医療AIには、予測精度を低下させる二重の壁が立ちはだかっている。一つは設備や機器の違いによるばらつき（施設差）、もう一つは手術前の生検検体と手術後の全摘検体の違い（検体差）である。これらは二つの「ドメインシフト」として、どの施設でもどの検体でも安定した性能を保つ“汎用的なAI”の実現を阻んできた。
こうした課題に対し、理化学研究所、日本医科大学、東北大学の共同研究グループは、AIの推論過程に医学的知識を組み込む新たなアプローチを採用し、二つの壁を同時に克服することに成功した。
共同研究グループは、前立腺がん患者の手術前の生検検体から将来の経過を予測するAIを開発した。このAIは、まず大量のデータが得られる手術後の全摘検体から病理学的特徴を学習し、その特徴を手術前の生検検体へ適用することで、各症例において「どの特徴が何％含まれるか」を定量化した病理プロファイルを作成する。
その後、病理プロファイルをそのまま予測に用いるのではなく、人間の医学的基準をより詳細化し、臨床上考慮される最低限の補正を加えた医学的知識に基づく「中間推論スコア」を生成する。この中間推論スコアは、いわば「人間の基準を少しだけ精緻化した道しるべ」であり、これを経由して最終的な治療結果を予測することで、予測精度を安定化させた。
予測精度の検証として、日本医科大学、愛知医科大学、順天堂大学の各大学病院から前立腺がん手術を受けた患者データを収集し、病理プロファイルを直接用いた場合と、中間推論スコアを経由した場合とで予後予測性能を比較した。その結果、中間推論スコアを導入することで、すべての施設で予測精度が向上することが示された。
本研究は、AIが単なるデータ駆動型の解析を行うのではなく、医学的知識を織り込みながら段階的に推論を行うことで、施設差や検体差に左右されにくい安定した予測が可能となることを示した成果である。この手法は、地域や施設規模にかかわらず、誰もが公平に質の高い医療を受けられる未来の実現に貢献すると期待される。
