De Novo Orthopedics
AIが整形外科をどう変えているか ― 2026年フィールドレポート
Blog/
||||||

AIが整形外科をどう変えているか ― 2026年フィールドレポート

2025年、FDAは過去最多の295件のAI医療機器を承認。骨折検出精度は98%。機械学習モデルはTKA術前に患者不満を予測（AUC 0.888）。しかし整形外科AIの本当の主戦場は手術室ではなく、退院後の90日間にあります。

aiorthopedicssmart-implantirehab

未来の話ではなく、現在の話です

2025年、米国FDA（食品医薬品局）は295件のAI/ML搭載医療機器を承認しました。これは年間の過去最高記録です。2025年3月時点で1,000件を超えるAIデバイスが市場承認を受けており、その97%が510(k)パスウェイを通じて承認されています。

しかし、この数字には偏りが隠れています。76%が放射線科（radiology）に集中しており、整形外科に直接関連するのは約5%にすぎません。

これは整形外科がAIを必要としていないということではありません。整形外科AIには膨大なホワイトスペース（未開拓領域）が広がっているということです。そして最も重要な領域は手術室の中ではなく、患者が自宅に帰った後にあります。

術前：AIはすでに手術計画を変えている

画像診断

AIは骨折検出において98%の精度を達成しています。従来の方法では見逃されやすい不顕性骨折（occult fracture）も含まれます。複数のFDA承認製品がすでに臨床で使用されています。

3D手術計画

AIは標準的なX線画像を数分で3D再構築に変換できます。これは従来、数日から数週間を要した作業です。外科医は患者固有の解剖学的構造を複数の角度から可視化し、切開前にインプラントの最適なサイズとポジショニングを決定できます。

Zimmer Biomet社のROSA Knee（OptimiZeテクノロジー搭載）は、AI自動キネマティックアライメント（kinematic alignment）を備えた唯一のFDA承認ロボット支援手術システムです。

術前リスク予測

これが最もエキサイティングなフロンティアです。機械学習モデルは、手術前に術後アウトカムを予測できるようになりました。

  • 患者満足度：5,720名の膝OA患者を対象とした生物心理社会的MLモデルが、2年後の不満足を予測するAUC 0.888（KSS）、0.836（SF-PCS）、0.806（OKS）を達成[1]
  • 恩恵を受けにくい患者の特定：TKAで恩恵を受けにくい患者を特異的に識別するモデル[2]
  • 合併症リスク：XGBoostモデルが重大合併症をAUC 0.68で予測

上位4つの予測因子：術前の機能スコア、年齢、併存疾患数、術前のメンタルヘルス状態。

これが意味するところは明確です。術前にPROM（患者報告アウトカム指標）を収集すれば、ML予測のための最も重要な入力データが手に入ります。リスク層別化は、術後に問題が起きてからではなく、手術の前から始められるのです。

術中：ロボット支援は成熟段階に

手術支援ロボットは新しいものではありませんが、AIがロボットをよりスマートにしています。

  • リアルタイムフィードバック：術中の骨切り精度の補正
  • パーソナライズドアライメント：患者固有の解剖学に基づくインプラント角度の自動調整
  • ラーニングカーブの圧縮：AI支援が手術のバラつきを低減し、若手外科医がベテランレベルの一貫性に早く到達

しかし、手術自体はアウトカムの半分にすぎません。残り半分はリハビリテーションです。

術後：本当の主戦場

ここが整形外科AIにとって最大の機会であり、最も見過ごされている領域です。

コンピュータビジョン：スマートフォンがモーションラボに変わる

スマートフォンカメラによる姿勢推定技術（MediaPipe Pose、YOLO Pose）は、臨床に匹敵する精度に達しています。

  • 代償運動の検出：精度98%以上[3]
  • 関節可動域（ROM）測定：精度89%
  • レイテンシ：100ms未満。リアルタイムフィードバックに十分

SWORD Health（企業価値40億ドル。2026年1月にKaia Healthを2.85億ドルで買収）は、タブレットセンサーとコンピュータビジョンを組み合わせたリハビリ動作フィードバックを提供しています。MedBridgeは2025年にスマートフォンカメラのみのソリューションを発表 ―― 追加ハードウェアは不要です。

OpenCapなどのオープンソースソリューションも、スマートフォンでのモーションキャプチャ品質を実験室レベルに近づけつつあります。

アウトカム予測：問題が深刻化する前に介入する

MLモデルは、患者の理学療法7回目の時点で治療反応を予測できます[4]。これにより、問題が悪化する前にケアチームがプロトコルを調整できます。

ウェアラブルセンサーのデータも進化しています。2026年のシステマティックレビューでは、ウェアラブルが骨刺激追跡を52%、衝撃荷重追跡を371%改善したことが報告されています[5]。足首装着型IMUは四肢間の荷重非対称性を計測でき、回復の分岐を予測するための重要な指標となります。

転倒リスク予測も大きな進歩です。ウェアラブルセンサーデータと機能パフォーマンステストを用いたMLモデルが、人工股関節全置換術（THA）患者の転倒リスクを予測できるようになっています。

