乳腺超音波診断を革新するAI：放射線科医を超える精度を実現

乳腺超音波画像分析の基盤となる生成モデル「BUSGen」が開発され、9人の放射線科医を上回る診断精度を実現しました。この技術は早期乳がん診断の精度向上とプライバシー保護型の合成データ生成を同時に実現するものとして注目されています。

背景

乳がんは世界中の女性の健康を脅かす主要な疾患であり、早期診断が生命予後の改善に直結します。乳腺超音波検査は乳がんスクリーニングおよび診断の重要な手段ですが、その読影には高度な専門性が求められ、地域による医療格差や診断の個人差が課題となっています。

近年、医療分野における生成AI（特に拡散モデル）の進展により、大規模なデータから医学的特徴を学習し、診断支援と合成データ生成を統合的に行うアプローチが注目されています。本研究で報告される「BUSGen」は、乳腺超音波画像分析に特化した初の基盤生成モデルです。

主な発見

BUSGenは350万件の乳腺超音波画像で事前学習し、乳腺の解剖学的構造、病理学的特徴、臨床的変動を学習しました
9人の資格取得済み放射線科医との比較臨床研究において、早期乳がん診断の感度で平均16.5%の優れた性能を示し、統計的有意差が認められました（P<0.0001）
少数の例からの学習（few-shot adaptation）により、多様な下流タスク向けに現実的で情報量の豊かな合成データを生成することができました
生成された合成データは、ショートカットラーニングバイアス（実データAUC 0.600 vs 合成データAUC 0.493）が低減されており、モデルの汎化性能の向上に寄与します

臨床的意義

本研究の成果は、乳腺超音波診断の質を向上させることで、乳がんの早期発見と治療成績の改善に直結します。BUSGenが放射線科医の性能を上回るという結果は、AI支援診断システムが臨床実践に組み込まれる際の有効性を示唆しています。

同時に、このモデルはプライバシーを保護する形での合成データ生成を可能にします。医療分野では患者情報の厳密な保護が法的・倫理的に求められますが、合成データの活用により、個人情報を露出させることなく、高品質な医療AIの開発・検証を促進できます。これは、特にデータ共有が困難な地域や国際的な医療AI研究の推進において極めて有用です。