Medical DX Dose 医療DX・AIのニュースを、毎日ひと匙

画像診断AI

33本（新しい順）

論文 画像診断AI 注目 2026-09-17

眼窩・頭頸部腫瘍のMRIレポートをGPT-5-Thinkingに読ませ、専門医との精度比較と一般医への支援効果を2施設で検証したという論文。

  • 1000例の眼窩・頭頸部腫瘍MRIレポートを対象に、一般医施設と専門医施設の2施設でGPT-5-Thinkingの良悪性判定と鑑別診断を評価した
  • 一般医の頭頸部腫瘍診断精度はAI支援で47.0%から61.0%に上昇し(P<0.001)、AIと専門医の精度差はP=0.92で有意差なしだった
  • 評価はレポート文への読解タスクで、画像そのものの解析は行っていない後ろ向き研究

出典：Radiology ／ Bridging the Generalist-Subspecialist Gap with GPT-5-Thinking: Dual-Center Evaluation in Orbital and Head-and-Neck Tumor MRI Reports.

サトシサトシ
レポート文だけで専門医に近い判断ができるのは面白い。ただ画像を直接読ませた場合にも同じ差が出るかは別問題だと思う。
論文 画像診断AI 注目 2026-09-17

眼底写真によるAI陰性スクリーニングを3疾患で導入した場合の医師の読影負担と感度への影響を検証したという論文。

  • 糖尿病網膜症・網膜静脈閉塞症・加齢黄斑変性の眼底写真6,904枚を対象に、AI陰性画像を無読影とするワークフローを評価した
  • 医師の読影対象は糖尿病網膜症で7.3〜8.0%まで減った一方、感度は91.68%から88.38%に有意に低下した(P<0.001)
  • 網膜静脈閉塞症では感度は変化しなかったが、疾患によって安全性のトレードオフが異なることが示された

出典：PLOS Digit Health ／ Evaluating an AI-assisted triage workflow for retinal diseases.

サトシサトシ
読影の負担を減らせても、見逃しが増える疾患があるという書き方は誠実だと思いました。導入判断は疾患ごとに変わりそうです。
リリース 画像診断AI 注目 2026-09-15

健診プラットフォーム「スマートドック」が胸部CT画像から筋肉量と脂肪量をAI解析するオプションの提供を始めるという発表。

  • 胸部CT肺ドックのオプションとして、胸筋など5つの筋群の筋肉量と内臓・皮下脂肪量をAIが可視化する
  • 2026年9月15日から予約受付を開始し、価格は7,700円（税込）。胸部CT肺ドックとセットでの申込に限られる
  • 診断や治療を目的とするものではなく、医療機器としての認証も受けていないとリリース内で明記されている

出典：株式会社ユカリア ／ スマートドック、「からだ健康度AI解析」の提供を開始

サトシサトシ
CTのついでに筋肉と脂肪の内訳まで見られるのは受診者にとって分かりやすい付加価値だと思います
論文 画像診断AI 注目 2026-09-15

口腔の自己免疫性水疱症4疾患の鑑別でClaude Opus 4.7とGemini Pro 3の診断精度を多施設で比較したという論文。

  • 臨床病理学的に確定診断された200症例（4疾患各50例）の臨床情報と写真を両モデルに与え、強制4択で鑑別させた
  • 診断精度はClaudeが92.0%、Geminiが86.0%（p=0.012）で、AUCもClaudeが0.998、Geminiが0.965と上回った
  • 両モデルとも線状IgA水疱性皮膚症を粘膜類天疱瘡と誤分類する傾向があり、自律的な診断や臨床実装の根拠にはならないとしている

出典：Diagnostics (Basel) ／ Diagnostic Accuracy of Multimodal Large Language Models for Four-Class Benchmark of Oral Autoimmune Blistering Diseases: A Multicenter Paired Study.

サトシサトシ
ClaudeがGeminiに勝ったのは僕としては嬉しいけど、この手の比較はモデルの世代交代ですぐ古くなる数字だと思う
論文 画像診断AI 注目 2026-09-15

冠動脈血管内OCT画像でプラーク性状を分割するAIモデルを病理標本で検証したという論文。

  • 線維性・脂質性・石灰化プラークの分割精度を、専門家アノテーションだけでなく組織病理学的な基準でも検証した
  • 分割精度のDice係数は線維性0.850、脂質性0.706、石灰化0.865で、異なるモデル設定への転移実験でも汎化性を確認した
  • 評価は画像分割の精度にとどまり、実際の患者アウトカムへの影響は検証されていない

出典：★Artif Intell Med ／ DMNet-E: Enhanced dual-segmentation multi-decoder network strategy for advancing IVOCT plaque segmentation.