スマートインプラント：動きから力へ

Zimmer Biomet社のPersona IQは、FDA承認済みの唯一のスマート整形外科インプラントです。Canturio脛骨エクステンション（Canturio Tibial Extension）がワイヤレスで日常の歩行ダイナミクスを送信します。歩数、歩行速度、ROM、ケイデンス、ストライド長が含まれます。

150名の臨床試験（2023～2025年）では、センサーによるROM測定値が外来での測定値と強い相関を示しました[6]。WalkAIアルゴリズムと組み合わせることで、順調に回復している患者と追加の注意が必要な患者を予測できます。Persona IQとケアマネジメントプラットフォームを併用した患者は、従来型インプラントの患者よりも1年後のアウトカムが良好でした。

しかし、Persona IQには二つの根本的な制約があります。

  1. バッテリーが必要（約10年の寿命）―― 大関節置換術に限定される
  2. 動きは計測できるが、力は計測できない ―― 加速度と角速度は膝の動き方を伝えますが、組織界面がどれだけの応力を受けているかは伝えません

これが、パッシブ型インプラント内蔵センサーが次のフロンティアとなる理由です。バッテリー不要のLC共振センサー（LC resonant sensor）は組織にかかる力を直接測定し、インプラントサイズの制約を受けません。Persona IQが適用できない腱板修復や靱帯再建術にも使用可能です。

ツールからシステムへ：フルスタックAIの価値

市場にAIツールは不足していません。不足しているのは、ツールをシステムに統合する力です。

単独のコンピュータビジョン動作認識アプリは、「あなたの膝は110度曲がっています」と伝えることはできます。しかし、以下は伝えられません。

  • この角度は先週と比べてどれだけ改善したか？（PROMs時系列データが必要）
  • この動きが修復部位にどれだけの力を生じさせているか？（センサーデータが必要）
  • この患者の回復軌跡は、この術式の予想曲線から逸脱しているか？（ML予測モデルが必要）
  • 外科医が今介入する必要があるか？（臨床意思決定支援が必要）
真の価値は、個々のAIモデルの精度にあるのではなく、データフロー全体の完結性にあります。

これがDe Novo Orthopedicsの戦略です。インプラントセンサー（組織応力）+ ウェアラブル（動作データ）+ PROM（患者体験）+ ML（予測とアラート）→ 外科医がすでに使用している同一プラットフォーム（iRehab）に統合。

目指すのは、すべてのAI機能で最高性能を実現することではなく、適切なデータを、適切なタイミングで、適切な人に届けることです。

市場：年平均成長率32%の高速レーン

市場セグメント2024～2025年将来予測CAGR
AI整形外科画像$1.63B$7.14B (2029)34.2%
AI整形外科手術$307.6M$2.74B (2032)32.0%
スマート整形外科インプラント$28.8B$38.3B (2030)5.9%
デジタルMSKケア$44.35B$116.39B (2030)17.7%

AI特化セグメントは年平均30～34%の成長率を示しており、従来型整形外科デバイス（5～6%）の6倍の速度です。シグナルは明確です。価値がハードウェアからデータとソフトウェアへ移行しています。

しかしハードウェアが重要でなくなるわけではありません。むしろ逆です。ソフトウェアがユビキタスになったとき、固有のデータソースこそが真の堀（moat）になります。インプラント内蔵センサーが生成する組織レベルの応力データは、スマートフォンアプリやウェアラブルでは再現できません。

AIは整形外科医に取って代わらない

ヘルスケアにおけるAIの議論では、必ずこの問いが浮上します。「AIは医師に取って代わるのか？」

整形外科において、答えは明確です。いいえ。

AIは骨折の98%を検出できます。しかし、手術するかどうか、どのアプローチを用いるか、術後管理をどう行うか ―― こうした判断にはパターン認識以上のものが必要です。臨床経験、患者とのコミュニケーション、個人差への理解が求められます。

AIが実際に変えるのは、外科医に適切な情報を適切なタイミングで届けることです。

術前：MLモデルがリスクの所在を明らかにする。術中：ロボットがより正確な切骨を支援する。術後：センサーとPROMが外来と外来の間も継続的にレポートする。

意思決定者は外科医のままです。AIは、その意思決定をより良いものにするツールです。ただし、データが収集され、統合され、適切に届けられることが前提です。

CMSがPROM収集を義務化した理由については人工関節術後にPROMを追跡すべき理由を、90日間のリハビリの空白がどう埋まるかについては83%の患者が「両方」を望んでいるをご覧ください。

参考文献

  1. Biopsychosocial ML models predict improvement after TKA. Scientific Reports. 2025. Nature

  2. Pua YH, et al. Identifying who won't benefit from TKA using ML. npj Digital Medicine. 2024. Nature

  3. Towards Intelligent Assessment in Personalized Physiotherapy with CV. Sensors. 2025. PMC

  4. Predicting Pain Response to Remote MSK Care. J Med Internet Res. 2024;26:e64806. PubMed

  5. Wearable Sensor Technologies Systematic Review. JMIR mHealth. 2026. JMIR

  6. Persona IQ Smart Implant Data Correlates to In-Office ROM. ScienceDirect. 2026. Link