ミシガン大学で開発された人工知能（AI）を活用した新しい診断モデルが、脳MRI画像をわずか数秒で解析し、神経疾患の診断と緊急度の判定まで行えることが明らかになりました。この研究成果は、科学誌Nature Biomedical Engineeringに掲載され、医療分野、とりわけ画像診断の現場で大きな関心を集めています。
脳MRIは、腫瘍、脳出血、脳卒中、炎症、感染症など、幅広い疾患の診断に不可欠な検査ですが、読影には高度な専門知識と時間が必要です。そのため、放射線科医の不足が続く中、多くの医療機関では診断までに時間を要する状況が続いています。
今回発表されたAIモデル「Prima」は、50以上の診断カテゴリーにおいて最大97.5%という高精度で異常を検出し、さらに患者がどれほど早急に治療を必要としているかを予測できる点が大きな特徴です。単なる画像判定にとどまらず、臨床判断の初期段階を支援する仕組みとして期待されています。
Primaとは何か、そして従来のAIと何が違うのか
Primaは、ビジョン言語モデルと呼ばれる新しいタイプのAIです。これは、画像だけでなく、文章情報や検査に付随する背景データを同時に処理できる仕組みを持っています。
従来の医療用AIは、特定の病気を検出する目的で、あらかじめ人が選別した画像データのみを学習させるケースが多く、応用範囲が限定的でした。一方、Primaは、MRI画像そのものに加え、患者の病歴、検査が行われた理由、複数の撮像条件で得られた全シーケンス情報を統合して解析します。
このAIは、ミシガン大学ヘルスにおいて数十年にわたり蓄積されてきた22万件以上の脳MRI検査と、約560万の画像シーケンスを用いて訓練されました。これは、単一施設としては極めて大規模なデータ量であり、現実の臨床に近い多様な症例を学習している点が精度の高さにつながっています。
研究の筆頭著者であり、ミシガン大学ヘルスの脳神経外科医でもあるトッド・ホロン助教授は、「MRI検査の需要は世界的に増加しており、医師や医療システムへの負担は限界に近づいている」と述べています。その上で、Primaは迅速かつ一貫した情報提供により、診断と治療判断の質を高める可能性があると説明しています。
実証試験で示された高い診断性能
研究チームは、約1年間にわたり3万件以上の脳MRI検査データを用いてPrimaの性能を検証しました。その結果、診断精度を示す指標であるROC曲線下面積の平均値は92.0%に達しました。
この性能は、腫瘍性病変、炎症性疾患、感染症、発達異常などを含む52種類の放射線学的診断項目において確認され、既存の最先端AIモデルを上回る結果となりました。
特に重要なのは、脳出血や脳卒中といった、迅速な対応が患者の生死や後遺症に直結する症例を自動で検出できる点です。Primaは、異常を見つけるだけでなく、医療提供者に対して警告を出し、どの専門医に連絡すべきかを提示することも可能です。
正確さとスピードの両立が医療現場にもたらす意味
脳MRIの診断では、誤りが許されないため、これまで正確性が最優先され、処理時間は二の次になりがちでした。しかし、実際の臨床現場では、診断までの時間が長引くことで治療開始が遅れ、患者の転帰に悪影響を及ぼすケースも少なくありません。
ミシガン大学コンピュータサイエンス・エンジニアリング学部のポスドク研究員で、共同筆頭著者のYiwei Lyu氏は、「正確性とスピードの両立こそが、現代の医療に求められている条件」だと述べています。Primaは、診断精度を維持したまま解析時間を大幅に短縮できることを示し、医師の業務負担を軽減する可能性を示しました。
医療システム全体への影響と今後の展望
世界では毎年数百万件のMRI検査が行われていますが、神経放射線科医の数は需要に追いついていないのが現状です。この人材不足は、大都市の大病院だけでなく、地方の医療機関ではさらに深刻な問題となっています。
ミシガン大学医療システム放射線科の学科長であるVikas Gulani氏は、「医療資源が限られた地域ほど、診断支援技術の恩恵は大きい」と述べ、AIによる補助が医療格差の縮小につながる可能性を指摘しています。
研究チームは今後、電子医療記録（EMR）データをさらに統合し、患者一人ひとりにより適した診断支援を実現することを目標としています。この研究は、米国国立衛生研究所、チャン・ザッカーバーグ・イニシアティブ、ミシガン大学関連財団の支援を受けて進められました。
ソース
Nature Biomedical Engineering
University of Michigan Health
arXiv
news-medical.net
