測定システム解析で医療現場の計測精度を高める実践法

測定システム解析（MSA）を医療現場で活用する方法

実は、医療現場の測定誤差の約30%は機器ではなく測定者のばらつきに起因しています。

測定システム解析（MSA）とは何か：医療現場での基本概念

測定システム解析（Measurement Systems Analysis：MSA）とは、測定値に含まれるばらつきの原因を特定・定量化し、測定システム全体の信頼性を評価するための統計的手法です。製造業でのQC（品質管理）分野から発展してきたこの手法は、近年では医療・臨床現場においても注目度が急速に高まっています。

医療現場における「測定システム」とは、単に血圧計や体温計などの機器だけを指すわけではありません。機器そのもの、測定者（オペレーター）、測定手順、環境条件（温度・湿度・照明など）、そして測定対象（患者や検体）のすべてを含む広義のシステムとして捉えることが重要です。つまり、同じ機器を使っても、測定者や環境が変わると結果が変わることがある、ということですね。

MSAが特に重要視される理由の一つは、測定誤差を「真のばらつき」と切り離して評価できる点にあります。例えば、ある病棟でHbA1c（ヘモグロビンA1c）を複数回測定した場合、観察されるばらつきのうちどの程度が「患者間の真の差」で、どの程度が「測定システムの誤差」なのかを統計的に分離できます。これが基本です。

医療分野でのMSA導入は、ISO 15189（医療検査室の品質と能力に関する国際規格）や、CLIA（米国臨床検査改善修正法）への適合においても求められる要素となっています。日本では日本臨床検査標準協議会（JCCLS）がガイドラインを整備しており、測定不確かさの評価手順にMSAの考え方が組み込まれています。

日本臨床検査標準協議会（JCCLS）公式サイト：測定不確かさや検査精度管理に関するガイドラインが参照できます

医療従事者にとってMSAを理解するメリットは大きく2つに集約されます。第一に、臨床判断の根拠となるデータの信頼性を客観的に評価できること。第二に、測定誤差に起因する誤診や治療方針のミスマッチというリスクを、構造的に低減できることです。これは使えそうです。

測定システム解析の主要指標：繰り返し性・再現性とゲージR&R

MSAの中核を成す概念として「繰り返し性（Repeatability）」と「再現性（Reproducibility）」の2つがあります。この2つを合わせてR&R（Repeatability & Reproducibility）と呼び、ゲージR&R研究はMSAの最も代表的な手法です。

繰り返し性とは、同一の測定者が同一の機器・条件で同一のサンプルを繰り返し測定したときのばらつきのことです。これは機器そのものの精度や安定性を反映します。一方、再現性とは、異なる測定者が同一の機器・サンプルを測定したときのばらつきです。測定者間の手技の差異、読み取り方の差異などが主な原因となります。

医療現場でのわかりやすい例を挙げると、看護師Aと看護師Bが同じ患者の血圧を同じ血圧計で測定した場合、2人の測定値がどれくらい一致するかが「再現性」の問題です。測定者Aが同じ患者を5分おきに3回測定して、その3つの値がどれくらい揃っているかが「繰り返し性」の問題です。つまりR&Rは「誰が測っても・何度測っても同じ値が出るか」を問うものです。

ゲージR&R研究の結果は通常、%GRR（ゲージR&Rの割合）として表現されます。この値が10%以下であれば測定システムとして「許容可能」、10〜30%は「条件付き許容」、30%超は「改善が必要」というのがAIAG（Automotive Industry Action Group）マニュアルの基準です。ただし医療分野では、検査の臨床的重要度に応じてより厳しい基準（5〜10%以下）が設定されるケースも多くあります。

%GRR値	判定	医療現場での対応目安
10%以下	✅ 許容可能	定期的な監視を継続
10〜30%	⚠️ 条件付き許容	使用条件の明確化・測定手順の標準化を検討
30%超	❌ 改善が必要	機器の再校正・測定者教育・手順の見直しが必須