サトシサトシ
病理と付き合わせて検証しているのは誠実な作りだと僕は思う。ただ患者の予後改善につながるかはまだ別の話だ
論文 画像診断AI 注目 2026-09-14

中国3施設の脊椎画像レポート2万277件でGPT-4oなど4種のLLMの診断性能を比較したという論文。

  • 中国の教学病院3施設の脊椎画像レポート20,277件を対象に、GPT-4o、Claude-4、Qwen-3 Max、DeepSeek-V3.1の4LLMを9部位で比較した
  • 特異度は90%超、陰性的中率は96%超だったが、低頻度疾患では適合率が19〜42ポイント低下した
  • 施設間の再現率のばらつきは0.7〜5.0%と安定していたが、まれな疾患での精度低下という長い裾の課題が残った

出典：★NPJ Digit Med ／ Multicenter evaluation of four large language models for automated spine imaging diagnosis.

サトシサトシ
4社のLLMを本気で比較した論文は貴重だ。まれな疾患で精度が落ちる点は臨床導入の壁になる
論文 画像診断AI 注目 2026-09-12

中国5施設で実施した、AI支援による胎児頭蓋内奇形の超音波検出に関する多施設クロスオーバーRCTという論文。

  • 経験3〜8年のソノグラファーが、ハイリスク妊婦の超音波検査1584件をAI支援あり・なしの順序でクロスオーバーして実施
  • AI支援で頭蓋内奇形の感度が最大11.8ポイント上昇し（p<0.0001）、特異度は非劣性基準を満たした
  • 診断手技やAI支援に関連する有害事象の報告はなし。専門医パネルの動画レビューを参照基準とした

出典：★Lancet Digit Health ／ Evaluating AI-assisted detection of fetal intracranial malformations in prenatal ultrasound practice: a multicentre, self-crossover, randomised controlled trial in China.

サトシサトシ
感度が上がって特異度も落ちないなら現場は使う。5施設1584件という規模感が実装の本気度を示している。
論文 画像診断AI 注目 2026-09-11

膵臓の超音波内視鏡検査で病変検出を助けるAIオーバーレイシステムを開発し、8名の内視鏡医によるランダム化クロスオーバー試験で評価したという論文。

  • 6施設のEUS画像で訓練した2つの深層学習モデルを用い、専門医3名・初学者5名の計8名でAI支援の有無を比較する二期クロスオーバー試験を行った
  • 初学者による膵充実性病変の検出感度はAI支援ありで88.7%、なしで76.8%と有意に向上した(p<0.001)
  • 膵実質の認識では感度が数値上向上したが事前規定の優越性基準には届かず(p=0.095)、専門医では感度を維持したまま特異度が上昇した

出典：Dig Endosc ／ Development and Crossover Evaluation of an Artificial Intelligence-Assisted System for Solid Pancreatic Lesion Detection and Pancreatic Parenchyma Recognition in Endoscopic Ultrasonography (With Video).

サトシサトシ
内視鏡の技術差は指導体制に左右されます。AIが初学者の底上げに使えるという結果は納得感があります。
論文 画像診断AI 注目 2026-09-10

自動AIによる糖尿病網膜症の現場スクリーニングを、専門家による読影センターの判定と比較した3件の前向き検証研究という論文。

  • 2種のFDA承認済み網膜カメラを用い、1200人超の未診断糖尿病患者を対象に3つの前向き臨床試験を実施した
  • 感度は92〜93%、特異度は89〜94%で、読影センターの多専門家判定と高い一致を示した
  • 撮影成功率は99%超、機器間・検者間の再現性も95〜99%と高く、現場導入に適した性能を示した

出典：Front Digit Health ／ Autonomous AI-driven point-of-care screening for diabetic retinopathy compared to reading center multi-expert clinical review: results from three prospective controlled pivotal validation studies with AEYE-DS in over 1,200 patients.

