目がゴロゴロしたり、太陽の下で焼けるように痛んだり、あるいは画面を読もうとすると視界がぼやけたりするような感覚を想像してみてください。これはドライアイであり、目の表面に十分な水分や、健康を維持するための適切な種類の油分が不足しているという、一般的かつしばしば非常に厄介な状態です。これは単なるちょっとした不快感ではありません。視力を損ない、日常生活を困難にする可能性があります。しかし、その診断は一筋縄ではいきません。医師はたった一つの検査だけに頼ることはできないからです。代わりに、患者がどのように痛みを感じているか、病歴、コンピューターをどの程度使用するかといったライフスタイル習慣、そして医師が顕微鏡を通して診察した際の目の表面の状態など、多くの異なる手がかりから成るパズルを組み立てなければなりません。長年、人工知能は画像を見ることや数値の読み取りには優れてきましたが、人間の医師が行うような注意深い推論を行うために、これら両方を同時に扱うことには苦戦してきました。

中国の病院や研究所の研究チームは、まさにこの問題を解決するために設計された新しい種類のコンピュータープログラムを作り上げました。彼らは、患者のアンケートへの記述回答を読み解き、既往歴を理解し、高解像度の眼部写真を同時に解析できる「デジタル専門家」として機能するシステムを生み出したのです。彼らがマルチモーダル・ラージ言語モデル（Multimodal Large Language Model）と呼ぶこのシステムは、ドライアイを示唆する複雑なパターンを認識するように訓練されました。これらの異なるタイプの情報を組み合わせることで、このモデルは疾患が深刻化する前であっても早期発見を目指し、高い精度で診断を確定させることを目的としています。研究者たちはこのツールを数百人の患者に対してテストし、異なる設備を持つ異なる病院からのデータに対しても、（学習した内容を適用して）健康な目とドライアイである目を効果的に区別でき、優れた性能を発揮することを確認しました。

研究は、4つの異なる病院から収集された大規模な実世界のデータの収集から始まりました。チームは計874人の参加者を募り、二つのグループに分けました。第一のグループは北京の一つの病院から来た743名の患者で構成され、コンピュータに疾患の識別方法を教えるための学習に使用されました。第二のグループは他の都市にある三つの病院から来た131名の患者で、計算機が学んだことを未知の状況にいかに応用できるかをテストするために切り離されて保管されました。すべての参加者は徹底的な検査を受けました。彼らは、目がどれくらいの頻度で乾燥と感じるか、あるいは視力がどれほど変動するかといった症状に関する詳細な調査票に記入しました。また、年齢、その他の健康状態、電子スクリーンを使用する時間などの日常習慣を含む、医学的履歴も提供しました。

これらの書面による回答とともに、医師たちは患者の目の詳細な写真撮影を行いました。これらの画像には、眼の表面、まぶた内の小さな油腺、および血管が写っていました。場合によっては、目の表面の損傷箇所を強調するために特殊な色素を用いたこともあります。研究者たちは、こうしたすべての情報――すなわち、調査結果の回答、医療履歴、そして眼部の画像――を、開発した新しいコンピューターモデルに入力しました。このモデルは既存の強力な人工知能技術に基づいた基盤を持ちつつ、医学用語や画像を理解できるように特別に調整されています。設計における重要な要素の一つは、診療記録に含まれる構造化された数値（例えば調査の結果としてのスコア）を、自然言語へと変換し、画像の傍らでコンピュータが処理できるようにする方法でした。これにより、モデルは「目が焼けるようだ」という患者の発言と、写真に見られる特定の充血との間の関連性を把握することが可能になったのです。

研究者たちは、モデルに対し主に二つのタスクを実行させました。一つ目は「警告」であり、システムの予測段階において、眼部画像が撮られる前の段階で、質問票の回答と生活習慣のみに基づいてドライアイのリスクを予測しようとするものです。二つ目は「診断」であり、決定的な判断を下す際に、全ての利用可能な情報（眼部画像を含む）を用いて、患者が確実にその疾患を持っているかどうかを判定します。チームは、モデルを二種類のルールと比較検証しました。一つは国際的なガイドラインに基づくもの、もう一つは中国独自のガイドラインを用いるものです。これらの規則によって、どのような症状と兆候の組み合わせが当該疾患に該当するのかが定義されます。

結果は、モデルが高い有効性を持っていることを示しました。質問票のデータのみを使用してドライアイのリスクを予測した場合、中国のガイドラインによれば96パーセント、国際的なガイドラインによれば約82パーセントの正確さで正解を出しました。特に、疾患が存在する場合を見逃さない能力が高く、症例を取りこぼすことがほとんどありませんでした。さらに、最終的な診断のために眼部画像を加えて回答を入力させたところ、精度の向上が見られました。国際的な基準においては92パーセント以上、中国の基準においては93パーセント以上の割合で疾患を正しく特定できました。また、本モデルは疾患を持たない人々をも正確に特定できており、誤報を防ぐ点でも優秀でした。

モデルがいかなる根拠に基づいて意思決定を行ったかを理解するため、研究者たちはモデルがどの情報に最も依存していたかを分析しました。その結果、質問事項や医療記録から得られた構造化データが最も重要な要因であることが判明しました。この情報を除外し、眼部画像のみに依拠させてモデルに問いかけたところ、パフォーマンスは著しく低下しました。このことは、ドライアイに関しては、患者自身の症状の説明とその背景となる歴史こそが最強の指標であることを示唆しています。とはいえ、画像も依然として価値のあるものでした。モデルは疑念を裏付けるため、そして詰まった油腺や眼表面の細かな傷跡のような具体的な物理的徴兆を示すために、それらの画像を利用していました。コンピュータは、人間の医師が検査を行うのと同様の領域へ注目することを学び、赤みやマイボーム腺の質感などを際立たせて示したのです。

チームはまた、別の三つの病院から集められた独立した患者グループに対してモデルをテストし、現実世界の異なる環境においても動作するかどうかを確認しました。これらの病院では写真は異なるカメラや機器を使って撮影されておりました。このような違いがあるにも関わらず、モデルは極めて高いレベルの精度を維持しました。新しく提示された患者グループに対しても成功裏に診断を行い、データの収集方法の違いに適応できることを証明しました。このことは、このツールが最初に作成されたクリニックだけでなく、幅広い臨床現場での活用が可能であることを示唆しています。なお、研究者たちは、モデルが特にお年寄りの層（この疾患が最も一般的なグループ）において高い識別能を示したが、軽度の症例が含まれていた場合には限定的であったとも述べています。

結論として、この新しいアプローチは、ドライアイの検出および診断の方法を改善する有望な手段を提供します。患者の声と医師による視覚的証拠を組み合わせることで、モデルはどちらか一方の手法だけよりも包括的な患者の健康状態を描き出します。研究者たちは、このツールは強力ではあるものの、あくまで医師を支援するために設計されたものであることを強調しています。それは、より早い段階で疾患を捉え、臨床上の意思決定をサポートするための強固で拡張性の高い手法となり、慢性的な目の違和感に苦しむ患者の負担軽減につながる可能性を秘めています。今回の成果は、人工知能が数字と画像の双方を深く理解できるよう訓練されるとき、それが眼科ケアにおける信頼できるパートナーになり得ることを明確に示すものです。