非造影コンピュータ断層撮影を用いた乳がんおよび肺がんスクリーニングのためのファンデーションモデル

一回のスキャンで二つのがんを調べる意義

がんスクリーニングは通常、肺用の検査、乳房用の検査といった個別の受診が積み重なる形で行われ、それぞれに時間、費用、追加の被ばくが伴います。本研究は別の発想を検討します――広く用いられている胸部スキャンを一度行うだけで、人工知能（AI）の助けを借りて肺がんと乳がんの両方を同時にさりげなくチェックできないか、というものです。うまくいけば、この方法は日常的なスキャンを二重の安全網に変え、とくに多忙な病院や資源が限られた地域で有用となり得ます。

新しいタイプのデジタルがんスカウト

研究者らはOMAFoundと呼ばれるAIシステムを開発し、三次元の胸部CT画像を「読む」ことを学習させました。従来の器官別に狭く訓練されたツールとは異なり、このシステムはまず58,000人以上から得られた20万件超のラベルなしスキャンを学習し、胸部の健常像や病変像を一般的に把握します。この広範な事前学習により、胸部全体にわたる微妙なパターンを捉えられるようになります。続いて、各被検者が最終的に乳がん、肺がん、あるいはどちらでもないかが示された小規模なラベル付きデータセットを付け加え、一般的な画像理解を具体的ながん予測へと変換するようモデルを教え込みます。

一つのシステムに二つの臓器を学ばせる

共通の画像読取コアの上に、研究チームは二つの専用ブランチを構築しました：ひとつは乳がんの兆候に特化し、もうひとつは肺がんの兆候に特化しています。これらのブランチは中国の複数病院と国際データセットを含む15万人以上の患者のCTで訓練および検証されました。乳がんについては、現行の標準スクリーニングであるマンモグラムを読む別のAIも構築し、同じ女性たちに対するCTベースのAIと既存の実践を公平に比較できるようにしました。両種の画像を持つ女性を用いた並列テストでは、マンモグラムAIが総じてやや高精度でしたが、CTベースの乳房ブランチは感度が高く（より多くの癌を検出）、一方でマンモグラフィーは誤検知を避ける点で優れていました。

臓器別所見から患者全体の診断へ

個々の臓器だけを見ると誤解を招くことがあります。両方のブランチが「がんの可能性あり」と示した場合、組み合わせることで同一人物に別々の腫瘍があるかのように不自然に示されることがあるためです。これを避けるため、研究者らは第三のAIモジュールを作り、同一CTスキャンの乳房と肺の情報を統合して、患者全体としてがんの可能性が高いかどうかを判断します。この患者レベルの視点は、現実の臨床に沿ったもので、実際にはがんがある場合でも単一のがんであることがはるかに多いです。テストセットの女性群では、この統合戦略が最良のバランスを示し、既存のがんに対する高い感度を保ちつつ偽陽性を抑え、単純な臓器レベル出力の数学的結合法を上回りました。

現場でのスクリーニング検査

OMAFoundが研究室外でどう機能するかを評価するために、チームは4つの医療センターで前向き研究を行い、低線量胸部CTスクリーニングを受けに来た2万1千人超を追跡しました。男性では肺がんのみが関連するため、同システムはおよそ86％の割合で検出と誤警報のバランスを正しく保ちました。女性では、乳がんに対して約82％、肺がんに対して約88％、そして女性にがんがあるかを判断する場合は約83％のバランスの取れた精度を達成しました。研究者らはまた7人の一般放射線医に対して困難なサンプルを読影してもらい、まず単独で、次にOMAFoundのリスクスコアと注目領域を示すヒートマップを付与して読んでもらいました。AI支援によって放射線医のがん検出能力は大きく向上し、とくに乳腫瘍の検出率が顕著に上がる一方で、非がん症例の過剰診断傾向は増えませんでした。

日常医療にもたらす可能性

総じて、本研究は既に肺チェックのために広く用いられている低線量胸部CTを、強力なAIと組み合わせることで乳がんスクリーニングの追加的な層としても機能させうることを示唆します。OMAFoundはマンモグラフィーや専門家の判断に取って代わるものではありませんが、高リスク者を早期に識別したり、過重な負担を抱える臨床医が注意を集中すべき対象を支援したりする手助けとなり得ます。一度の一般的なスキャンを多臓器がんの見張りに変えることで、追加の検査・費用・被ばくを増やさずに、より効率的でアクセスしやすく、場合によってはより多くの命を救えるスクリーニングプログラムの方向性を示しています。

引用: Liang, Z., Niu, Q., Wang, J. et al. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nat. Health 1, 403–415 (2026). https://doi.org/10.1038/s44360-026-00055-8

キーワード: 多臓器がんスクリーニング, 低線量CT, 乳がん, 肺がん, 医療用AI