan AIは医療スタッフに代わるものではありません。色素病変と機器の接続に関する根拠ベースのガイドを提示するだけで、診断と手術を最終的に決定する主体はいつも医療スタッフです。医療スタッフが意思決定の主体として残るこの構造は、まもなく患者と医療機関がシステムを信頼できる基盤であり、AetherHeal Globalがすべての製品を設計する一貫した原則です。
問題
色素治療は機器の選択から分かれる
同じ病変でもどのような機器でどのようにアクセスするかによって結果が変わりますが、その選択は依然として施術者個人の経験に大きく依存します。
01
病変 - 機器マッチングの偏差
そばかす・黒字・シミのような色素病変は、種類や色素が位置する深さによって適切な波長と機器が異なります。同じ診断でも施術者が違うと選択する機器が分かれ、その違いが結果の一貫性を落とします。特にシミのように刺激に敏感な病変は、誤った機器選択が色素反応を悪化させることができ、マッチングの整合性がまもなく安全性と直結します。
02
デバイス選択の不透明性
様々な種類のレーザー・トーニング装備を一緒に保有する医療機関であるほど、逆説的に「ある病変にどんな機器を」という選択基準が明文化されていない場合が多いです。基準が頭の中にしかないと、同じ機関内でも医療スタッフごとに判断が分かれ、患者に一貫した治療経験を確保することは困難です。
03
経験の非標準化
長い施術で蓄積された臨床ノウハウは個人の暗黙の地だけで残り、組織の明示的な基準に転換されません。その結果、熟練医療スタッフが席を空けるとノウハウも一緒に消え、新たに合流した人材は同じ試行錯誤を最初から繰り返し、学習曲線が長くなります。
仕組み
病変を読み、機器に接続する
DermatoScan AIは色素病変を分類し、医療機関が保有する機器の構成に合わせて基礎ベースの選択ガイドを提示します。
STEP 01
11個の病変×6個の機器接続
11個の色素病変と6個の美容機器を一つの連結構造にまとめたのがDermatoScan AIの核心資産です。入力された病変がどんな種類・深さに該当するかを分類した後、その病変に臨床的に適した機器選択肢を絞り込んで提示します。この連結構造は、狎鴎亭チューン院の実際の施術データと大学病院諮問に基づいて構成されており、抽象的なルールではなく臨床現場で検証された関係を反映しています。
STEP 02
Claude APIベースの補助
選択判断はClaude APIに基づいて動作します。病変の特性と各機器の適応症を組み合わせて「なぜこの機器なのか」の根拠とともにガイドを生成するので、医療スタッフが結果をそのまま受け入れるのではなく、判断の文脈を一緒に検討することができます。すべての出力は医療スタッフの最終レビューを前提として提供され、AIは決定に代わることなく結晶の材料を整理します。
ルーティングマトリックス
4機器選択マトリックス
代表的な色素治療機器構成を例にした4機器選択マトリックスです。病変の種類と色素の深さを軸に、入力された病変を以下の4つの機器のうち臨床的に最適な経路に導きます。実際導入時には医療機関が保有する機器構成に合わせて基準を調整して適用します。
| 端末 | 担当ルート |
|---|---|
| ピコシュア | ピコ秒レーザーで、短いパルスで色素粒子を精密に分解し、そばかす・黒字のような明確な点状色素病変経路でまず考慮されます。 |
| ハリウッド・スペクトラ | 調色系の装置で、シミのように境界がぼやけて広く広がった色素を低刺激で徐々に治す経路に配置されます。 |
| エクセルV | 血管・色素が一緒に絡み合った複合病変経路を担当し、単一色素装備だけでは扱いにくいケースの選択肢として提示されます。 |
| アポジープラス | 長波長レーザーで色素が比較的深く位置する特定の適応経路で考慮され、表在性機器と役割を分けて深さ別対応を補完します。 |
検証
最初の検証ケースとして検証中
狎鴎亭Tune Clinicを最初の適用病院とし、実験室ではなく実際の臨床環境で検証して運営しています。
50+
狎鴎亭Tune Clinic初検証事例（そばかす・黒字・シミ）
11
マッピングされた色素病変の種類
6
マッピングされた美容機器
狎鴎亭Tune Clinic初の検証事例50件以上（そばかす・黒字・シミ）を実際の診療に適用し、選択基準が臨床現場でどのように機能するかを継続的に検証・運営しています。
