眼科の基盤モデルを活用した複数の網膜疾患を検出する、テスト時に適応する臨床向けフレームワークの検証

より賢い眼科スクリーニングが重要な理由

世界中で何百万人もの人々が、糖尿病、緑内障、加齢に伴う網膜の変化などにより視力を失うリスクにさらされています。医師は眼底画像と呼ばれる眼の内部の写真から多くの問題を発見できますが、複数の疾患が同時に現れ得る状況で全ての画像を丁寧に確認するのは時間がかかります。本研究はRetExpertという新しい人工知能（AI）システムを紹介します。これは多様な眼科専門医のように振る舞うことを目指しており、多数の網膜疾患を同時にスクリーニングでき、実世界の雑多なデータに対応し、異なる診療所やカメラに対してその場で適応できます。

複数の眼疾患を同時に見る

従来の眼科用AIは通常、1つの疾患のみを検出するように訓練され、訓練時の画像と非常に似た見た目の画像を想定することが多いです。しかし実際の診療環境は異なります。患者は複数の眼疾患を抱えていることが多く、データセットのラベルは不完全であり、カメラや患者層も施設ごとに異なります。RetExpertは“基盤モデル”の考え方を基盤にしてこれらに対処します。基盤モデルとは大量の網膜画像で事前学習された大規模な視覚系モデルで、血管、視神経、黄斑など眼底写真に共通するパターンを既に理解しています。RetExpertはこのようなモデルの構成要素を「適応可能な知識ユニット」に変換し、既に学習された有用な知識を壊すことなくマルチ疾患スクリーニングのために微調整できる小さなアダプタ層を追加します。

偏った不確実なデータをよりよく扱う

実臨床の医療データは偏りがちです。糖尿病性網膜症のような一般的な疾患は稀な疾患よりもはるかに頻繁に現れます。単純に学習させると、AIは頻度の高い疾患に過度に着目し、重要だが稀な疾患を見落としがちになります。RetExpertは学習時に希少な疾患に追加の注意を払う手法を用い、稀な所見でも性能が崩れないようにしています。また、いくつかの予測は本質的に不確かであることも認識しています。単一の総合的な確信度を出す代わりに、RetExpertは検出対象の各疾患ごとに別個の不確実性スコアを推定します。疾患ごとのこの見方は臨床医の考え方に近く、後続の適応ステップで不安定な予測を慎重に扱うことを可能にします。

類似疾患の混同を減らす

実際には、いくつかの網膜疾患は見た目が似ており、同じ画像に対してAIが確信を持って矛盾する回答をすることは特に有害です（たとえば「正常」と「黄斑変性」を同時に示すなど）。これに対処するために、著者らは網膜疾患の共起行列を構築しました。これは医療知識と統計に基づき、どの疾患の組み合わせが一緒に現れやすいかを構造的にまとめたものです。学習中にRetExpertは出力確率をこれらの医学的に妥当な関係に合わせることを学びます。さらに、特定の疾患ペアをどれだけ頻繁に混同するかを測る「混同行為スコア」を導入しました。共起情報を組み込んだ結果、黄斑変性と強度近視のような判別が難しいペア間の混同は3分の1以上減少し、臨床利用における予測の信頼性が向上しました。

テスト時に自ら適応する

病院間でAIを展開する際の最大の障壁の一つは「ドメインシフト」です。新しい診療所からの画像は患者層、カメラ種類、撮影設定の違いで見た目が異なる可能性があります。従来のシステムは新しい環境に移るたびに再訓練や大規模な微調整が必要で、コストと時間がかかります。RetExpertは代わりに使用中に軽量な適応を行います。新しい画像のバッチに出会うと、まず自己の特徴の安定性に基づいて、次に疾患ごとの不確実性で重み付けした擬似ラベルに導かれながら、小さなアダプタ層と最終の決定ヘッドだけを短時間調整します。重要な点は、これらの更新は一時的で各バッチごとにリセットされるため、コアモデルが時間とともに変動することを防ぎ、安全性と再現性を保ちながら短期的な柔軟性を獲得できることです。

実世界での性能はどの程度か？

著者らはRetExpertを、開発に用いた2つの大規模な多疾患データセットと、さらに異なる国、カメラ、臨床環境から収集した15の追加の公開・非公開データセットで評価しました。糖尿病性網膜症、加齢黄斑変性、緑内障、近視性変化、眼トキソプラズマ症などを含むほとんどのタスクで、RetExpertは現在の主要な網膜基盤モデルと同等かそれ以上の性能を示しました。また、混同スコアが低く、病院や機器が変わる“分布外”の難しいデータセットに対してもより堅牢な結果を示しました。特定の一疾患に特化した高度に最適化されたシステムがその疾患ではわずかに優れる場合もありますが、RetExpertはその差を縮めつつ、幅広い多疾患を一つの統合ツールでカバーします。

信頼できる自動眼科検査への一歩

日常的な表現を使えば、RetExpertは大規模な共有知識基盤の上に構築された経験豊富な総合眼科医のようなもので、稀な疾患に対応し、不確かさを認め、新しい診療所に迅速に適応できる道具を備えています。適応モジュール、不確実性を考慮した学習、医学的事前知識、テスト時適応といった要素を組み合わせることで、このフレームワークは眼底のカラー写真からより正確で信頼できる多疾患スクリーニングを実現します。さらに開発と検証が進めば、こうしたシステムは眼科専門医へのアクセスが限られる環境を含め、視力を脅かす状態の早期発見を大規模に支援する可能性があります。

引用: Jiang, H., Liu, Z., Gao, M. et al. A test-time clinically adaptive framework for detecting multiple fundus diseases harnessing ophthalmic foundation models. npj Digit. Med. 9, 300 (2026). https://doi.org/10.1038/s41746-026-02480-1

キーワード: 網膜イメージング, 医療用AI, 多疾患スクリーニング, 基盤モデル, ドメイン適応