ワシントン大学（WashU）の医師・研究者らが、臨床知識を反映した人工知能（AI）モデルが、大規模な基礎モデルを上回る性能を発揮したと発表した。この研究は、頸椎性脊髄症（CSM）の早期予測に焦点を当てており、診断が通常30か月以上遅れる慢性進行性疾患の早期発見に貢献する可能性がある。CSMは首の関節炎による脊髄圧迫が原因で、首の痛みや筋力低下、歩行障害などを引き起こし、早期発見が治療成績に大きく影響する。 研究チームは、200万人以上の患者データを含む電子カルテ（EHR）データセットを用いて、7種類のAIモデルを比較。Salim Yakdan氏（神経外科ポスドク研究員）とBen Warner氏（コンピュータサイエンス博士課程学生）が共同第一著者を務め、Jacob Greenberg氏（神経外科助教授）とChenyang Lu氏（AI for Health研究所所長）が共同責任者を務めた。AIは患者の医療機関利用履歴や診断記録のパターンを分析し、CSMに類似した経過をたどる人を早期に特定する。 結果、大規模な基礎モデル（事前学習済みモデル）は内部データでの性能は優れていたが、外部の医療システムでは一般化能力に欠けた。一方、臨床知識を反映して設計された小型の専門モデルは、複数の外部データセットで一貫した高い性能を示した。特に、臨床的に重要な変数に焦点を当てたモデルは、シンプルながらも基礎モデルと同等、あるいは上回る予測精度を達成した。 Greenberg氏は「AIは医療の可能性を広げるが、純粋なデータ駆動型アプローチだけでなく、臨床知識の統合が不可欠だ」と強調。Lu氏も「AIモデルの一般化は医療AIの最大の課題。臨床的知見を組み込むことで、信頼性と実用性が飛躍的に向上する」と指摘した。 この研究は、AIが医療現場で効果的に機能するためには、データと専門知識の融合が不可欠であることを示している。今後、AIは単なる補助ツールではなく、臨床意思決定の中心的役割を果たす可能性がある。