Artificial Intelligence in Healthcare: 2025 Year in Review

2025 年の医療 AI 研究は、従来の機械学習からマルチモーダル基盤モデルへの移行、研究発表数の倍増、および実世界での応用に向けた成熟という重要な転換点を迎えたことを示しています。

要約

医療 AI の 2025 年：「魔法の箱」から「賢い助手」へ進化

この論文は、2025 年という 1 年間に医療分野で発表された「人工知能（AI）」に関する研究を総まとめにしたものです。まるで**「医療 AI の成長記録」**のようなもので、去年（2024 年）と比べて何がどう変わったのか、そして未来はどうなるのかを詳しく教えてくれます。

わかりやすくするために、いくつかの比喩（あてはめ）を使って説明しましょう。

1. 研究の数は「爆発」した

まず、2025 年の医療 AI に関する論文の数は、前年の約 2 倍に跳ね上がりました。

• 比喩： 去年までは「小さな村」で 2 万人が研究していたのが、今年は「大都市」で 5 万人が研究しているような状態です。AI という分野が、単なる「実験室の中」から、本物の病院や診療所でも使われる「現実のもの」になりつつある証拠です。

2. 使われている「頭脳」が変わった

以前は、AI は「単純な計算機」や「特定のルールで動く機械」のようなものでした。しかし、2025 年は大きく進化しました。

• 昔の AI（古典的機械学習）： 「計算ドリル」のようなもの。特定の計算問題なら得意ですが、新しい問題には弱いです。2025 年は、この「計算ドリル」を使う研究が減りました。
• 新しい AI（基盤モデル・Foundation Models）： 「天才的な多芸な助手」のようなもの。
  • LLM（大規模言語モデル）： 文章を読むのが得意な「図書館の司書」。
  • マルチモーダルモデル： 文章だけでなく、「写真（画像）」や「音声」も同時に理解できる「五感を持つ助手」。

重要な変化： 2024 年は「文章を読む AI」が流行しましたが、2025 年は**「写真も音声も理解できる AI」**が急成長しました。

• 比喩： 以前は「目と耳」しか使っていなかった医師の助手が、2025 年には「目、耳、そして触覚」まで使えるようになったイメージです。これにより、患者さんの写真（レントゲン）を見ながら、その人の声（会話）やカルテ（文章）も一緒に考えて診断できるようになってきました。

3. どの分野が最も活発か？

研究が最も多いのは、やはり**「画像診断（レントゲンや MRI など）」**です。

• 理由： 写真というデータが豊富にあるからです。
• 他の分野： 手術、がん治療、眼科、そして「事務作業」や「教育」の分野でも AI が大活躍しています。
  • 比喩： 画像診断の分野は「AI のオリンピック」のようなもので、一番多くの選手（研究）が集まっています。一方で、事務作業の分野では、AI が「秘書」のように働いて、医師の書類仕事を減らす研究が増えています。

4. データの種類も増えた

以前は「テキスト（文字）」と「画像」が主流でしたが、2025 年は**「音声」**を使う研究も少し増えました。

• 比喩： 以前は「目と口」だけで会話していた AI が、2025 年には「耳」も使って、患者さんの声のトーンや呼吸音まで聞き分けられるようになってきたのです。

5. 結論：AI は「遊び」から「仕事」へ

この論文の最大のメッセージは、**「医療 AI は、実験段階を卒業して、本物の医療現場で働く準備が整いつつある」**ということです。

• 昔： 「AI で何ができるかな？」と試行錯誤する段階。
• 今（2025 年）： 「AI を使えば、実際の患者さんの治療がどう変わるか」を真剣に検証する段階。

特に、**「マルチモーダル（多様な感覚を持つ）AI」**の登場は、医療の複雑さをよりリアルに再現できることを意味します。まるで、AI が「人間のような総合的な判断力」を身につけ始めた瞬間です。

まとめ

2025 年は、医療 AI が**「単なる計算機」から「五感を持つ賢いパートナー」**へと進化し始めた年でした。研究の数は倍増し、より高度で現実的な使い方が模索されています。これから、AI は医師の「右腕」として、より多くの病院で活躍することになるでしょう。

---

注意点： この論文は、まだ専門家による厳密な査読（チェック）を完全に経ていない「プレプリント（予稿）」として公開されたものです。そのため、最新の医療現場のガイドラインとしてすぐに使うべきではありませんが、AI の未来を予測する上で非常に重要な指針となっています。

技術概要

論文要約：医療における人工知能（AI）：2025 年レビュー

この論文は、2025 年の医療 AI 研究の動向を包括的に分析し、前年（2024 年）との比較を通じて、研究の成熟度、モデルの進化、および臨床応用への移行を評価したものです。以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題定義と背景

医療 AI 分野は、モデルアーキテクチャのブレークスルーとデータの利用可能性により、指数関数的な成長を遂げています。しかし、研究の質と実用性の面で課題が存在します。

• 研究の成熟度: 多くの研究が探索的な段階に留まっており、臨床現場での実用的な評価や実装への移行が遅れています。
• モデルの進化: 従来のテキストベースの大型言語モデル（LLM）から、臨床データの多様性（画像、テキスト、音声など）を反映する「基盤モデル（Foundation Models）」、特にマルチモーダル基盤モデルへの移行が進んでいますが、その実態を定量的に把握する必要性がありました。
• データの多様性: 医療データは本質的にマルチモーダルですが、研究が特定のデータタイプ（主に画像やテキスト）に偏っている傾向がありました。