また、ゲージR&Rのほかに「偏り（Bias）」「直線性（Linearity）」「安定性（Stability）」もMSAの重要な評価指標です。偏りは測定値の平均と真値（基準値）のずれを表し、直線性は測定範囲全体にわたって偏りが一定かどうかを評価します。安定性は時間の経過とともに測定システムの特性が変化していないかを確認するものです。これらを総合的に評価することが原則です。

厚生労働省 医療機器情報ページ：医療機器の精度管理・校正に関する規制情報が確認できます

測定システム解析における測定誤差の種類と医療現場への影響

測定誤差は大きく「偶然誤差（ランダム誤差）」と「系統誤差（バイアス）」の2種類に分類されます。この区別は医療従事者にとっても非常に重要な基本知識です。

偶然誤差とは、測定のたびにランダムに生じる誤差で、同一条件での繰り返し測定の散らばり（標準偏差）として定量化されます。血糖測定器で同じ血液サンプルを10回測定しても、値が微妙に異なるのはこの偶然誤差の影響です。偶然誤差が大きいシステムは「精度（Precision）」が低いと言われます。

系統誤差（バイアス）は、測定値が真値に対して一定方向に偏る誤差です。例えば、ある病院の血圧計が実際よりも常に5mmHg高く表示されるとすれば、それは系統誤差です。系統誤差が大きいシステムは「正確さ（Accuracy）」が低いと評価されます。意外ですね。

医療現場でこれらの誤差が見逃された場合の影響は深刻です。臨床的意思決定に直接関わる検査値（トロポニン・PTINRなど）で大きなバイアスが存在すると、正常値と異常値の境界判断を誤る可能性があります。ある研究では、POC（Point-of-Care）機器と中央検査室の結果が平均7〜12%乖離していたケースが報告されており、治療判断に影響を与えうる差として問題視されています。これは厳しいところですね。

また、医療従事者が特に注意すべき「測定者バイアス」として、観察者期待効果（Observer Expectancy Effect）があります。担当医師が「この患者は高血圧のはずだ」という先入観を持って聴診器や血圧計を扱うと、無意識に測定値の読み取りが偏る可能性が示唆されています。これはブラインド評価（二重盲検設計）が臨床研究で重視される根本的な理由でもあります。MSAの視点から測定環境を整備することが条件です。

ゲージR&R研究の実施手順：医療機器への具体的な適用方法

ゲージR&R研究を医療現場で実際に実施するには、標準化された手順に従うことが重要です。ここでは代表的な「クロスオーバー型（Crossed）ゲージR&R」の実施ステップを、医療機器の検査を例に解説します。

ステップ1：サンプルの選定
測定対象となるサンプル（検体・患者・測定物）を選びます。一般的には10個程度のサンプルを用意し、そのサンプルが測定範囲全体（例：低値・中値・高値）をカバーするよう設計します。例えばHbA1c測定であれば、4〜12%程度の範囲を均等にカバーするよう、10種類の参照サンプルを準備するのが理想的です。

ステップ2：測定者・機器の設定
通常2〜3名の測定者と1台（または比較対象の複数台）の機器を設定します。各測定者が各サンプルを2〜3回繰り返し測定します。測定順序はランダム化し、前回の測定結果を測定者に見せないことが重要です。これが再現性評価の精度を保つ条件です。

ステップ3：データの収集と入力
測定結果をスプレッドシートや専用ソフトウェア（Minitab、JMPなど）に入力します。Minitabでは「統計 > 品質ツール > ゲージ研究」のメニューから専用の解析モジュールが利用できます。医療施設によっては、LIS（検査室情報システム）に組み込まれたMSA機能を活用できる場合もあります。

ステップ4：分散成分の推定と解釈
ANOVAまたはXbar/R法により、全体のばらつきを「測定システムに起因するばらつき」と「部品間（患者間・サンプル間）のばらつき」に分解します。%GRR、Ptレシオ（測定システム解析の精度と仕様幅の比）、弁別能（Number of Distinct Categories：NDC）を算出して評価します。NDCが5以上あれば測定システムとして十分な弁別能があるとされています。結論はNDC≧5が合格基準です。

