解釈可能なAIシステムは高リスク乳房病変を層別化してMRIの偽陽性診断を減らす

より賢い検査、不要な処置を減らす

乳房MRIは、特に高リスクの女性において早期にがんを発見するための優れた手段の一つですが、「過検出」しやすく、良性の病変を多数疑わしいと判定してしまうことがよくあります。こうしたグレーゾーンの所見は、不安や追加検査、痛みを伴う生検につながり、最終的には良性であったという結果になることが多い。本研究は、放射線科医と併用して乳房MRIを読影し、本当に危険な病変と経過観察が可能な病変を見分けるのを助ける新しい人工知能（AI）システムを紹介するもので、できるだけ多くの女性を不必要な生検台に送らずにがんを見つけることを目指しています。

不確実な乳房MRI所見の問題点

放射線科医が乳房MRIを読影する際、所見はBI-RADSという尺度で分類されます。カテゴリー4は最も扱いにくく、悪性である確率が2%から95%までと非常に幅が広いのが特徴です。その幅の広さから、現行の経験則ではほとんどすべてを生検することになりがちです。その結果、多くの女性が最終的に良性であった病変に対して侵襲的処置を受けています。加えて、MRIの読影は主観的であり、特に経験の浅い放射線科医の間では同じ画像でも意見が分かれ、良性所見を過度に疑ったり微小ながんを見逃したりすることがあります。著者らは、こうした不確実性を低減しつつ実臨床に適合するツールの構築を目指しました。

何千件ものスキャンで訓練されたAIパートナー

研究チームはBI-RADS 4病変解析システム、略してBL4ASというAIモデルを開発しました。これは高リスクだが曖昧なMRI所見に特化したモデルです。従来の単一のスナップショットに依存するシステムとは異なり、BL4ASは造影剤投与後の複数時点を解析し、病変の増強と減衰の経時的変化を追跡します。これらの時間的パターンは、組織が良性か悪性かを示す重要な手がかりを含んでいます。まず研究者らは1万7,000超のMRIボリュームで大規模な“ファンデーションモデル”を事前学習させ一般的な画像特徴を学習させ、続いて3つの医療センターで治療を受けた2,686人の女性から得られた2,803件のBI-RADS 4病変で微調整を行いました。システムは病変を輪郭描画すると同時に低リスクか高リスクかを分類し、がんである確率も提示します。

実臨床で人間の読影者を上回る性能

BL4ASの汎用性を確かめるため、著者らは他病院の独立データセットや前向きに収集した新しい患者群で検証を行いました。これらの環境においてAIは高い精度を示し、特に特徴的だったのは放射線科医よりも高い特異度、つまり良性病変を正しく認識して偽陽性を回避する能力が高い点でした。前向きのリーダースタディでは8人の放射線科医がまず単独で症例を読影し、その後BL4ASの支援を受けて再読影しました。AI支援により診断精度は向上し、偽陽性率は25%以上低下し、読影者間の一致度も大きく改善しました。特に若手放射線科医の恩恵が大きく、システムの助けを借りることで成績は上級医にほぼ匹敵する水準に近づきました。

AIの決定を透明で実用的にする工夫

臨床医が「ブラックボックス」的なAIに慎重であることを踏まえ、研究チームは可視的な説明機能を組み込みました。BL4ASは決定に影響を与えた病変の部分を強調するヒートマップを生成し、しばしば不整形、鋭い縁、異常な増強パターンといった、放射線科医ががんと結びつける特徴に着目します。さらに単純ながん／非がんの二者択一以上に、BI-RADS 4A、4B、4Cのサブグループへ病変を割り当てリスクの段階付けを行います。外部テストセットでは、これらAI定義のサブカテゴリは実際のがん発生率と良く一致し、放射線科医よりも低リスク病変の生検回避候補の特定および高リスク病変の迅速治療対象の指摘において優れていました。

患者にとっての意味

総じて、本研究はBL4ASのような解釈可能なAIアシスタントが放射線科医の乳房MRI読影をより一貫したものにし、不要な生検を減らしつつも見逃しに対する高い安全余地を維持する助けとなり得ることを示唆しています。時間分解能の高いMRIデータをフルに活用し、その判断過程を人間に分かりやすく提示することで、同システムはより個別化された乳がんケアへの実践的な道筋を提供します：真に懸念すべき病変を持つ女性は迅速に治療へ進め、低リスクの所見の女性は侵襲的処置を避けつつ経過観察で管理できる可能性が高まります。

引用: Liang, Y., Wei, Z., Dai, Y. et al. An interpretable AI system reduces false-positive MRI diagnoses by stratifying high-risk breast lesions. Nat Commun 17, 2263 (2026). https://doi.org/10.1038/s41467-026-69212-7

キーワード: 乳房MRI, 人工知能, がん診断, 医用画像, リスク層別化