バージニア大学電気コンピュータ工学部の博士課程学生Soumee Guha氏が、超音波や内視鏡などの医療画像に付随する歪みやノイズを除去する生成AIフレームワークを開発し、学術界から高い評価を得ている。同研究は従来の拡散モデルに撮像システムの物理特性を数学的に統合することで、診断AIが抱える大量の患者データ依存という課題を解決した。 医療現場では超音波や内視鏡カメラを用いた撮像が広く行われているが、波の散乱により生じる粒状のノイズが診断精度を阻害する要因となっていた。Guha氏は各撮像モードの物理的挙動をアルゴリズムに直接組み込む設計を採用し、データ収集コストを大幅に削減しつつ高解像度化を実現した。同手法は胎児健診や臓器疾患の評価に加え、ソナーやレーダー画像の品質向上にも応用可能だ。 生成AIは通常幻想画像の作成に用いられるが、Guha氏の手法はノイズを段階的に拡散・除去する過程で本来の物理情報を抽出し、医師が比較・検証可能な高精度画像を出力する。指導教員のScott Acton教授は、この技術が医療診断や将来のAIモデル訓練、腫瘍分類の検証など分野全体の基盤となる統合フレームワークであると評価している。 Guha氏は2021年秋より博士研究を開始し、今年春に学位申請を完了した。工学からコンピュータサイエンスへ進路を拡張し、学術的発見への情熱を医療技術の実装に結びつけてきた同氏は、学位取得後ポスドク研究へ進み、アルゴリズム開発による医療成果のさらなる向上を目指している。本技術はデータ制約を解消しながら医療イメージングの標準を変える可能性を秘め、次世代生体解析分野の重要な進展となる。