• 🔢 %GRR：測定システムのばらつきが全体ばらつきに占める割合（10%以下が理想）
• 🔢 Ptレシオ：ゲージR&Rを仕様幅（許容公差）で割った値（10%以下が目安）
• 🔢 NDC（弁別能）：測定システムが区別できるカテゴリ数（5以上が必要）

なお、医療の場合は製造業と異なり「仕様幅（公差）」が明確でないことが多いため、%GRRよりも「測定の標準偏差が臨床的に許容できる範囲内か」という観点での評価が推奨されます。これだけ覚えておけばOKです。

国立医薬品食品衛生研究所（NIHS）：医療機器の性能評価・精度管理に関する技術資料が参照可能です

医療現場でMSAを継続的に機能させるための管理体制と独自視点

MSAは一度実施すれば終わりではありません。むしろ「継続的な監視と改善のサイクル」として組み込むことが、医療現場での品質向上につながります。この視点は、教科書的なMSA解説では見落とされがちな実践的ポイントです。

まず重要なのは「コントロールチャート（管理図）による安定性の継続監視」です。XbarチャートやRチャートを用いて、定期的なキャリブレーターや内部標準品の測定結果を時系列でプロットすることで、測定システムの「ドリフト（経時的変化）」や「突然のシフト」を早期に検出できます。これは測定不確かさの評価とも直結します。管理図の運用が安定性確認の基本です。

次に、医療現場特有の視点として「測定者の交代・シフト制」による再現性の劣化リスクへの対応があります。製造業では同じオペレーターが長期間担当することが多いですが、医療現場では毎日担当者が変わることが珍しくありません。具体的には、半年に1回以上のゲージR&R研究の実施と、新人スタッフのオンボーディング時の測定技術評価を組み合わせることで、再現性の劣化を防ぐ仕組みが構築できます。

また、院内の品質管理チーム（QCチーム）や臨床検査技師と連携したMSA推進体制の整備が、長期的な効果をもたらします。特に多くの医療機関で見落とされているのが「臨床現場（病棟）でのPOC機器」のMSA管理です。中央検査室の機器はJALM認定やISO 15189のもとで厳格に管理される一方、病棟の簡易血糖測定器や携帯型SpO2モニターはMSA評価が十分でないケースが散見されます。いいことですね、まず自施設のPOC機器のR&R状況を確認してみましょう。

さらに、電子カルテ（EMR）やLIS（検査室情報システム）との統合も注目されるアプローチです。測定データをリアルタイムで収集し、統計的工程管理（SPC）のアルゴリズムを自動適用することで、異常検知を人手なしで行うシステムが一部の先進的な医療機関では導入されています。国内ではSYSMEX社やアボットジャパンなどが、LISとSPCを連携させた品質管理ソリューションを提供しており、MSAの継続運用を支援しています。これは使えそうです。

• 📅 定期的なゲージR&R研究：最低でも年1回、機器更新・担当者変更時は都度実施
• 📈 管理図による継続監視：内部QC材料を用いたXbar-Rチャートの日常運用
• 👥 多職種連携：臨床検査技師・看護師・医師が共通のMSA理解を持つこと
• 💻 LIS・EMRとの統合：自動データ収集によるSPCの効率化
• 📋 POC機器の管理強化：病棟の簡易機器も中央検査室と同等の基準で評価

医療の質向上という観点で見れば、MSAは単なる機器管理の手法ではなく「患者安全を数字で担保するインフラ」です。測定データの信頼性が患者への適切な医療提供の土台となる以上、MSAの継続的な実践は医療従事者としての責務の一つとも言えます。MSAへの取り組みが患者安全に直結するということですね。

日本病院会：医療安全・品質管理に関するガイドラインおよびMSA関連の取り組み事例が参照できます