AI関連の最新ニュースをピックアップ
医療画像解析において、平面的な2Dスライスから3次元全体の空間的文脈を捉えた論理的推論への拡張が進んでいます。米NVIDIAは、放射線科医の内的な思考連鎖（CoT推論）を模倣し、3D CTスキャンを立体的に読影・対話できるオープンビジョン言語モデル（VLM）「NV-Reason-CT（NVIDIAが開発した3D CT解析向けのオープン基盤モデル）」を発表しました。
単一の腹部CT検査には通常300〜600枚の軸方向スライスが含まれ、3次元の解剖学的構造が密接に符号化されています。しかし従来の一般的なVLMはスライスごとの2D処理にとどまり、立体的な空間配置を十分に再現できませんでした。
NV-Reason-CTは、RSNA 2026で有用性が検証された胸部X線向けモデル「NV-Reason-CXR」の推論手法をフル3Dボリュームへと発展させたものです。胸部および腹部の連続CT画像から、放射線科医の読影思考プロセスをエミュレートしながら構造化された診断レポートを生成し、多段階のフォローアップ対話を通じて医師の確認作業を支援します。
なお、本モデルは自律的な診断装置や承認済みの臨床製品ではなく、医療機関や開発者が特定用途向けに追加学習を行うためのオープンな研究開発基盤モデルとして提供されます。
従来の医療画像AIとNV-Reason-CTのアプローチには明確な違いがあります。
| 比較項目 | 従来の2D医療VLM（X線・単一スライス） | NV-Reason-CT（3D CT） |
|---|---|---|
| 入力次元 | 単一の2D画像または独立スライス | 300〜600枚の3D連続スライス（体積データ） |
| 空間解釈 | 平面内の病変検出・輪郭抽出 | 血管や臓器の連続的な走行・3次元的病変追跡 |
| 出力形式 | 単純な分類ラベルまたは短文所見 | 思考過程（CoT推論）を含む構造化レポート |
単に異常の有無を確率値で返すだけのAIから、なぜその判断に至ったかを多段階の論理で説明できるAIへの進化は、医療従事者がAIの出力を信頼して活用する上で決定的な転換点となります。