PETスキャンは、がんの診断に不可欠ながら、絶食や放射性物質の注入、長時間の静止など患者への負担が大きく、費用や地理的要因によるアクセス格差が課題とされてきた。こうした中、RADiCAIT社が開発したAIモデルは、身近なCT検査の画像からPETスキャン画像を生成する革新的な技術を提示する。このAI 画像診断は、医療費削減と医療画像診断 AI 費用削減に貢献し、CT検査 AI アクセシビリティ向上を通じて、地域医療における診断機会の均等化が期待される。
従来のPETスキャンが抱える課題
PETスキャンはがんの発見や転移状況の把握に重要な画像診断法だが、患者にとって大きな負担を伴う。検査前には4〜6時間の絶食が必要となり、病院到着後には放射性物質を注入される。その後1時間の待機と、30分間の静止が必要なPETスキャナーでの検査が続く。検査後は、12時間もの間、放射性物質が体内に残るため、高齢者や子ども、妊婦との接触を避ける必要がある。この一連のプロセスは、患者の心身に大きな負担を与える。
また、PETスキャンはアクセス面でも課題を抱えている。検査に必要な放射性トレーサーは、近くのサイクロトロンで生産され、数時間以内に使用する必要がある。このため、PETスキャナーは主要都市に集中しがちであり、地方や地域の病院では十分な画像診断機会が確保されにくい。結果として、地方在住の患者は遠方の医療機関へ移動する費用や時間も大きな問題となり、医療費削減の妨げともなる。この医療画像診断の現状は、よりアクセスしやすい画像診断技術が求められていることを示している。
RADiCAITが提示するAI画像診断の革新
こうしたPETスキャンの課題に対し、RADiCAIT社はAI画像診断の革新的なアプローチを提案している。同社は、より一般的で安価なCTスキャンをAIを用いてPETスキャンへと変換する技術を開発した。この技術は、オックスフォード大学からスピンアウトした企業であり、今年に入り約2.5億円のプレシード資金調達を公表している。ボストンを拠点とするこのスタートアップは、さらなる臨床試験推進のため約7.7億円の資金調達を開始したと報じられている。
RADiCAITのCEOであるショーン・ウォルシュ氏は、従来の放射線科における最も制約が多く、複雑で高コストな医用画像ソリューションを、最もアクセスしやすく、シンプルで手頃なCTに置き換えるものだと説明している。このCT検査 AI技術は、特にPETスキャンが抱える物流面での課題や、医療費の高騰といった問題への有効な解決策として期待されている。AI 画像診断の進展が、今後の医療アクセシビリティ向上に貢献する可能性を示している。
CTからPETへ：AIモデルの仕組みと高い精度
RADiCAITのAIモデルは、同社の共同創業者兼最高医療情報責任者であるリー氏が中心となり、2021年にオックスフォード大学で開発された基盤モデルに基づいている。この生成型深層ニューラルネットワークは、CTスキャンとPETスキャンを比較・マッピングすることで、両者の関係性におけるパターンを学習する。CTスキャンが解剖学的構造を示すのに対し、PETスキャンは生理学的機能を示す。RADiCAITのAIは、これら「異なる物理現象」を関連付け、解剖学的情報から生理学的機能への変換を可能にする。
同社の最高技術責任者であるシナ・シャハンデ氏によると、このモデルは特定の組織や異常といったスキャンにおける特徴に重点を置くよう指示される。この集中的な学習を多様な事例で何度も繰り返すことで、臨床的に重要なパターンを正確に識別できるようになるという。最終的な診断画像は複数のモデルを組み合わせることで生成される。ウォルシュ氏は、RADiCAITが生成する合成PET画像が、実際のPETスキャンと統計的に同等であり、医師による診断の質が変わらないことを数学的に証明できると述べている。同氏の「我々のAI生成PETでも、医師、放射線科医、腫瘍内科医は同様の質の判断を下せると試験が示している」との発言は、その精度の高さを裏付ける。
医療費削減とアクセシビリティ向上への期待
RADiCAITのAI画像診断技術は、診断、病期診断、経過観察といった目的において、従来のPETスキャンを代替する可能性を持つ。放射性リガンド療法のように治療に特化したPETスキャンの必要性は依然として残るものの、一般的な診断目的では、このCT検査 AI技術が大きな影響を与えるだろう。現状、診断と治療薬開発を組み合わせたセラノスティクス（診断治療一体型医療）において、PETスキャナーの供給が需要に追いついていない。ウォルシュCEOは、AIが診断側の需要を吸収し、既存のPETスキャナーはセラノスティクス側でその役割を担うべきだと提言している。
日本においてCT検査はPET検査と比較して普及率が高く、医療機関での導入も進んでいる。RADiCAITの技術が普及すれば、高価なPETスキャンが不要になることで、個人の医療費負担を軽減する。さらに、より多くの施設でCT検査が行えるため、地理的な制約が少なくなり、地方を含む全国で高精度な画像診断へのアクセスが向上する。これは医療画像診断 AI 費用削減、CT検査 AI アクセシビリティ向上を実現し、国内の地域医療格差解消にも繋がる重要な一歩となる。超高齢社会を迎える日本にとって、診断の質を維持しつつ医療費の抑制を図る上で、このようなAI 画像診断技術は不可欠な存在となるだろう。
肺がんから広がるAI診断の未来
RADiCAITはすでに、マサチューセッツ総合病院ブリガムやUCSFヘルスといった主要な医療システムと連携し、肺がんの検査に特化した臨床試験を開始している。現在、同社はFDAの臨床試験を進めており、これには多額の費用と複雑なプロセスが伴うため、約7.7億円のシードラウンドで資金を調達している。FDAの承認後、次のステップとして商業パイロットプログラムを実施し、製品の商業的実行可能性を実証する計画だ。肺がんに加えて、大腸がんやリンパ腫といった他の用途でも同様の臨床パイロット、臨床試験、商業パイロットのプロセスを進める意向を示している。
RADiCAITの最高技術責任者であるシャハンデ氏は、AIを用いて困難で高コストな検査の負担なく、有効な知見を得る同社のアプローチは「幅広い分野に応用可能」だと語る。同氏は、放射線医学を超えた拡張性を探求しており、材料科学から生物学、化学、物理学に至るまで、自然界の隠れた関係性を学習できるあらゆる領域で同様のイノベーションが期待されると展望している。このAI 画像診断技術の進化は、将来の医療だけでなく、様々な科学分野に革新をもたらす可能性を秘めている。