サトシサトシ
糖尿病網膜症のスクリーニングを現場で完結できるなら、紹介までの時間が短縮されそうで気になります
論文 画像診断AI 注目 2026-09-07

胎児MRIの所見文からChatGPT・Gemini・DeepSeekの診断推論を比較したという論文。

  • 単施設で確定診断のついた胎児中枢神経MRI85例の所見文をテキスト化し、画像を見せずに3つのLLMへ入力して鑑別診断をさせた
  • 主診断の一致率はDeepSeekが77.6%(66/85)で最も高く、Geminiが69.4%、ChatGPTが61.2%だった(P=.0438)
  • 全体差は有意だったが、多重比較補正後はモデル間の差は統計的に有意ではなかった

出典：Medicine (Baltimore) ／ Comparative evaluation of large language models for text-based diagnostic reasoning in fetal central nervous system MRI: A retrospective single-center diagnostic accuracy study.

サトシサトシ
多重比較補正で有意差が消えるのは、この手の比較研究にありがちな話だ。数字の見た目に釣られない方がいい。
論文 画像診断AI 注目 2026-09-07

膵嚢胞性病変の造影超音波所見をLLM4種と放射線科医が読影し精度を比較したという論文。

  • 病理確定済みの膵嚢胞性病変80例の造影超音波所見文を、GPT-4o等LLM4種と放射線科医8名(上級・若手各4名)が読影した
  • 情報を増やすほど精度は上がり、LLMの平均スコアは100点満点で造影所見のみ47.50点から患者背景も加えた73.75点まで上昇した
  • 造影所見を入力した条件ではLLMは上級医と有意差がなく、若手医師の読影支援に使うと上級医相当まで精度が上がった

出典：Quant Imaging Med Surg ／ Large language models for analyzing contrast-enhanced ultrasound reports of pancreatic cystic lesions.

サトシサトシ
膵嚢胞は専門でも判断に迷うことがあるので、若手の読影をLLMが底上げするという結果は納得感があります。
論文 画像診断AI 注目 2026-09-05

ChatGPT-5.5やGemini3など最新マルチモーダルLLM6種の網膜画像問題正答率を比較したという論文。

  • OCTCasesの症例78件から作成した226問（画像あり151問、なし75問）に6モデルで回答させた
  • 全体正答率は59.3〜77.4%の幅で最高はChatGPT-5.5 Thinkingだったが、画像を伴う設問はどのモデルも成績が下がった
  • 全6モデルが揃って誤答した設問はすべて画像を伴う設問で、画像診断は依然として弱点であることが示された

出典：Front Med (Lausanne) ／ Comparative performance of contemporary multimodal large language models in retinal imaging question answering.

サトシサトシ
文章題は解けても画像はまだ弱い、というのが今の生成AIの実力だと僕は見ている。
リリース 画像診断AI 注目 2026-09-04

胸部X線診断支援AI「EIRL Chest Screening」が多発粒状影・空洞影に対応した新版を発売したという発表。

  • エルピクセルが、結節影・浸潤影・無気肺・間質性陰影の4所見に加え多発粒状影と空洞影を検出対象に加えた新バージョンを2026年9月3日に発売した
  • 医師の読影と同時にAI結果を参照できるコンカレントリードに新たに対応し、施設ごとに6所見表示か結節影のみ表示かを選べるようにした
  • 同製品は2026年2月末時点で全国1200施設以上・47都道府県に導入され、累計解析件数は1600万件を超えている（トライアル含む）

出典：LPIXEL ／ 胸部X線診断支援AI「EIRL Chest Screening」を大幅アップデート

サトシサトシ
専門でない内科医が胸部X線を読む機会は実際多いので、見落とし防止の網羅性アップは現場感覚に合います。
リリース 画像診断AI 注目 2026-09-02

病理画像クラウド「PidPort」の個人向けプラン提供開始という発表。

  • 法人向けに提供してきた病理画像クラウド「PidPort」を個人向けに拡張し、ブラウザから病理画像を保管・閲覧できるプランの提供を始めた
  • 月額3,980円(ストレージ50GB)のPersonalプランを新規申込者向けに3か月間無料とするキャンペーンを2026年12月31日まで実施する
  • 現時点の主な用途は教育・研究・自己学習での保管や共有で、AI解析機能は今後追加予定としている

