筑波大学研究グループは、生体組織内の光伝播を予測する人工知能モデルを開発し、拡散光トモグラフィの計算速度を従来の数値シミュレーションより100万倍以上高速化した。本成果は学術誌Biomedical Engineering Lettersに掲載された。拡散光トモグラフィは近赤外光を生体組織に照射し、出血や腫瘍などの異常部位を非侵襲的に検出するイメージング手法である。高精度な診断には光の伝播を記述する放射移動方程式の数値求解が不可欠だが、計算に数時間を要することが臨床応用の障壁となっていた。 本研究では、膨大なシミュレーションデータで訓練されたニューラルネットワークを高速エミュレーターとして導入した。該モデルは異常部位の位置や大きさを特徴量として入力し、測定地点での時間分解光信号を約2ミリ秒で予測する。訓練データのノイズレベルに制限された精度を有し、未知のパラメータ組み合わせに対しても強固な汎化性能を示した。この高速推論により、診断解析に必要な広大なパラメータ空間の効率的な探索が可能となった。 さらに、統計的サンプリング手法とAIモデルを組み合わせることで、取得した光信号から異常部位の位置と大きさの高精度な推定に成功した。本技術は計算コストを大幅に削減しつつリアルタイム診断を実現する基盤ツールとして期待され、脳出血や腫瘍の臨床応用において迅速な異常検出に貢献する。研究チームは今後、臨床環境での実証を推進し、医療診断機器への実装を加速させる。 本成果は、医療AIと光イメージング技術の融合により計算科学のボトルネックを解消し、リアルタイム診断の新段階を切り拓くものである。