Melan-Dx: 知識強化型の視覚言語フレームワークがメラノサイト性腫瘍病理の鑑別診断を改善する

なぜ高度なメラノーマ診断が重要なのか

メラノーマは危険な皮膚がんの一種で、早期に発見されれば治癒することが多い――しかしそれは顕微鏡で組織標本を読む医師が正しく識別できてこそ成り立つ。不幸にして、経験豊富な専門医であっても、特にほとんど悪性に見えるが完全には該当しない境界領域の病変については意見が分かれることがある。本稿では、数千点の専門家がラベル付けした顕微鏡画像と構造化された医療知識を組み合わせ、より迅速で一貫性があり透明性の高い診断を提供することを目指した新しい人工知能（AI）システム、Melan‑Dxを紹介する。

皮膚腫瘍画像の豊かなアトラスを構築する

最初のステップは、無害なほくろから生命を脅かすメラノーマまでを含むメラノサイト系腫瘍の高品質な“アトラス”を収集することだった。ペンシルベニア大学の皮膚病理医たちは、44種類のメラノサイト性病変を網羅する2,893枚の顕微鏡画像を慎重に選びラベル付けした。各画像は関心領域に焦点を当て、世界保健機関（WHO）の腫瘍分類に基づく三層の階層にマッピングされている。つまり、まず大まかなカテゴリ、次にサブタイプ、最後に具体的な診断に分類される。この構造化された配置は、専門医が日常診療でこれらの病変を考える際の考え方を反映している。

ピクセルだけでなく医学知識でAIを教える

Melan‑Dxは画像のみの典型的なAIを超えて、権威ある医療情報から抜粋したテキスト記述と画像を対にする。各疾患タイプについて、病理医が注目する細胞形態、増殖様式、特殊染色の結果など、病変を区別する特徴を示す短く構造化された項目をまとめた。大規模言語モデルが情報の整理に役立ったが、内容は人間の専門家が正確性を確認した。画像とテキストはともに数値的な“埋め込み”に変換され、検索可能なデータベースに格納される。これによりAIは視覚パターンを認識するだけでなく、それらを明示的な診断基準と結びつけられるようになり、専門医が索引付きの図入り教科書を参照するのに近い仕組みを提供する。

Melan‑Dxが新規症例をどのように推論するか

Melan‑Dxが新しい生検画像を受け取ると、二つの協調したブランチで処理する。画像ブランチではビジョンモデルが画像をエンコードし、アトラスから最も類似する例を検索して、最も一致するものを重視しそれらを融合して強化表現を作る。知識ブランチでは同じ画像を用いて、可能性のある診断を記述する最も関連性の高いテキスト断片を呼び出す。各疾患タイプごとの“専門”モジュールが、どの参照画像や知識項目が重要かを評価し、融合ブロックがこれらの手がかりを統合する。システムは正しい診断に対して画像とテキストの強化表現が近づくように訓練され、対応しない組み合わせは遠ざけられる。この対照学習により、AIは多数の微妙に異なる腫瘍タイプを区別しつつ、医学的知見に基づいて判断を下せるようになる。

精度、安全性、効率の検証

研究者らは次に、複数のタスクにわたりMelan‑Dxを主要な病理AIモデルと比較した。「メラノーマか否か」という基本的な問いでは、Melan‑Dxは最大87％の精度を達成し、軽く適応されたモデルや完全に再訓練されたモデルの両方を上回った。多くのメラノーマやほくろのサブタイプにまたがるより困難な40クラス分類では、最有力候補でほぼ70％、上位3候補を許容すると87％超を達成し、やはり競合手法を凌いだ。システムは疾患の階層も尊重しており、誤りが生じた場合には良性と悪性を混同するよりも、関連の近い状態同士を取り違える傾向が高く、実臨床のリスクをよりよく反映している。全スライド画像（組織断面全体の大きなデジタルスキャン）に対しても、訓練データが乏しい場合と十分にある場合の両方で癌検出を改善し、かつコアとなるビジョンモデルを再訓練する必要がないため訓練時間をほぼ90〜97％短縮した。

患者と医師にとっての意味

患者にとってMelan‑Dxの約束は、全知全能のロボット医師ではなく、見落としを減らし過剰診断による不必要な不安を避けるのに役立つより賢明なセカンドオピニオンである。臨床医にとっては、単なるラベルではなく証拠も提示する点が重要だ。類似の過去症例や診断を支持する主要な文書化された基準を示し、その推論を精査しやすくする。現在の研究はメラノサイト性腫瘍に焦点を当て、一施設の慎重に精選されたデータセットに依拠しているが、同じ戦略――画像を構造化医療知識と結び付け、検索を用いてAIの判断を導く――は多くの他の疾患へ拡張可能である。軽量で説明可能な、人間とAIの協働を念頭に置いたツールとして、Melan‑Dxは病理医が主導権を保持しつつも、正確でタイムリーな皮膚がん診断を行うための支援を強化する未来を指し示している。

引用: Yao, J., Li, S., Liang, P. et al. Melan-Dx: a knowledge-enhanced vision-language framework improves differential diagnosis of melanocytic neoplasm pathology. npj Digit. Med. 9, 171 (2026). https://doi.org/10.1038/s41746-026-02357-3

キーワード: メラノーマ診断, 計算病理学, 医療用AI, ビジョン言語モデル, 皮膚がん検出