はじめに
GoogleとImperial College London、英国NHS（国民保健サービス）は2026年3月10日、AI（人工知能）を活用した乳がん検診の精度と業務効率に関する2本の論文を科学誌『Nature Cancer』に発表しました。本稿では、この研究内容と、医療現場における人間とAIの協働に向けた課題を解説します。
参考記事
- タイトル: How AI can improve breast cancer detection in the UK
- 著者: Yossi Matias（VP Engineering & Research）、Shravya Shetty（Principal Engineer, Google Research）
- 発行元: Google Blog
- 発行日: 2026年3月10日
- URL: https://blog.google/innovation-and-ai/technology/health/google-ai-breast-cancer-detection/
要点
- GoogleとImperial College London・英国NHSによる共同研究が、AIを用いた乳がんスクリーニングの精度と実用性を大規模に検証した
- 第1の研究では、12万5,000人のマンモグラフィをAIが解析し、従来の検診で見逃されていた「インターバルがん」の25%を検出した
- 第2の研究では、AIを「第2読影者」として活用することで、放射線科医の読影業務を推定40%削減できる可能性が示された
- ロンドン12か所のNHSスクリーニング施設で実施した実現可能性調査では、AIが「プラグ・アンド・プレイ」では機能せず、各施設への丁寧な調整が必要であることが明らかになった
- 仲裁委員会がAIの判定を覆すケースが確認され、人間とAIの信頼関係の構築が今後の重要課題として浮かび上がった
詳細解説
背景：放射線科医不足と「ダブルリーディング」の限界
英国では乳がんが女性8人に1人が罹患する深刻な疾患です。早期発見が治療成績を大きく左右するため、NHSでは「ダブルリーディング」と呼ばれる厳格な読影プロセスが採用されています。これは2人の専門医がすべてのマンモグラフィ画像に合意しなければならず、意見が割れた場合は仲裁委員会が最終判断を下す仕組みです。
しかし、このプロセスは現場の逼迫に直面しています。Googleによれば、各専門医は年間約5,000件のスキャンをわずか週4時間の専用時間で処理しなければならず、世界的な放射線科医不足がその重圧をさらに大きくしています。こうした状況を受け、GoogleはAIによる支援の可能性を検証する研究に着手しました。
第1研究：大規模検証で示されたAIの検出精度
Googleの研究チームは12万5,000人分のマンモグラフィ画像を使い、AIと専門医の読影精度を比較しました。その結果、AIは従来のスクリーニングで見逃されていた「インターバルがん」——定期検診の合間に症状が現れて初めて発見されるがんで、発見時点では治療がより困難になっていることが多い——の25%を検出しました。
また、AIは専門医と比較して、より多くの浸潤性がんをはじめ全体的に多くのがんを発見しました。さらに、初回スクリーニングを受けた女性に対しては偽陽性（がんでないのにがんと判定すること）の件数が少なかったという結果も得られています。検診精度と偽陽性の低減を同時に達成した点は、実用化に向けた有望な結果と考えられます。
第2研究：業務負担40%削減の可能性
続く第2の研究では、5万人以上のスキャンデータを用いて、AIを「第2読影者」として組み込んだ場合の業務効率を検証しました。Googleによれば、この方式ではスクリーニング業務を推定40%削減できる可能性が示されました。
NHSのような二重読影体制では、AIが最初の一人の専門医に代わって自動的に判定を行い、もう一人の専門医が確認する形にすることで、医療従事者が複雑なケースや患者ケアに集中できる時間を確保できると考えられます。全国的な検診バックログ（積み残し）の解消にも寄与する可能性があります。
人間とAIの協働：信頼構築という未解決の課題
精度面での有望な結果がある一方、実際の臨床現場での課題も明らかになりました。Googleが注目したのは、読影の最終判断を行う「仲裁委員会」の動きです。シミュレーション検証では、仲裁委員会の専門医がAIの判定を覆すケースが確認され、その中にはAIでなければ見逃されていたがんも含まれていました。
AIが微細な初期段階のがんを捉える能力に対して専門医がどこまで信頼を置けるか、この人間とAIの相互作用についてはさらなる研究が必要とされています。AIの判断を過度に疑いすぎると、その有効性が失われてしまうという難しいバランスがあります。
実運用に向けた現実的な課題
Googleはロンドン都内12か所のNHSスクリーニング施設で観察型の実現可能性調査も行い、9,000件以上を実際の診療フローの中でリアルタイム処理しました（ただし、AIの判定は患者ケアには使用しませんでした）。
この調査から得られた重要な教訓は、AIは「導入すればすぐ使える」ソリューションではないという点です。各病院の固有の業務フロー、機器の更新、患者層の多様性に合わせた継続的な調整と最適化が必要であることが示されました。医療AIの実装には、アルゴリズムの精度向上と並行して、現場ごとの丁寧なカスタマイズが欠かせないと考えられます。
まとめ
GoogleとNHS・Imperial College Londonの共同研究は、AIが乳がん検診において従来見逃されてきたがんの一部を検出し、放射線科医の業務負担を大幅に軽減できる可能性を大規模に示しました。一方、医療現場への導入には専門家との信頼関係の構築や施設ごとの調整という課題も残ります。AIと人間が補い合う検診体制がどのように実現されていくか、引き続き注目したいと思います。
