アリババ達摩院、CT診断AI「RADAR」公開

中国Alibaba（アリババ）グループの研究機関であるDamo Academy（達摩院）は2026年9月28日、腹部CTスキャン画像から約150種類の疾患を特定できる医療向け画像言語モデル（VLM）RADAR（アリババ達摩院が開発した腹部CT診断用の医療画像言語モデル）をオープンソースとして公開しました。米科学誌『Science』にも関連論文が掲載され、コードとモデル一式がGitHub上で提供されています。

手動アノテーション不要の大規模学習アーキテクチャ

腹部CT検査は、多数の臓器や血管が密集しており微細な病変の見落としが重大な結果を招きやすい一方、従来の医療AIは特定疾患への特化型や手動アノテーション（ラベル付け）の高コスト性が課題となっていました。

RADARは、臨床現場のレポートから人手によるアノテーションを介さずに自己学習を行う手法を採用しています。

• ​学習データ規模​: 40万件以上の造影腹部CT検査データと、1,500万組の画像・テキストペアを使用。
• ​診断対象​: 18の解剖学的構造と146の画像所見をカバーし、約150種類の腹部疾患に対応。
• ​根拠の可視化​: 診断根拠となった画像領域を強調する「アテンションマップ」を出力し、医師の確認作業を支援。

外部検証とがん診断での高精度

研究チームが実施した39,160件の内部コホート（共通の属性や曝露を持つ集団を追跡する調査群）評価において、146の所見診断でAUC（分類モデルの性能を表すROC曲線下面積。1に近いほど高精度）（ROC曲線下面積）0.913を記録しました。さらに8つの外部医療センターにわたる汎化検証でもAUC 0.874〜0.912を維持しました。

特に、肝臓・膵臓・胃・大腸の4大腹部がんの病理学的検証では、AUC 0.891〜0.984という極めて高水準な識別性能を示しました。また、26名の放射線科医が参加した読影試験では、医師単独よりもRADARと協調した場合に診断性能が約10%向上することが確認されました。

未確認事項と日本の医療現場への影響

本発表における留意点と国内医療への影響は以下の通りです。

• ​臨床使用に関する法的認可​: 今回の公開は研究開発・学術目的のオープンソース提供であり、日本における医薬品医療機器等法（薬機法）に基づくプログラム医療機器（SaMD）としての承認を取得したものではありません。
• ​データバイアスの検証​: 学習データセットの地域性や撮影機器の仕様差による国内臨床環境への適応性については、日本の医療機関による独自の検証が求められます。
• ​医師不足領域での支援期待​: 腹部CT読影の負担が大きい地域の病院や当直現場において、見落とし低減や診断効率化を目的としたスクリーニング支援ツールとしての研究展開が期待されます。

分析・展望

編集部注: 医療AIの開発はこれまで、限られた疾患ごとに専門医が高コストなアノテーションを施す特化型モデルが主流でした。RADARがScience誌に採択された意義は、日常の臨床レポートテキストとCT画像をペアリングすることで、教師なしに近い形で広範な全身・腹部疾患の読影モデルをスケールさせた点にあります。GitHub上でオープンソース公開されたことで、各国の研究機関が自国のデータで追試・ファインチューニングを行い、医療基盤モデルの実用化が一段と加速するとみられます。

引用元：GIGAZINE | Alibaba Cloud Community