ハーバード医科大学とClairity Inc.のConstance D. Lehman教授らが主導する研究チームは、AIによるマンモグラフィ画像の解析により、乳がん発症リスクを長期的に追跡する手法の有効性を示した。本研究は学術誌Radiologyに発表され、画像データのみを用いた深層学習モデルが従来の臨床情報に依存しない動的なリスク評価を可能にすることを裏付けた。 調査では2009年から2019年にかけて米国内6施設で撮影された5万4014人のデータが解析された。臨床データや人口統計情報を一切使用せず画像のみから5年間の発症リスクを算出した結果、乳がんと診断された817人の患者では、発症の約6年前からスコアが上昇傾向を示し、発症の2年前に急激に高まった。一方、がんを発症しなかった5万3017人ではスコアは安定していた。この変化は人間の目では検出できない画像内の微弱なシグナルを検出するものであり、遺伝子変異や家族歴を背景としない散発性乳がんの予防にも貢献する。 Lehman教授は、画像由来のAIスコアを時間軸で追跡する動的バイオマーカーが、個別化された予防戦略の実現を可能にすると解説する。特に自己申告に依存する臨床データの偏りや検診性能の格差を是正する手段として期待される。この知見は2026年版の全米総合がんネットワークガイドラインにも反映され、35歳以上で5年リスクが1.7%を超える場合にマンモグラフィに加えて乳腺MRIの追加を推奨する方向性を示している。既に米国ではFDA承認の画像ベースAIリスク評価モデルが臨床現場で導入が進んでおり、動的管理により従来の高血圧や脂質異常症と同様の予防的介入が現実化しつつある。