新潟医療福祉大学と山口大学、乳がんMRI解析における医療AIの評価手法を検証

新潟医療福祉大学医療情報経営学部健康データサイエンス学科の中野永講師と山口大学医学部附属病院放射線治療部の椎木健裕講師による共同研究チームは、公開された乳がん臨床試験のMRI画像データを用いて、患者ごとの治療効果の違いを捉えるAIの評価方法について検討しました。

研究では、モデル作成に用いる患者データと性能評価に用いる患者データを分けることの重要性を検証しました。その結果、同じデータをモデル作成と評価の双方に用いた場合、独立したデータで評価した場合よりも見かけの性能が高くなることが示され、研究成果はJournal of Imaging Informatics in Medicineに2026年9月29日付で公開されました。

研究の背景とデータセット

近年、MRIやCTなどの医用画像をAIで解析し、どの患者で治療効果がより大きいかを予測する研究が進められています。しかし、AIの性能が高く見えていても、それが既存の臨床情報にはない情報を加えているのか、評価方法によって良く見えているだけなのかを区別する必要があります。

本研究では、公開されている乳がん臨床試験I-SPY2のMRIデータを含むMAMA-MIAデータセットを用い、HER2陰性乳がん739例を解析しました。年齢などの臨床情報に加え、MRIから計算した従来型の画像特徴と、多くの画像であらかじめ学習したAI（基盤モデル）から得られる特徴を使用し、治療効果が相対的に大きい患者をどの程度見分けられるかを評価しました。

独立データによる検証と見かけの性能

解析にあたり、HER2陰性乳がん739例をAIモデル作成用の370例と、完成したモデルを独立して評価する369例に分割しました。モデル作成に使わなかった患者データによる独立評価を行った結果、主な直接比較では、MRI由来の情報を加えたモデルが臨床情報のみの場合より明確に性能を向上させたとは統計学的に確認できませんでした。なお、この結果は治療効果に個人差がないことや、MRI画像に治療効果に関する情報がないことを意味するものではありません。

一方で、同じ患者データをモデル作成と性能評価の両方に使用した場合、調べた12通りすべての比較において、独立した患者で評価した場合よりも見かけの性能が上昇しました。研究グループは、医療AIの性能を適切に評価・解釈するためには、単に高い数値が報告されているかだけでなく、その数値が独立したデータで適切に評価されたものかを確認することが重要であるとしています。

研究の再現性向上に向けたデータ公開

本研究では、再現性を高めて第三者が検証しやすくするため、解析コード、解析条件、結果、図を作成するためのデータなどを公開しています。

また、本研究は日本学術振興会（JSPS）科学研究費助成事業（科研費：JP24K18790、JP25K10913）の支援を受けて実施されました。

原論文および関係組織の情報

本研究の原論文情報は以下の通りです。

論文名：Separating Ranking Signal, Incremental Feature Value, and Evaluation-Induced Optimism in Breast MRI Treatment-Effect Analysis: Foundation Model and Radiomic Representations
著者：Hisashi Nakano, Takehiro Shiinoki
掲載誌：Journal of Imaging Informatics in Medicine
公開日：2026年9月29日
URL：https://link.springer.com/article/10.1007/s10278-026-02344-w
DOI：10.1007/s10278-026-02344-w

研究者の所属機関情報は以下の通りです。

新潟医療福祉大学（URL：https://www.nuhw.ac.jp/）
NSGグループ（URL：https://www.nsg.gr.jp/）

本記事は新潟医療福祉大学の発表をもとに作成しました。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。