付属器腫瘤の良悪性を超音波AIで見分ける ― 12,000人規模の国際多施設観察研究（IOTA） ― 臨床試験（ClinicalTrials.gov）

1付属器腫瘤という日常的な難問

卵巣や卵管を含む付属器にできる腫瘤（しゅりゅう＝かたまり）は、婦人科の診療で頻繁に見つかる。難しいのは、手術の前に良性か悪性かをどこまで見分けられるかという点だ。悪性を見落とせば専門施設への紹介が遅れ、逆に良性を悪性と読み違えれば不要な手術を招く。超音波は最も手軽で広く使える検査だが、画像の読み取りには経験差が残り、判断の難しい症例が一定数残る。

この研究は、超音波画像から数値として取り出した特徴（ラジオミクス特徴量）を機械学習に組み込み、術前の分類をどこまで支えられるかを検証しようとするものだ。

212,000人という規模が示すもの

当サイトが追っているAI関連の臨床試験では、目標登録者数の中央値は200人にとどまる。12,000人はその60倍で、5,000人以上を掲げる少数派のなかでもさらに大きい。付属器腫瘤の悪性はもともと頻度が高くないため、良性・境界悪性・原発浸潤がん・転移性という細かい区分ごとに十分な症例数を集めようとすれば、単一施設では到底足りない。

規模はこの研究の付随的な特徴ではなく、細分化した分類を検証するという目的から必然的に導かれたものと読める。

3診療を変えないという条件

もう一つ注目すべきは、AIの出力が実際の診療を動かさない設計になっている点である。事後解析ではAIの予測と臨床医が実際に下した術前判断を突き合わせるが、それによって患者の管理や診断・治療の経路が変わることはないと明記されている。つまりこの研究は「AIを使って治療成績が上がるか」ではなく、「AIの判断は、いま行われている判断とどこがどう違うか」を測る段階にある。

回避できたかもしれない手術の割合や、医療資源の使われ方の比較も、実際に介入した結果ではなく再構成したシナリオとして扱われる。

4精度の先に置かれた評価軸

この研究が精度だけで完結していないことも特徴だ。決断曲線分析という手法で臨床的な有用性を評価し、標準的な管理とAI支援を想定した場合の医療資源の使われ方を比べ、費用対効果まで視野に入れている。さらに、診断の説明の分かりやすさや受けた医療の質に対する受け止めといった患者report型の指標も評価対象に含まれる。

画像診断AIの評価が、当たり外れの数字から「その結果として診療がどう変わり、患者がどう感じるか」へ広がりつつあることを示す一例といえる。