2. 手法 (Methodology)

本研究は、2019 年以降一貫して採用されている方法論に基づき、2025 年の出版物を分析しました。

• データ収集:
  • データベース: PubMed を使用。
  • 検索クエリ: "machine learning" または "artificial intelligence" AND "2025"。
  • 対象: 英語、ヒトを対象とした研究。
  • 除外基準: プレプリント、動物実験、ロボット手術（AI 不使用）、要約なし、非英語、システマティックレビュー、重複、非人間研究。
• 成熟度評価 (Maturity Assessment):
  • BERT ベースの分類モデル: 手動ラベル付けデータで事前学習・検証された BERT モデルを使用し、各出版物を「成熟（Mature）」と「未成熟（Not Mature）」に分類しました。
  • 成熟の定義: 「提案されたモデルの出力が、医療提供者や自動化システムに情報を提供することで、患者ケアに直接的かつ実行可能な影響を与えるか」を基準としました。
• 手動アノテーション:
  • 5 人のレビューヤーが、成熟と判定された出版物を詳細にレビューし、以下の情報を手動で注釈付けしました。
    • 医療専門分野: 22 の専門分野＋一般・教育・行政の 3 カテゴリ。
    • データタイプ: 画像、テキスト、表形式、音声（波形データは画像に分類）。
    • モデルタイプ: 伝統的ディープラーニング、古典的機械学習、AI 一般、統計、NLP、LLM、大規模視覚モデル (FM-LVM)、マルチモーダルモデル (FM-MM)。
• 基盤モデルの重点分析: 2024 年以降の急増に伴い、LLM、FM-LVM、FM-MM を含む基盤モデルを用いた成熟出版物に特化した分析を行いました。

3. 主要な貢献 (Key Contributions)

• 大規模な定量的レビュー: 2025 年の医療 AI 出版物約 49,000 件から、厳格なフィルタリングを経て 2,966 件の成熟した研究を抽出・分析しました。
• モデル進化の明確化: 古典的機械学習（ML）から、より高度な基盤モデル（特にマルチモーダルモデル）への移行が初めて定量的に示されました。
• マルチモーダル化のトレンド: 画像とテキストの組み合わせ、および音声データの増加など、データモダリティの多様化が臨床応用と連動していることを明らかにしました。
• 専門分野別の詳細な分析: 画像診断が依然として主導的である一方、行政・教育分野での LLM 利用、および外科・腫瘍学などでの基盤モデルの応用拡大を特定しました。

4. 結果 (Results)

出版物数の急増

• 総数: 2025 年の検索結果は 49,394 件で、2024 年（28,180 件）からほぼ倍増しました。
• 成熟した出版物: 3,366 件が成熟と判定され、最終分析には 2,966 件（2024 年は 1,946 件）が含まれました。

医療専門分野の分布

• 上位分野:
  1. 画像診断 (Imaging/Radiology): 976 件（圧倒的多数）。
  2. 行政 (Administrative): 277 件。
  3. 一般 (General): 251 件。
  4. 頭頸部 (Head and Neck): 185 件。
  5. 教育 (Education): 181 件。
• 眼科、病理、外科、腫瘍学、消化器内科も上位にランクインしました。

モデルタイプの推移

• LLM の支配: 従来のテキストベース LLM が 1,019 件で最多ですが、その割合は相対的に変化しています。
• マルチモーダルモデルの急成長: 2024 年の 25 件から 2025 年は144 件へと急増しました。
• 大規模視覚モデル (FM-LVM): 14 件。
• ディープラーニング (DL): 910 件で大幅増加。
• 古典的機械学習 (ML) の減少: 173 件で、前年比で初めて減少傾向が見られました。これは、複雑な医療タスクにおいて高容量モデルへの移行を示唆しています。

データタイプの分布

• 画像: 53.9%（依然として支配的）。
• テキスト: 38.2%。
• 音声: 1.2%（マルチモーダルモデルの採用に伴い増加）。
• 複合データ: 94 件（3.1%）が複数のデータタイプ（主に画像＋テキスト）を組み合わせ、マルチモーダル基盤モデルの活用を示しています。

基盤モデルの応用分野

• 基盤モデルを用いた研究では、行政、教育、一般用途が依然として多いですが、臨床分野では画像診断 (110 件)、頭頸部 (92 件)、外科 (64 件)、腫瘍学 (55 件)、眼科 (49 件) が主要な応用分野となっています。

5. 意義と結論 (Significance and Conclusion)

• 分野の成熟: 2025 年は、医療 AI 研究が「探索的開発」から「実世界での評価と実装」へと移行する重要な転換点（インフレクション・ポイント）となりました。
• マルチモーダル化の加速: テキスト中心の LLM から、画像や音声を含むマルチモーダル基盤モデルへのシフトが加速しており、これは医療データの本質的な多様性をよりよく反映したアプローチです。
• 臨床実装への接近: 画像診断分野での基盤モデルの活用拡大や、複数のデータモダリティを統合する研究の増加は、AI システムが現実の臨床現場の複雑さに近づきつつあることを示しています。
• 今後の展望: 基盤モデルの導入、プロプライエタリな AI モデルの実証評価、および「エージェント型 AI（Agentic AI）」の実装フレームワークの発展が、今後の研究と臨床実装をさらに推進すると予測されます。

総じて、このレビューは 2025 年が医療 AI において、単なる技術的な実験を超え、臨床的価値と実用性を重視した成熟期に入ったことを示す重要な年であったと結論付けています。