A Scoping Review of Foundation Models in Dementia Research

認知症は、家族にとっても医療システムにとっても深刻な課題であり、記憶と自立を徐々に蝕んでいく病状です。世界的に高齢化が進むにつれ、この疾患と共に生きる人々の数は増加しており、より優れた早期発見の方法が切実に求められています。早期発見が極めて重要である理由は、重大な損傷が生じる前の、病気の極めて初期の段階で最も効果を発揮する新しい治療法が登場しつつあるからです。これらの初期兆候を見つけ出すために、科学者たちは人工知能、具体的には「基盤モデル」として知られる強力な新しいタイプのコンピュータプログラムに注目しています。これらのモデルを、何百万冊もの本を読み、数え切れないほどの会話を聞き、多様な画像を学習した、膨大な知識のライブラリだと考えてみてください。これにより、標準的なコンピュータプログラムが見逃してしまうような、人間の言語や行動におけるパターンを理解することが可能になります。研究者たちは、これらのツールが患者の話し方に耳を傾けたり、カルテを読み取ったり、脳スキャンを分析したりすることで、医師が気づくずっと前に認知症の微かな痕跡を捉えることを期待しています。

英国の大学の研究チームは、最近、この技術の現状をマッピングすることを試みました。彼らは、これらの高度なAIシステムが認知症の研究にどのように活用されているのか、それらが実際にどの程度機能しているのか、そして病院で信頼されるまでにどのような課題が残っているのかを正確に把握したいと考えました。これに応えるため、彼らは2022年1月から2026年8月までに発表された学術論文の広範なレビューを実施しました。彼らは、これらの基盤モデルを、疾患の検出、診断、進行予測、あるいは発症リスクの推定といったタスクに適用している研究を探しました。数百件の記録を精査した後、彼らは詳細に分析するための50件の高品質な研究を選定し、使用された手法、コンピュータに投入されたデータ、および達成された結果を検証しました。

研究者たちは、この分野が急速に進化している一方で、依然として初期段階にあることを明らかにしました。ほとんどの研究は、二つの主要なタスク、すなわち、認知症の存在の検出、または症状が現れた後の診断に焦点を当てていました。これらのモデルの構築方法は大きく異なります。膨大な量の一般的なデータですでに学習済みのモデルを使用し、認知症のタスクに合わせて慎重に調整（ファインチューニング）を行った研究もあれば、公開されている商用のAIシステムに対し、内部設定を変更せずに単に質問を投げかけたりデータを与えたりした研究もありました。また、少数の研究では、新しいデータを用いてゼロからモデルを構築していました。結果からは、モデルのサイズとその信頼性の間に明確なトレードオフがあることが示されました。大規模な商用システムは、いくつかのケースで最高スコアを記録しましたが、その性能は極めて不安定でした。場合によっては、ランダムに推測するのと変わらない性能しか示さないこともありました。対照的に、認知症研究という特定のタスクのためにファインチューニングされたモデルは、最も一貫性があり信頼できる結果をもたらしており、大多数の研究で高いパフォーマンスを示していました。ゼロから構築されたモデルは概して中程度の性能であり、しばしば、より単純で古いタイプのコンピュータプログラムを上回ることができませんでした。

こうした有望な技術的結果にもかかわらず、このレビューは、これらのツールを現在の診療現場で使用することを妨げている深刻な限界を浮き彫りにしました。大きな問題の一つは、データの多様性の欠如でした。研究の大部分は米国からのデータに依存しており、参加者は圧倒的に白人でした。参加者の人種や民族について報告している研究は極めて少なく、年齢さえも報告していないものが多くありました。性別が報告された場合でも、AIが男女に対して等しく機能するかどうかを確認するために結果を分類することは稀でした。このような多様性の欠如は、これらのツールが異なる背景、言語、あるいは年齢の人々に対しても機能するかどうかを不明にしています。さらに、使用されたデータは限定的であることが多く、脳スキャンや単一の種類の医療記録に大きく依存しており、複数の情報源（脳スキャン、遺伝情報、ライフスタイルデータなど）を組み合わせることはできていませんでした。

もう一つの重要な発見は、これらのモデルのテスト方法における弱点でした。医学研究において、新しいツールは、単に答えを暗記しているのではないことを保証するために、見たことのないデータに対して機能することを証明しなければなりません。レビューされた研究のほとんどは、モデルの学習に使用したのと同じデータに対してのみテストを行っており、これは過度に楽観的な結果を招く可能性がある手法です。全く別の病院や地域から集められた独立したグループに対してモデルをテストした研究は、ごくわずかでした。さらに、死後の脳組織の検査という、認知症診断のゴールドスタンダードと比較した研究はそれよりもさらに少なかったのです。このような厳格なテストが行われなければ、これらのAIシステムが現実世界の患者の複雑さや多様性に対応できるかどうかを知ることは不可能です。研究者たちは、この技術には大きな可能性があるものの、現在はあくまで「概念実証」の段階であり、完成された解決策ではないと結論付けました。研究所から臨床現場へと移行するためには、今後の研究において、より大規模で多様なデータセット、独立したグループによる厳格なテスト、そしてこれらのツールが異なる集団に対してどのように機能するかについての明確な理解を優先させる必要があります。それまでは、これらの強力なシステムは、未来を垣間見せるものではあるものの、人間の臨床判断に代わるものにはなり得ない、発展途上の段階にあります。