人間の目は身体への窓ですが、その中を覗き見るには、安定した手と訓練された眼が必要です。何十年もの間、医師たちは光感受性の層である網膜の内部を観察するために、光干渉断層計（OCT）と呼ばれるスキャン技術に頼ってきました。この装置は数千もの断面写真を取得し、それらを積み重ねることで、目の内部構造の詳細な三次元マップを作成します。これにより、医師が糖尿病網膜症や加齢黄斑変性症といった疾患を特定する方法に革命をもたらし、患者が視力を失うずっと前の段階で問題を察知することを可能にしました。しかし、この機械が豊かなデータを捉える能力を持っているにもかかわらず、それらの画像を診断へと変えるプロセスは、依然として遅く、手作業による骨の折れる作業のままです。専門家はまず、スキャンが使用できるほど鮮明かどうかを確認し、次に数百もの個別のスライスを精査して、問題の兆候を示す数少ないスライスを見つけ出し、最後にそれらの断片をつなぎ合わせて患者の健康状態の完全な全体像を構築しなければなりません。この労働集約的なワークフローはボトルネックを生み出し、大規模な集団のスクリーニングや、専門医が不足している地域での一貫したケアの提供を困難にしています。

研究者たちは、このタスクを支援するために人工知能を構築しようと長く試みてきましたが、これまでの試みの多くは、一つの小さな仕事しかできない専門家のチームのようなものでした。あるコンピュータプログラムはぼやけた画像の特定に優れ、別のプログラムはスキャンの特定のスライスにおける特定の疾患の識別に長けているといった具合です。これらのシステムのうち、どれもが、生の画像から最終的な診断に至るまでの全行程を単独でこなすことはできませんでした。彼らは、眼疾患が三次元的であり、スライスの間の空間に隠れているという事実に苦戦し、現実世界の病院データの乱雑で多様な現実に直面すると挫折しました。新しい研究は、人間の専門家が症例に対して最初から最後までどのように思考するかを模倣し、プロセス全体を自動化するように設計されたシステムを紹介しています。

中国のいくつかの主要な医療センターの研究者たちによって主導されたこの研究チームは、「FOCUS」と呼ばれるシステムを開発しました。このフレームワークは、膨大な量の一般的な視覚データに基づいて事前学習されており、網膜スキャンを見る前から形状やパターンに対する幅広い理解を備えた、一種の「基盤モデル」と呼ばれる人工知能に基づいています。研究者たちは、この強力な脳を網膜画像を理解するように微調整しましたが、真の革新はそのシステムの構成方法にあります。FOCUSは、単に一枚の写真を一度に見るのではなく、完全なワークフローとして機能します。まず、スキャンの品質を自動的にチェックし、画像が信頼できるほど鮮明かどうかを判断します。画像が良好であれば、次のステップに進みます。すなわち、目のボリューム全体をスキャンして異常を検知します。最後に、数千のスライスからのすべての情報を統合し、患者に対する単一かつ包括的な診断を下します。

このアプローチが機能するかどうかをテストするため、研究者たちは3,300人の患者のデータ、つまり4万枚を超える個別の画像スライスの膨大なコレクションを用いてシステムを訓練しました。その後、現実世界の多様性に対応できることを確認するために、異なるタイプのOCT装置を使用している4つの病院からの1,345人の患者グループを用いて、システムをテストしました。結果は驚くべきものでした。システムは、高品質な画像をほぼ99%の精度で正しく識別しました。疾患の兆候を探す際、異常を97%以上の精度で捉えました。最も重要なことに、患者の最終的な診断に関しては、94%近い精度を達成しました。これらの数値は、異なる都市や異なる病院のデータでテストされた際にも維持され、ゼロから再学習することなく新しい環境に適応できることを示しました。

研究者たちはまた、彼らのAIの性能を人間の医師と比較し、どのように競い合うかを確認しました。異常の検出に関するテストにおいて、システムは経験豊富な眼科技師のグループと同等、あるいは場合によってはそれ以上の性能を発揮しました。特定の疾患を診断する際、システムは様々な経験レベルを持つ9人の臨床医のパネルの性能に匹訳しました。実際、AIは人間よりも一貫していました。研究では、専門医であってもOCT画像のみを見た場合、特定の疾患を判別するのに苦労することがあり、確信を得るために他の検査や患者の既往歴に頼ることが多いと指摘されています。しかし、AIは目の全三次元ボリュームにわたる微妙な構造的差異を捉えることができ、人間が見逃す可能性のある部分を見つけ出し、より一貫した決定を下すことができました。

このシステムが成功している鍵となる部分は、目の三次元的な性質をどのように扱うかという点にあります。従来のAIツールは、各スキャンを孤立した事象として扱うことが多く、それらを結びつける文脈を見落としていました。FOCUSは、各スライスの重要性を動的に重み付けする手法を使用しています。システムは、疾患の最も強い証拠を含む特定のスライスに焦点を当て、曖昧または無関係なスライスを無視することを学習します。これは、人間が専門家が書類の束をスキャンするように、退屈なページを素早く読み飛ばし、重要な情報が含まれているページにだけ立ち止まって注意深く読む様子に似ています。これらの発見をインテリジェントに集約することで、システムは計算コストの高い方法で全三次元ボリュームを処理することなく、信頼できる診断を構築します。

研究では、この成果は有望であるものの、システムがまだあらゆるクリニックに即座に導入できる完成品ではないことも認めています。システムの訓練とテストに使用されたデータは主に中国の医療センターからのものであり、これは、異なる民族的背景を持つ人々や異なるヘルスケアシステムにおいても同様にうまく機能することを保証するために、さらなる検証が必要であることを意味します。加えて、テストはすでに目の問題があることが判明している患者がいる病院のデータで行われたため、疾患がより稀である健康な一般人口をスクリーニングするというシナリオとは異なる状況です。研究者たちはまた、現在のバージョンのシステムには、書面によるレポートの生成や医師との対話を行う能力がまだ含まれておらず、将来のバージョンでは高度な言語ツールを使用してこれらの機能が追加される可能性があることも指摘しています。

こうした限界はあるものの、この研究は医学的画像分野における大きな前進を意味しています。それは、単一のタスクを実行する孤立したツールの時代を超え、統一されたシステムが複雑で多段階の臨床ワークフローを自動化できることを実証しています。生の画像データと最終的な患者診断との間の溝をうまく埋めることで、研究者たちは、人間の専門家の推論を模倣するAIを構築することが可能であることを示しました。このアプローチは、高品質な眼科ケアをより効率的かつ一貫して提供できる未来へのブループリントを提供し、現在は専門医へのアクセスが不足しているコミュニティに、専門家レベルのスクリーニングをもたらす可能性を秘めています。このシステムは医師に取って代わるものではなく、大規模なスクリーニングを現実のものにするための退屈で反復的な障壁を取り除き、自動化されたアクセシブルな眼科健康の新しい時代への道を切り開くものです。