出典：メドメイン株式会社 ／ メドメイン、個人向け病理画像クラウド「PidPort Personalプラン」を提供開始、3か月無料キャンペーンを実施

サトシサトシ
個人でWSIを管理できる環境は病理医だけでなく研修医の学習用途にも合いそうです。AI解析の追加が楽しみです。
論文 画像診断AI 注目 2026-08-30

台湾でスマホ撮影の口腔病変をAIがトリアージし、地域がん検診での実地性能を検証したという論文。

  • 台湾東部で2025年6月から12月に602人を対象に、非専門スタッフが撮影した口腔内画像をAIで3段階に判定した
  • 高リスク判定の感度は75.0%、陽性的中率は17.6%で、判定区分ごとのAUCは0.93から0.96だった
  • 陽性的中率は低く、単独診断ではなく専門医への紹介優先度を補助する位置づけにとどまるとした

出典：JMIR Mhealth Uhealth ／ Mobile AI-Assisted Oral Lesion Triage for Community Oral Cancer Screening: Prospective Field Evaluation Study.

サトシサトシ
現場で使うAIには感度より的中率が効いてくる。今回は的中率が低めで、運用の設計が問われそうです。
論文 画像診断AI 注目 2026-08-30

網膜画像から全身疾患を検出するAIモデルRETFoundと従来モデルを比較したという論文。

  • SEED研究など複数のデータセットで、RETFoundと3種の従来型AIモデルを様々な学習データ量で比較した
  • 高血圧検出では学習画像100枚でRETFoundのAUCが0.705、ResNet50は0.634と有意差があった(p<0.0001)
  • 眼疾患検出では学習データが十分ある場合、RETFoundと従来モデルの性能差はほぼ消失した

出典：★Lancet Digit Health ／ Performance and label efficiency of traditional deep-learning models and a retina-specific foundation model for ocular and systemic disease detection: a retrospective comparative study.

サトシサトシ
腎臓病まで眼底写真から拾う発想は面白い。ただ僕が見る限り、優位性は少データの場面に限られる。
論文 画像診断AI 注目 2026-08-27

多施設のEEGデータで脳波解析AI基盤モデルを開発し外部検証したという論文。

  • 米国4施設1万8677人分のEEGで開発し、48施設1573人分の外部データセットで専門医と比較検証した
  • 17項目のEEG所見でAUC0.86~0.98を達成し、外部検証では内部検証比でAUCが最大2.12ポイント低下した
  • けいれん検出や棘波検出では専門医コンセンサスと同等以上の一致度を示したが、年齢や性別による性能差も一部認められた

出典：★Lancet Digit Health ／ Toward unified and comprehensive automated electroencephalogram interpretation: a multicentre development and validation of an electroencephalogram foundation model.

サトシサトシ
基盤モデルが多施設でここまで崩れずに機能するのは地味にすごい。専門医との差分をどう使うかが次の焦点だと思う。
論文 画像診断AI 2026-08-23

CTを使わずに心筋SPECTの減弱補正を行う拡散モデルDiffCASを提案したという論文。

  • CT併用SPECTの424例分のデータを用い、非減弱補正画像から補正画像を生成する物理拘束付き拡散モデルを構築した
  • 画素レベルの評価指標と心筋領域に特化した臨床指標の両方で、既存の画像生成手法を上回る精度を示した
  • 評価は保有データセットでの技術的な精度検証にとどまり、前向きの臨床評価は行われていない

出典：★Artif Intell Med ／ DiffCAS: Inference-time CT-free diffusion model for physics-aware multi-slice attenuation correction in cardiac SPECT.

サトシサトシ
CTが要らなくなる方向は普及の後押しになりそうですが、まだ院内データでの検証段階だと思います。
論文 画像診断AI 2026-08-22

非造影の膠芽腫とIDH変異型星細胞腫をMRIのラジオミクスで鑑別するモデルを開発したという論文。

  • 2021〜2022年の神経膠腫患者118人(膠芽腫47人)のMRI4系列から抽出した特徴量でモデルを構築した
  • 内部検証コホート(22例)でAUC0.935・正診率91.0%、外部検証コホート(12例)でAUC0.969・正診率90.0%だった
  • 外部検証コホートはわずか12例で、単施設での後ろ向き解析にとどまる

出典：PLOS Digit Health ／ Radiomics-guided multimodal MRI fusion framework for non-enhanced glioblastoma noninvasive identification.

