Nature Medicineに掲載された肺がん免疫療法の予測研究「I3LUNG」は、医療AIの価値が“単独の精度”ではなく“人との協働”で測られる時代に入ったことを示している。

BEFORE YOU READ

この記事のポイント

  • AI支援により医師の予測感度はAUC 0.72から0.87へ上昇しました。
この記事の目次

何が発表されたか

2026年9月14日、シカゴ大学のMarina Garassino教授らの国際チームは、進行非小細胞肺がんで免疫療法を受けた2,396人のデータを用い、治療効果を予測するAIモデルを報告した。イタリア、ドイツ、ギリシャ、イスラエル、スペイン、米国の6施設が参加し、臨床情報・血液検査・画像・デジタル病理・ゲノムを統合したマルチモーダルなモデルである。

臨床と血液データのみのモデルでAUC 0.77、画像と病理を加えたモデルでは0.88に達し、現在の標準であるPD-L1発現などの既存バイオマーカーをいずれも上回った。

  • 0.88 / 画像・病理まで統合したモデルのAUC
  • 0.72→0.87 / AI支援による医師の予測感度(AUC)
  • 2,396人 / 6カ国・6施設の後ろ向きコホート

本当に注目すべきは「医師との協働」試験

この研究の核心はモデル単体の数字ではない。研究チームは肺がん専門医10人と他領域の医師10人に100症例を読ませ、AIの支援あり・なしで判断を比較した。AIを参照できると医師の予測感度はAUC 0.72から0.87へ上昇し、とくに改善が大きかったのは非専門医だった。

つまりAIの役割は、トップ専門医を超えることよりも、専門医がいない地域や施設の医療水準を底上げすることにある。専門医の偏在が深刻な日本の地域医療にとって、示唆は大きい。

ただし、手放しでは喜べない

同研究では、外部検証で性能が低下したことや、医師がAIの誤った提案を受け入れてしまう場面があったことも報告されている。いわゆる「オートメーション・バイアス」だ。精度が上がるほど人はAIを疑わなくなり、誤りの影響も大きくなる。研究チームは現在2,000人超の前向き登録を進めており、実臨床での再現性が次の焦点となる。

規制面でも慎重さは続く。米FDAは9月17日、放射線画像の検出・診断ソフトウェアについて510(k)審査の一部免除を認めない判断を示した。一方で米ARPA-Hは9月9日、24カ月以内のFDA申請を条件とする総額6,270万ドルの循環器AI開発プログラム「ADVOCATE」を始動しており、「速く作り、きちんと承認を通す」ことが求められている。

医療AIベンチャーへの示唆

I3LUNGが示したのは、評価軸の転換である。これからの医療AIは「AUCがいくつか」だけでなく、誰が使ったとき、どれだけ判断が良くなるのか、そして誤った提案をどう見抜かせるのかを設計段階から示す必要がある。複数施設データでの外部検証、医師を含めたリーダースタディ、説明可能性の確保。この3点を最初から組み込めるかどうかが、研究成果を臨床実装へつなげる分かれ目になるだろう。

出典

出典:University of Chicago Medical Center, "AI tool successfully predicts outcomes of immunotherapy in lung cancer", EurekAlert!, 2026年9月(Nature Medicine, 2026年9月14日掲載)/ VeroScribe, "Healthcare AI News and Regulation: September 2026 Evidence Briefing"(FDA、ARPA-H関連)

記事について

本記事は、Nature Medicineに掲載された研究および公開された報道発表をもとに構成しています。数値・固有名詞は出典の記載に基づきます。

2026年9月27日公開。

FIN.

読んだあとに、
少し違う景色が見えたなら。

ほかの記事を読む