マッコリー大学計算神経外科（CNS）ラボは、医療画像診断における熟練者の視覚的専門知識を定量化し、人工知能（AI）の学習基盤構築に新たな道を開いた。研究グループは被験者の眼球運動を高精度で追跡し、フラクタル幾何学と機械学習を組み合わせた分析法を適用。初心者から専門医に至るまでの視覚的特化プロセスを数値化することに成功した。 研究は2つの主要な検証から構成される。最初の研究では医学部学生13人を3学期にわたって追跡しフラクタル眼球追跡専門性指数（FEI）を開発した。学習の進行に伴い視線はランダム性から離れ、診断駆動型の構造化されたスキャンパターンへと移行することが統計的に裏付けられた。2つ目の研究では初心者から研修医、熟練神経外科医まで69人を対象に脳MRI画像の閲覧を分析。熟練者は病変部に注視する時間が長く、病理の種類に応じた構造的複雑性のサンプリング特性を示した。 AIモデルは注視時間と3次元フラクタル次元を組み合わせたデータを用い、被験者の熟練度を93％以上の精度で分類することに成功した。CNSラボのアントニオ・ディ・イエヴァ教授は、本研究が単なる視覚データの記録を超え、人間の上位認知機能を視覚軌跡の代理指標としてAIに伝達するフレームワークを提供すると強調する。 本研究成果は主要な学術誌に公開された。ディ・イエヴァ教授らは、フラクタル分析による定量的指標が医学教育の評価体系の刷新、診断カリキュラムの最適化、そして熟練医の思考プロセスに準拠した医療画像AIの開発に重要な示唆を与えると指摘している。本研究は機械学習のパラダイムを単なるパターンマッチングから人間の認知構造への学習へと転換し、医療診断の自動化と教育効率化に寄与する基盤技術として期待されている。