サトシサトシ
AUCは立派だけど外部検証12例は心もとない。数字の大きさより母数を見るくせをつけたい。
論文 画像診断AI 注目 2026-08-21

造影CTで肝悪性腫瘍を診断するAIシステムを日常診療に読影補助として組み込み、1万333人の実診療で前向きに評価したという論文。

  • 6443人で学習したAIモデルを2万2251人で多施設検証した上で、1万333人の実診療に読影補助として組み込む単群試験を実施
  • AI導入で見落とされていた病変51件(うち悪性15件)を新たに発見し、放射線レポートの修正37件・多職種カンファ移行22件につながった
  • 単群デザインで対照群を置いておらず、実際の診断精度向上が臨床転帰の改善につながるかは今後の比較試験で確認が必要としている

出典：Nat Med ／ Large-scale AI-guided liver malignancy diagnosis: multicenter study and a single-arm trial.

サトシサトシ
見落とし50件超をAIが拾い上げたのは大きい。読影の最後の砦としての使い方は消化器領域でも参考になります
論文 画像診断AI 2026-08-19

肝細胞癌に対するDEB-TACE治療の短期効果を、造影MRIのradiomicsと深層学習で予測したという論文。

  • 3施設の肝細胞癌145例(内部113例・外部32例)を対象に、造影MRIから抽出した特徴量で治療効果予測モデルを構築した
  • 画像・深層学習・臨床因子を統合したモデルのAUCは内部検証0.822、外部検証0.804だった
  • 外部検証症例は32例と少なく、単一治療歴の患者に限定した後ろ向き解析である

出典：J Imaging Inform Med ／ Radiomics Integrated with Deep Learning Based on Contrast-Enhanced MRI for Predicting Short-Term Efficacy of Drug-Eluting Beads Transarterial Chemoembolization in Hepatocellular Carcinoma from Multicenter Retrospective Study.

サトシサトシ
肝細胞癌のTACE効果予測は消化器内科・IVR領域の外来説明に直結しそうな話です。
リリース 画像診断AI 注目 2026-08-18

胸部CT画像診断支援AI「EIRL Chest CT」が計測機能を拡充した新バージョンの提供を開始したという発表。

  • 肺結節の2次元短径や長短径の平均、3次元長径の自動計測を追加し、肺がん検診ガイドラインの定量評価指標に幅広く対応した
  • CT画像を1枚に投影するRaySum画像への解析結果表示にも対応し、これまでに1,200施設以上、総解析件数1,600万件超の実績があるとしている（2026年2月末時点）
  • 既存のワークフローを阻害しない支援を目的とし、各計測項目は施設ごとにON/OFFを設定できるとしている

出典：LPIXEL ／ 胸部CT画像診断支援AI「EIRL Chest CT」、計測機能の拡充機能等を追加した新モデルを発売

サトシサトシ
低線量CT検診の対象拡大で読影量が増える中、計測の手間を削る機能から先に来たのは現場感があります
論文 画像診断AI 2026-08-16

強度近視と緑内障合併例の鑑別診断で、4種類のマルチモーダルLLMの精度を比較したという論文。

  • 強度近視単独50例と強度近視・開放隅角緑内障合併50例の計100例を対象に、4つのLLMに直接回答とCoT（段階的思考）の両方式で鑑別させた
  • 直接回答での症例正答率はGemini 3 Flash Preview 83.0%、Kimi-k2.5 75.0%、GPT-5.4 65.0%、Qwen3.5-Plus 49.0%で有意差があった
  • CoT方式にするとモデル間の差は消え（p=0.357）、CoTが精度を一貫して底上げするわけではなかった

出典：Front Med (Lausanne) ／ Evaluating multimodal large language models for differential diagnosis of high myopia versus high myopia with Glaucoma.

サトシサトシ
CoTにすれば良くなるとは限らない、というのが率直な結果。モデル選びの方が効くという話だと思う
論文 画像診断AI 注目 2026-08-15

口腔扁平苔癬の長期経過を、多モーダルLLMが専門家パネルとどれだけ一致して評価できるか調べたという論文。

  • 病理確定診断後24カ月以上追跡した300例の連続診療記録・口腔内写真・病理報告を、ChatGPTと専門家パネルにそれぞれ盲検で評価させた
  • 高リスク症例の検出感度は78.8%、特異度は99.6%、全体の経過分類精度は94.7%、3段階のリスク層別精度は76.3%だった
  • 層別の誤りの大半は低リスク方向への見誤りで、著者は前向きの外部検証が必要だとした

出典：Sci Rep ／ Trajectory-aware risk stratification of oral lichen planus using a multimodal large language model: a longitudinal diagnostic accuracy study.

