医療アプリ1万件超、93%が同意取得せず
米研究チームがGoogle Play上の医療・健康アプリ1万件超を解析し、約93%が同意画面を提示せず、約7割が目的外の権限を求めると報告した。医療データを扱う事業者の統制が問われる。

研究の概要
米国の研究チームは、Google Play Storeに公開されたモバイルヘルス(mHealth)アプリ1万件超を対象に、同意取得とデータ収集の実態を大規模に調べた。静的解析とプライバシーポリシーの検証を組み合わせた点が特徴である。
まず、医療アプリと一般的なウェルネスアプリを区別する操作的定義を設計した。そのうえで、権限の不適切な利用と同意違反を検出する計測フレームワークを構築した。
結果は厳しい。69.15%のアプリが、説明文に記された目的と無関係な権限を少なくとも一つ要求していた。位置情報は52.9%超、カメラは50.5%、マイクは34.9%のアプリが求めていたが、機能上の根拠は説明文から確認できなかった。
さらに約93%のアプリが同意フォームを提示しておらず、GDPR(EU一般データ保護規則)などの規制要件に反する可能性が示された。同意画面を備える残り約7%でも、14件に1件は取得した同意と実際の個人識別情報の収集との間に乖離があった。研究チームはデータセットと計測ツールの公開を予定している。
しくみをやさしく
調査の核は、アプリの「言っていること」と「していること」を機械的に突き合わせる手法である。
第一に、アプリの説明文から「何のためのアプリか」という目的を読み取る。第二に、アプリのプログラムを実行せずに中身を調べる静的解析で、どの権限を要求し、どの個人情報にアクセスしうるかを洗い出す。第三に、プライバシーポリシーや同意画面の有無を確認し、利用者が同意した範囲と実際の収集範囲を照合する。
たとえば血糖値記録アプリが連絡先やマイクへのアクセスを求めていれば、目的との不整合として検出される。同意画面で位置情報への言及がないのに位置情報を取得するコードがあれば、同意と収集のずれとして扱われる。人手の監査では1万件超を見られないため、この自動化が規模の確保につながっている。
ビジネスへの示唆
本研究は、医療アプリを作る側だけでなく、使う側・組み込む側にも関わる。自社に当てはまる業務は何か、いま誰がどれだけ手をかけているかを問い直す契機となる。
具体的な業務を挙げる。健康保険組合や人事部門の健康経営担当者は、従業員向けに歩数管理や睡眠記録、メンタルヘルス相談のアプリを選定している。その際、アプリが業務目的に不要な位置情報やマイクの権限を求めていないか確認しているだろうか。製薬・医療機器メーカーの事業開発部門が、治療支援アプリを外部開発会社に委託する場面や、保険会社が加入者向けアプリを提供する場面も同様である。
影響を受けやすい部署と、動きうるKPIは次のとおりである。
- 法務・コンプライアンス部門:規制違反の指摘件数、監査対応の工数
- 情報システム・セキュリティ部門:ベンダー審査の所要時間、不要権限の検出数
- 調達・事業開発部門:外部アプリ採用時の審査通過率、委託先の見直し件数
- 広報・顧客対応部門:個人情報に関する問い合わせやクレーム件数、利用者の継続率
医療情報は特に慎重な取り扱いが求められるため、同意の不備は信頼の毀損や行政対応につながりうる。逆に、権限を必要最小限に絞り同意を適切に取得することは、利用者に選ばれる差別化要素にもなりうる。
現場での導入イメージ
仮に導入支援に入るなら、本研究の考え方を借りた「権限と同意の点検」を次の流れで進める。
-
棚卸し:自社が提供・採用・委託しているアプリを一覧にし、各アプリが要求する権限、取得データ、同意画面の有無を担当者別に整理する。目指す到達点は、どのアプリのどの権限に誰が責任を持つのかが一枚で見える状態である。
-
差し込み先の設計:新しいツールを増やさず、既存のベンダー審査チェックリストや情報セキュリティ審査の手順に「目的と権限の整合」「同意と収集の整合」という二つの確認項目を加える。目指す到達点は、審査の流れを変えずに点検が自然に組み込まれた状態である。
-
小さく試す(PoC):まず健康経営を担う一部署と、利用中の少数のアプリに絞り、数週間で点検する。担当者が「不要な権限を見つけられた」「確認の手間が許容範囲だった」と実感できるかで判断する。目指す到達点は、小さく安く始めても効果を現場が体感できる状態である。
-
運用と横展開:判定基準と是正手順を文書化し、法務・情報システム・調達の役割分担を固めたうえで他部署や委託先にも広げる。アプリの更新時にも再点検する。目指す到達点は、点検が定期業務として回り続ける状態である。
全体として目指すのは、アプリの「言っていること」と「していること」を組織が自力で確かめられる状態である。
今後の展望
研究チームは、データセットと計測ツールの公開により、継続的な監視を可能にする方針である。公開後は、第三者による監査や規制当局の調査に活用される可能性がある。なお、本調査の対象はGoogle Play上のアプリであり、他の流通経路や実際の通信内容まで確認したものではない。事業者側には、規制強化を待たず自主的に点検体制を整える動きが求められる。
関連トピック
この記事のアイデアを、あなたの現場で試してみませんか。 どのくらいのコストで作れて、どのくらい手間やコストが減るかを一緒に試算し、試作から導入まで伴走します。
導入を相談する →同セクションの記事
頑健な強化学習が適応的治療方針を設計
患者を未知の文脈として扱う頑健強化学習が、測定誤差や病態変化に強い適応的治療方針を学習した。前立腺がんの模擬環境で既存手法を上回り、医療AIの信頼性向上に道を開く。

3D医用AI、学習時の見る場所を選び精度向上
3次元医用画像の自己教師あり学習で、学習用の切り出し位置を乱数ではなく解剖学的な手がかりで選ぶ手法が、複数のモデルと課題で性能を改善した。データを増やさず学習の質を高める道を示す。

自然言語でタンパク質を設計するAI登場
ワシントン大などの研究チームが、日本語や英語のような文章の指示でタンパク質の立体構造を生成するAI「Prompteina」を開発した。創薬の初期探索を担う部門の設計工程を変える可能性がある。