シミのように刺激に敏感な病変は前処置基準が結果を左右するので、大学病院諮問を反映して機器選択だけでなく前処置段階まで臨床整合性を確保しました。
このように検証された基準と運用方式は以後、外部分野別AIが従うべき標準的な役割を果たし、生態系全体の品質ベースラインを作ります。
プラットフォーム
2レイヤープラットフォーム内の位置
DermatoScan AIは分野別AI層に属し、前外来に共通に敷かれた基盤の上で動作します。
分野別AI層
肌色素治療という特定分野の深さを担当する分野別AIです。同層のWoundScan AI（形成外科創傷、開発中）とともに、各分野の専門知識をAIでまとめて医療スタッフの判断を補強します。
水平インフラの上から
元外来共通水平インフラインDockie-talkie（リアルタイム医療通訳、ベータ）とClinical Copilot（臨床推論、開発中・2027）上で動作します。通訳・推論という共通土台の上に色素治療の専門性をのせ、外国人患者診療まで絶えず続いています。
外部入店の標準
直接検証した分野別AIとして、今後外部分野別AIがプラットフォームに入店する際に従うべき標準となります。 DermatoScanが最初に臨床で証明した選択基準と検証方法は、生態系の進入ベースラインを定義します。
インパクト
導入すると何が変わるのか
DermatoScan AIはカラフルな自動化ではなく、個人の経験に留まった色素治療ノウハウを組織の資産に変えることを目的としています。
デバイス選択の標準化
病変 - 機器のルーティングが明文化されているため、同じ病変について医療スタッフとは無関係に一貫した基準でデバイスを選択できます。患者は誰が治療しても均質な治療経験を得、器官は結果の偏差を減らすことができます。
学習曲線の短縮
新しい合流医療スタッフが先輩の暗黙を最初から試行錯誤に身につける代わりに、検証されたマッピングとルーティングガイドを出発点とすることができます。熟練までにかかる時間を短縮し、人員変動が診療品質に与える衝撃を緩和します。
経験の自酸化
現場で積み重ねられたケースは、個人の頭の中ではなく組織の標準の中に蓄積されます。散在していた臨床ノウハウが明示的な基準として残り、医療機関の長期的な能力に転換されます。
よくある質問
よくある質問
DermatoScan AIの導入を検討する際に最もよく寄せられる質問をまとめました。
いいえ。 DermatoScan AI は診断や施術の有無を判断しません。色素病変とデバイスマッピングのための基礎ベースのガイドを提示するだけであり、最終診断とデバイスの選択は常に医療スタッフによって行われます。 AIは医療スタッフの判断に代わるものではなく、補強するツールです。
11個の色素病変と6個の美容機器のマッピングは、狎鴎亭Tune Clinicの実際の施術データ（初の検証事例50件以上、そばかす・黒字・シミ）と大学病院諮問を元に構成されています。特にシミのように敏感な病変は前処置基準まで臨床諮問を反映して整合性を確保しました。
4-deviceルーティングマトリックス（PicoSure・Hollywood Spectra・Excel V・Apogee Plus）は代表的な構成を例にしたものです。実際導入時には医療機関が保有する機器構成に合わせてマッピングとルーティング基準を調整して適用します。詳細な適用範囲は導入問い合わせまでご案内いたします。
DermatoScan AIは臨床検証・運用中の段階です。狎鴎亭チューン院を最初の適用病院とし、実際の診療環境で選択基準を適用して検証しています。実験室レベルの試作品ではなく、現場で運営される分野別AIという点が特徴です。
DermatoScan AIは、AetherHeal Global2段プラットフォームの分野別AI層に属します。元外来共通基盤であるDockie-talkie（リアルタイム医療通訳、ベータ）とClinical Copilot（臨床補助、開発中・2027）の上で動作するように設計され、色素治療の専門性と共通基盤のあるプラットフォームの中で繋がります。
選択補助はClaude APIに基づいて動作し、病変特性と機器適応症を組み合わせて根拠と一緒にガイドを作成します。すべての出力は医療スタッフの最終レビューを前提として提供されるため、医療スタッフは結果をそのまま従うのではなく、判断の文脈を一緒に確認して決定します。