サトシサトシ
感度78.8%で特異度99.6%、見逃しは少ないけど拾いすぎもしていないバランス。経過観察の補助としては悪くないですね。
論文 画像診断AI 注目 2026-08-15

卵巣エコー画像の読影にGoogle GeminiがO-RADSとIOTA基準をどう適用するか検証したという論文。

  • スイスの大学病院の正常卵巣10例、良性病変10例、悪性病変10例、計30件のB モード・ドプラ画像をGeminiに提示し、専門家2名が盲検でGQSスコアを評価した
  • 正常卵巣10例中6例を病的と誤判定し、良性10例中6例を高リスクのO-RADSに誤分類、悪性10例中3例を良性と見誤った
  • 平均GQSは3にとどまり、著者は専用モデルでの厳密な検証なしに臨床応用すべきでないと結論した

出典：Ultraschall Med ／ The Role of Google Gemini in the Interpretation of Ovarian Lesions.

サトシサトシ
正常卵巣の6割を病気だと言い張るLLM、これはまだ現場に出せない。汎用モデルの限界がはっきり出た例だと思う。
論文 画像診断AI 2026-08-15

経腟エコーとMRIの片方しか撮らない患者でも使える、子宮内膜症の画像診断モデルを開発したという論文。

  • Pouch of Douglas閉塞と腸管結節という2つの所見を、対になっていない経腟エコーとMRIのデータから相互に学習させる枠組みを提案した
  • 単一モダリティのみの入力でも平均AUC0.827（95%CI 0.790〜0.861）を達成した
  • 著者ら自身が概念実証段階だとしており、臨床での前向き検証はまだ行われていない

出典：★Artif Intell Med ／ Unpaired multi-modal multi-label learning for detecting endometriosis signs.

サトシサトシ
検査は片方しか撮らないのが実際なので、その前提で設計したのは現実的だと思います。ただまだ概念実証止まりですね。
論文 画像診断AI 注目 2026-08-14

小児と成人の胸部X線で肺炎検出をするマルチモーダルLLMの精度差を検証したという論文。

  • GPT-5.2・Claude Opus 4.5・Gemini 2.5 Proをゼロショットで用い、小児と成人それぞれ1000枚の胸部X線で肺炎検出精度を比較した
  • 小児でのMCCはCNNの0.799に対し3モデルとも0.27〜0.48にとどまり、成人では性能差が縮小した
  • LLMは小児での成績が低く、臨床導入前には年齢層別のサブグループ評価が必須だとしている

出典：Acad Radiol ／ Pediatric vs. Adult Pneumonia Detection: Quantifying Age-related Generalization Gaps in Zero-shot Multimodal Large Language Models.

サトシサトシ
汎用LLMが小児画像で軒並み崩れるのは、専門特化モデルの価値を裏づける結果だと思う
論文 画像診断AI 2026-08-13

胸部X線の読影レポートを自動生成する三段階のモデルを作り、検証役を挟んでも幻覚が残ったという論文。

  • Swin TransformerとQwen3-0.6Bを組み合わせ、下書き・臨床的検証・整形の三段階で生成し、IU X-Ray 321例で評価した
  • 三段階の幻覚率は0.6116で一段階の0.6109と変わらず、CheXpert-F1は0.7038と一段階の0.7154を下回った
  • 検証役は指摘した幻覚の85.6%を修正した一方、推論時間は14.8倍に増え、著者らは臨床導入前の試作と位置づけている

出典：Front Radiol ／ Swin-Qwen3: a three-stage vision-language framework for automated radiology report generation with multi-agent verification.

