複数のワークフロー環境における乳がんスクリーニングへの人工知能統合の前向き評価：GEMINI研究

女性と医療機関にとってなぜ重要か

乳房スクリーニングは命を救いますが、専門医に大きな負担をかけ、不要な再検査の呼び出しは女性に不安をもたらすことがあります。本研究は、スコットランドの実際の国民保健サービス（NHS）乳がんスクリーニングプログラムで行われ、実用的な問いを立てました：人工知能（AI）は医師がより多くのがんを見つけるのに役立ちつつ、呼び出し件数や業務負担を管理することができるか？研究者たちは単一の導入方法を試すのではなく、日常のスクリーニングにAIを組み込むさまざまな方法を検討し、異なる圧力や優先事項を抱えるクリニック向けのロードマップを提示しました。

現在の乳房スクリーニングの仕組み

英国では、50歳から71歳の女性が3年ごとにマンモグラムの受診招待を受けます。撮影された乳房X線画像は、2人の訓練を受けた読影者が独立して判定します。意見が分かれた場合は、第三者の専門家が最終決定を下します。この「ダブルリーディング」方式は安全性を高めますが、多くの専門家の時間を要求します。同時に、スクリーニング受診者の増加と放射線科医の不足に直面しており、新しいツールは単にがんを見つけるだけでなく、既存のシステムに適合し、限られた人員時間の管理に寄与する必要があります。

GEMINI研究で試されたこと

GEMINI研究は、2023年に英国のある地域でルーチン検診を受けた10,889人の女性を追跡しました。全員が標準的なケアを受け、マンモグラムは2人の人間の専門家が読影し、必要なら仲裁が行われました。バックグラウンドでは、商用のAIシステム（Mia）が画像を解析し、その所見を静かに保存していました。研究チームは2つの主要な考え方を用いました。第一に、AIを「追加の安全網」として試験しました：AIが再検査を示唆したがスクリーニングチームが行わなかった場合、その画像を追加の人間による再検討に回しました。第二に、保存されたAI出力を使って、AIが時折第二読影者の役割を代替して時間を節約するさまざまな「トリアージ」設定をシミュレートしました。合計で、これらのアプローチを組み合わせた17通りの異なるワークフローをモデル化しました。

AIが追加の読影者として働いたときに起きたこと

AIが再検査不要とされた日常判断に異議を唱えた場合、上級読影者がそのマンモグラムを再評価しました。1,345件のうち、55人が追加の検査に呼び出され、11件の余分な乳がんがその受診時には見逃されるところを発見されました。これらの多くは浸潤性がんで、比較的小さなものが多く含まれていました。重要なのは、これら追加ケースの再評価は迅速だったことです：約9割は1分未満で読影され、典型的なマンモグラム読影と同等かそれより速かった点です。これは経験のある読影者がAIの示唆を効率的に活用し、既往画像と比較して実際の懸念を確認しつつ、無害な変化を自信を持って却下できたことを示唆します。

AIによるトリアージが負担を軽くする仕組み

次にチームは、AIがどのように一部の第二読影を安全に代替できるかを検討しました。トリアージのワークフローでは、第一読影者とAIが一致した場合、その一致を確定し、該当症例については第二読影者を不要としました。「トリアージ陰性」のワークフローでは、この省略は両者が再検査不要で一致した場合にのみ適用され、余分な呼び出しを避けつつ作業を削減します。AIに設定する判定閾値によっては、これらのシミュレーション戦略は総読影業務量をおよそ3分の1からほぼ半分まで削減できました。バージョンによっては検出されるがん数がわずかに減るものもありましたが、他の設定ではがん検出を維持し、再検査対象となる女性の割合を減らすことさえありました。

各クリニックにとって最適なバランスを見つける

著者らが支持した主要ワークフローは、「トリアージ陰性」設定とAIの追加読影者役割を組み合わせたものでした。この構成では、通常のスクリーニングで検出されたすべてのがんが引き続き検出され、加えてAIが指摘した11件の追加がんも見つかりました。これによりがん検出率は約10％上昇し（検診1,000人あたり約1件の追加）、呼び出し率は実質的に変わらず、人的読影業務は最大31％削減されました。他の検討されたワークフローは、より大きな業務削減や誤警報の減少といった別のトレードオフを提供しましたが、その代わりに主要ワークフローで検出されただろう少数のがんを見逃す可能性がありました。

将来の乳房スクリーニングにとっての意味

専門外の人にとっての要点は、AIが乳房スクリーニングで医師を置き換えるのではなく、柔軟な補助役として機能し得るということです。実世界の評価で、ある一つのAIシステムは慎重に使用されることで、呼び出し件数を増やさずにより多くのがん発見に寄与し、かつ専門家の読影時間のかなりの部分を解放しました。研究は多くの導入方法を探ったため、医療機関はがん検出を最大化する、不要な呼び出しを最小化する、人員不足を和らげるなど自分たちのニーズに最も合う設定を選べます。他地域でのさらなる研究、異なるAIツールや長期追跡を伴う検証が必要ですが、本研究は慎重に統合されたAIが乳房スクリーニングをより鋭敏かつ持続可能にできる可能性を示しています。

引用: de Vries, C.F., Lip, G., Staff, R.T. et al. Prospective evaluation of artificial intelligence integration into breast cancer screening in multiple workflow settings: the GEMINI study. Nat Cancer 7, 484–493 (2026). https://doi.org/10.1038/s43018-026-01126-1

キーワード: 乳がんスクリーニング, 人工知能, マンモグラフィー, 放射線科の業務負担, がん検出