血液悪性腫瘍の鑑別診断を支援するAI技術を開発

日立および国立大学法人九州大学病院(以下、九州大学病院)は、血液悪性腫瘍の診断に用いられるフローサイトメトリー(FCM)検査において医師の鑑別診断を支援する機械学習型のAI技術を開発しました。

血液悪性腫瘍は病型によって治療法が大きく異なるため、候補疾患を適切に絞り込むことが、患者に適した治療選択につながります。一方、FCM検査は細胞の特徴を示すマーカーを測定して診断に役立てる重要な検査ですが、検査データの解釈に高度な専門性と経験が求められ、また、症例数の増加に伴い解析作業の負担が増大しています。今回開発したAI技術は、細胞集団におけるマーカー陽性率を特徴量として活用し、実際の診断の進め方に近い形で分類することを特徴としています。白血病、リンパ腫、多発性骨髄腫など計16クラスを対象に、候補疾患を確率付きで複数提示することで、判断材料の整理や新たな気づきを支援します。九州大学病院の臨床データ500例以上で学習・評価した結果、複数疾患の同時分類においてAUCで0.9以上の性能を確認しました。

今後、日立は、医療機関や検査会社との共同検証(PoC)を通じて評価規模を拡大し、医療の質と持続可能性の両立に資する診断支援技術としての実装をめざします。

背景および課題

がんの世界的な増加に伴い、限られた医療人材でも検査結果の解釈を支える仕組みづくりが重要になっています。FCM検査では、細胞にレーザー光を照射してマーカーを測定し、解析しますが、高度な専門性と経験が求められます。さらに、検査件数の増加に伴い解析作業の負担が増えていることから、効率的に解析を進め、候補疾患を適切に絞り込むため、鑑別の判断材料となる情報をより分かりやすく提示する技術が求められていました。

開発した技術の特長

1. マーカー陽性率を活用したAIモデル：医師のゲーティング後の解釈プロセスに沿う形で構築し、標準化を支援。 2. 確率付きの複数候補提示：単一疾患でなく複数の候補を確率で提示し、医師の診断思考に沿った判断材料を提供。

確認した効果

白血病およびリンパ腫・多発性骨髄腫に対応する2モデルを構築し、九州大学病院の500例以上の臨床データを用いて評価。AUC 0.9以上の性能を確認。

今後の展望

今後、医療機関とのPoCを通じ評価規模を拡大し、診療フローでの活用をめざします。なお、本成果の一部は、6月11日～14日にスウェーデンで開催されるEHA 2026 Congressにおいて抄録として掲載されました。