Last Updated on 2025-05-01 17:58 by admin
テキサス大学医療支部（UTMB）は2024年末より、AIを活用したCT画像解析システムを導入している。
患者が受けた全てのCTスキャン画像をAIが自動で解析し、冠動脈石灰化（CAC）を検出、心血管リスクスコア（Agatstonスコア）を算出する。スコアが100以上の患者には自動でデジタル通知、300以上の場合は電話連絡を行う。
月間約450件のスキャンを解析し、毎月5～10件の高リスク患者を特定している。さらに、脳卒中や肺塞栓症の検出にもAIを活用し、数秒で異常を検出しケアチームに即時通知する体制を整えている。
AIは診療記録の要約や入院判定補助にも使われており、医療現場の膨大な未処理データによる「知的ボトルネック」解消を目指している。AIの活用には人間による最終確認やバイアス対策も徹底されている。AI戦略の責任者はピーター・マカフリー医師である。
【編集部解説】
UTMBの事例は、AIが医療現場の「見逃し」や「情報過多」にどう対処できるかを示している。AIは冠動脈石灰化や脳卒中、肺塞栓症といった重大疾患リスクを、CT画像から自動的かつ高速に検出する。これにより、医師やスタッフが本来注力すべき診療や意思決定に集中できる環境が整いつつある。
他の英語メディアや専門誌でも、UTMBのAI活用は「予防医療の高度化」「診断ワークフローの効率化」「臨床研究への応用」など多面的なメリットが報告されている。AIはあくまで医師の判断を補助するツールであり、最終的な意思決定は人間が担う体制を維持している。これは、誤診やAIバイアス、説明責任といった倫理的課題への配慮でもある。
一方で、AIの出力を盲信するリスクや、アルゴリズムの「幻覚（hallucination）」、データバイアスなどの課題も存在する。UTMBでは、AIの精度検証やバイアス評価、ピアレビューなど多層的な安全策を講じており、透明性と説明可能性を重視した運用がなされている。
今後、AIの普及により医療現場の「知的ボトルネック」は大幅に緩和されるだろう。特に、症状が顕在化していないリスク層の抽出や、診断精度の地域格差是正、研究へのデータ活用など、医療の質と公平性向上が期待される。AIの規制やガイドライン整備、データプライバシー保護、医療従事者のAIリテラシー向上など、社会的な基盤整備も今後の重要な課題だ。
【用語解説】
テキサス大学医療支部（UTMB）
アメリカ・テキサス州ガルベストンにある公立の医療系大学・医療機関。日本の「国立大学附属病院」と似た役割を持つ。
冠動脈石灰化（CAC）・CACスコア（Agatstonスコア）
心臓の血管壁にカルシウムが沈着している状態。CT検査で測定し、スコアが高いほど心筋梗塞リスクが高くなる。配管の内側に水垢が溜まるのと似ている。
畳み込みニューラルネットワーク（CNN）
画像認識に優れたAI技術。写真や医療画像から特徴を抽出し、異常の有無を自動判定できる。
GPT-4o
OpenAIが開発した最新のAIモデル。テキスト・画像・音声を理解し生成できる。医療現場では診療記録の要約や画像診断補助にも使われている。
Claude AI
Anthropic社が開発した大規模言語モデル。医療分野では診断補助や記録の要約など多様な用途で活用されている。
【参考リンク】
UTMB Health公式サイト（外部）
テキサス大学医療支部の公式サイト。最先端医療や研究、教育活動を紹介している。
冠動脈石灰化スコア解説（外部）
冠動脈石灰化スコア（CACスコア）の意味や検査方法、リスク評価を詳しく解説している。
【参考動画】
【編集部後記】
もしAIがご自身の健康診断や医療現場で活用されるとしたら、どんなことに期待や不安を感じますか？
AIが見落としを減らし、より早い発見や治療につながる可能性がある一方で、どこまでAIに任せてよいのか、気になる方もいるかもしれません。
みなさんのご意見や体験、感じたことをSNSでお聞かせいただけるとうれしいです。
【関連記事】
ヘルスケアテクノロジーニュースをinnovaTopiaでもっと読む
