精度を上げたら、医師が使わなくなった。眼底写真を AUROC 0.94 で読む AI を外来に置いたら、使う割合は26%から4%に落ち、画面を直すと23%に戻った

この記事には広告（Amazon アソシエイトのリンク）を含みます。

眼科の画像を AI に読ませる研究は、もう珍しくありません。眼底（がんてい。目の奥の網膜）の写真から糖尿病網膜症を見つける、緑内障を見分ける、といった一つの仕事に絞ったモデルは、論文の上では専門医に迫る成績を何度も出しています。ところが、そうしたモデルが病院の外来で日常的に使われている例は多くありません。

北京の清華大学と清華長庚病院のチームは、この「論文の成績」と「外来で使われること」のあいだにある溝を、自分たちの病院で確かめに行きました。2025年11月、眼科の外来に AI エージェントを組み込んだ仕組みを動かしはじめ、その後の半年あまりの経験を2026年9月10日に Nature Medicine のコメント記事として報告しています。筆頭著者は清華大学の Tao Yan さんと Di Zhang さん、責任著者は Jiamin Wu さん、Ya Xing Wang さん、Qionghai Dai さん、Tien Yin Wong さんの4人です。

結論を先に書くと、いちばん大きな壁は AI の精度ではありませんでした。精度を上げたあとで、医師が使わなくなったのです。

この記事は、Anthropic 社の AI である Claude を使って書いています。AI が医療の現場で評価される話なので、その点を先に断っておきます。

診察の前後まで AI に分担させた外来

チームが作った仕組みは AI-TEC という名前で、「AI エージェントで補強した清華眼科クリニック」の頭文字です。一つの AI が全部をこなすのではなく、役割の違う5種類のエージェントが診察の前・最中・あとを分担します。

問診の前に、患者が入力した症状と病歴を整理する
緊急度を分け、どの検査を先に受けるかを決める手助けをする
視力・眼圧・眼底写真・OCT（網膜の断層画像）などをまとめて診断の材料にする
医師の判断を支える情報を出す
診察のあとの説明、通院の呼びかけ、長い付き合いになる病気の管理を受け持つ

文章を扱うのは Qwen3.5-35B という大規模言語モデルで、眼底写真を読むのは RETFound という網膜画像の基盤モデルです。どちらも既存のモデルで、チームが一から作ったわけではありません。論文の主張も、新しいアルゴリズムではなく、既存のものを診療の流れの中にどう置くかに向いています。

医師が AI に取って代わられる形ではなく、医師はずっと輪の中にいます。試行の手順も慎重で、医師はまず AI の出力を見ずに自分の診断を書き、そのあとで AI の予測を見て、判断が変わるかどうかを記録してから最終診断を出す流れでした。AI の正答率だけでなく、医師の判断に実際に影響するかを測るための設計です。

2万6,839枚より、1,426枚のほうがよく効いた

最初につまずいたのはデータでした。病院に蓄積されていた眼底写真2万6,839枚と、それに紐づく診断記録で RETFound を追加学習させたところ、新しい患者で試した成績は AUROC で 0.80 でした。AUROC は、病気の目と病気でない目をどれだけうまく分けられるかを表す指標で、1 が完全、0.5 が当てずっぽうです。0.80 は研究としては悪くない数字でも、外来で頼りにするには足りませんでした。

原因は写真の量ではなく質にありました。日常の診療で撮られた写真にはピントの甘いものや白飛びしたものが混ざり、診断記録の側も、カルテの病名がその写真に写っている所見と必ずしも対応していません。そこで眼科の専門医4人が、写りが鮮明で病名の確かな写真を手で選び直しました。残ったのは1,426枚です。

この1,426枚で学習させ直すと、同じ条件の検証で AUROC は 0.94 に上がりました。対象は緑内障、糖尿病網膜症、加齢黄斑変性、病的近視の4つです。その後、外来で医師が「この判定は違う」と返した事例を取り込むと、別の患者群での成績は 0.95 になっています。枚数を20分の1近くまで減らして成績が上がった、という結果です。

外れた事例の中身も補足資料に載っています。重い糖尿病網膜症は、糖尿病の病歴を知らずに写真だけ見ると網膜静脈閉塞と区別がつきにくいこと、視神経の乳頭に反射が出ていると緑内障の判定が狂うこと、白内障の判定はモデルのしきい値しだいで揺れることなどです。写真だけでは決まらないものが残っているので、AI の判定と医師の正解が食い違っても、どちらかが完全に間違いとは限らない、とチームは書いています。