サトシサトシ
段を増やせば正確になるわけではない。幻覚率6割なら、比べる相手は一段階版ではなく人間だ
論文 画像診断AI 注目 2026-08-12

胸部画像診断でLLMの提案をどう取捨選択するかを決める要因を調べたという論文。

  • 読影医10人が胸部画像100症例を、LLM支援なしと、正答率76%または27%に調整したGPT-5/GPT-4oの支援ありで読影した
  • モデルの確信度が高いほど（OR3.82）、読影医の熟練度が高いほど（OR2.06）、適切な採否判断につながった（いずれもP<.01）
  • 根拠の説明が丁寧なほど誤った提案も受け入れやすくなり（OR1.71）、AIへの過信リスクが数値で示された

出典：Radiology ／ Determinants of Reader-LLM Interaction in Thoracic Radiology: Impact of Model Confidence and Reader Expertise.

サトシサトシ
説明が上手いAIほど、間違ってても信じてしまう。もっともらしさと正しさは別物だと肝に銘じたい
論文 画像診断AI 注目 2026-08-12

脂肪成分の乏しい血管筋脂肪腫と淡明細胞型腎細胞癌を、深層学習radiomicsノモグラムで鑑別したという論文。

  • 腎腫瘤583例（訓練329例、内部検証131例、外部検証123例）を対象に、2施設で3スライス入力の深層学習radiomicsモデルを開発した
  • 3スライス入力モデルは内部検証AUC0.821、外部検証AUC0.809で、単一スライスモデル（各0.782、0.763）を上回った
  • 検証コホートは画像所見が紛らわしい症例のみに限定した厳しい設定で、臨床情報を統合したノモグラムはAUC0.855（内部）0.823（外部）まで向上した

出典：J Imaging Inform Med ／ A Three-Slice Deep Learning-Radiomics Nomogram for Challenging Renal Mass Cases: A Double-Center Study.

サトシサトシ
腎臓の画像診断は結局、際どい症例で本領が問われる。そこにAUC0.8台を出してきたのは素直にすごい
論文 画像診断AI 注目 2026-08-11

眼底写真から2〜5年後の緑内障進行を予測するAIモデルを5カ国のデータで外部検証したという論文。

  • 6施設の緑内障外来患者1万3913人、眼底写真16万枚超のデータでモデルを開発し、5カ国のコホートで外部検証した
  • 内部検証でのAUCは最大0.98だったのに対し、5カ国での外部検証ではAUCが0.74〜0.86まで下がった
  • 外部検証での精度低下を踏まえ、著者らはリスク層別や資源配分への活用には前向き評価が必要だとしている

出典：★Lancet Digit Health ／ Prediction of structural glaucoma progression from baseline fundus photographs using deep learning: a retrospective multicentre study.

サトシサトシ
内部0.98が外部で0.74まで落ちる。この差こそが臨床AIの本当の実力で、そこを隠さず出したのは誠実だと思う
論文 画像診断AI 注目 2026-08-09

ChatGPTとClaudeに橈骨遠位端骨折の不安定性をX線から判定させた論文。

  • 骨折X線写真20例について、手外科医5人の合議を基準にChatGPTとClaudeの判定一致度を比較した
  • 両モデルとも安定性分類の正答率は0.75（95%信頼区間0.56-0.94）で、個別の判定基準では一致度が低い項目もあった
  • 一部の基準では正答率が偶然に近い水準にとどまり、現時点では補助診断ツールとして使える水準ではないと結論づけた

出典：Hand (N Y) ／ Can Artificial Intelligence Assess Distal Radius Fracture Stability?

サトシサトシ
Claudeも名指しで「まだ使えない」と書かれる。ここでちゃんと失敗が報告されるのが個人的には信頼できる。
論文 画像診断AI 2026-08-08

甲状腺結節の超音波画像をChatGPT-5.4とDeepSeek-VL2に読ませてリスク分類の精度を比べたという論文。

  • 病理診断が確定した甲状腺結節206例(良性117例、悪性89例)の超音波画像を、2つのモデルに同じ指示文で読ませた。
  • 悪性判定の正診率はChatGPT-5.4が70.9%、DeepSeek-VL2が57.8%で、判定不能の割合もChatGPT-5.4の方が低かった(6.3%対15.5%)。
  • 感度・特異度の差は統計的に有意ではなく、単施設の後ろ向き研究で、どちらも単独診断には使えないとしている。

出典：Front Digit Health ／ A retrospective comparative study of ChatGPT-5.4 and DeepSeek-VL2 for C-TIRADS-based risk stratification of thyroid nodules on ultrasound images.

サトシサトシ
数字の差はあっても有意差はない。この手の比較は、勝敗より両方とも単独では使えないという結論の方が大事だ。