精度が上がったのに、使う医師は26%から4%に減った

ここからがこの報告の読みどころです。精度の問題は片づきました。それなのに、医師は AI を使わなくなっていきました。

導入した翌月の2025年12月には、眼科の検査のうち 25.7% で AI-TEC の仕組みが使われていました。それが月を追うごとに下がり、導入から5か月後の2026年4月には、1か月に1,113件あった検査のうち AI を使ったのは41件、割合で 3.8% まで落ちました。

医師から返ってきた理由は、AI の判定が信用できないというものではありませんでした。遅い、クリックが多い、手で入力し直す項目が多い。診察の一回ごとに手間が積み上がるので、忙しい外来では開かなくなる、というものです。精度を上げた側からすれば拍子抜けするような理由ですが、使うかどうかを決めていたのはそこでした。

チームは画面を作り直しました。読み込みを速くし、入力の手間を減らし、医師が知りたい AI の要約に3回のクリックで届くようにしました。モデルには手を加えていません。翌月、1,126件の検査のうち AI を使ったのは259件、割合は 23.0% に戻りました。

論文はこの前後の比較を、画面の改修だけが原因だと言い切ってはいません。ほかの要因も重なった可能性はあります。それでも、アルゴリズムをいじらずに使われ方が6倍になったのは事実で、チームはここから「どの AI を入れるか」より「診療の流れにどう組み込むか」のほうが結果を左右する、という教訓を引き出しています。

もう一つ、フィードバックの速さも挙げられています。医師が気づいた AI の間違いを、数週間後の検討会でまとめて報告する方式では改善が遅すぎた。診察の場でその都度返してもらい、すぐにモデルと画面に反映する回し方に変えてから、精度も使われ方も動いた、とあります。

AI を「足す」から「組み込む」へ

チームはこの経験から、医療の AI を評価する物差しを変えるべきだと主張しています。これまでの医療 AI は、糖尿病網膜症の重症度を分ける、緑内障を見つける、といった一つの仕事に特化したものが大半で、評価も感度・特異度・AUROC といったモデル単体の成績で行われてきました。しかし病院の中では、患者・医師・検査機器・記録の流れが絡み合っていて、モデル単体の成績が良くても、医師が開かなければ患者には何も届きません。

論文が使っている言葉は「AI ネイティブ」です。既存の診療の流れに AI を外付けの道具として足すのではなく、問診から経過観察までの流れそのものを、AI が入っている前提で組み直す、という意味で使われています。評価もそれに合わせて、待ち時間や診断までの日数が短くなったか、医師の負担が減ったか、患者の経過が良くなったか、で測るべきだとしています。

ただし、報告の範囲ははっきり限られています。これは半年あまりの実装から得た初期の印象をまとめたコメント記事で、無作為化した試験ではありません。患者の経過が良くなったか、外来の効率が上がったかは、まだ測られていません。AI の出力を診療の判断には使わずに走らせる「サイレント試行」の形では、医師の判断への影響や効率への効果を直接は測れない、という限界もチーム自身が書いています。別の病院で同じことが起きるかも、これからの検証です。

それでも、精度を 0.80 から 0.95 に上げた同じチームが、使われる割合を 4% から 23% に戻すのに必要だったのは画面の作り直しだった、という経過は具体的です。医療 AI の話題は「どれだけ当たるか」に集まりがちですが、この報告が記録しているのは、当たるようになったあとに何が起きるか、のほうでした。

出典

Yan, T., Zhang, D., Chen, L., Ma, T., Tang, C., Pan, Z., Xia, Z., Qin, Y., Jiang, Z., Liu, H., Li, M., Lu, W., Wang, J., Li, C., Xin, C., Lin, S., Zhang, C., Liu, P., Wu, J., Wang, Y. X., Dai, Q., Wong, T. Y. (2026) "Initial lessons from real-world implementation of an AI-agent eye clinic in China" Nature Medicine 32, 3520–3524. https://doi.org/10.1038/s41591-026-04631-z（本文は有料。補足資料は無料で読めます）
Beijing Tsinghua Changgung Hospital（2026-09-21）"Nature Medicine" https://www.btch.edu.cn/newen/Newsroom/c8e3a6e0e93b4257aad7aceb3ad4c239.htm
Medical Xpress（2026-09-16、Sanjukta Mondal）"Augmented eye clinic shows why AI-native systems work where standalone algorithms don't" https://medicalxpress.com/news/2026-09-augmented-eye-clinic-ai-native.html
ScienceAlert（2026-09-14、David Nield）"China Just Let AI Run an Eye Clinic. Here's What Happened." https://www.sciencealert.com/china-just-let-ai-run-an-eye-clinic-heres-what-happened

一括画像変換

2月 29, 2012

このブログを検索

メモ帳