AI病理の実際と限界 — 何ができて、どこで間違うか【デジタル病理シリーズ③】

シリーズ第1回で全体像を、第2回でWSIの仕組みを見てきました。本稿では、デジタル化された画像をAI（深層学習）がどう解析し、どこで間違えるのかを掘り下げます。要点を先に言えば、現在のAIは『限定された明確なタスク』で力を発揮する一方、染色やスキャナの違いに弱く、過信は禁物です。

AIは病理で何ができるのか

獣医病理でのAI研究は腫瘍学が中心で、分裂像（mitotic figure）の検出・カウント、腫瘍グレーディングの補助、関心領域の検出、免疫染色（Ki67等）の定量、組織像の分類などに広がっています。例えば犬の皮膚円形細胞腫瘍をAIで分類する多施設研究や、組織像から犬肥満細胞腫のc-KIT変異状態を予測する試みも報告されています（vet oncology scoping review, 2025）。

どれくらい効くのか — 性能のエビデンス

最も成果が明確なのは分裂像まわりです。『最も分裂が活発な領域の検出』では、深層学習が獣医病理医を上回ったと報告されています（Aubreville et al., 2020）。またコンピュータ支援を加えると、分裂像カウントの観察者間一致がICC 0.70から0.92へ向上し、予後分類の正確性も高まりました（Bertram et al.）。OncoPetNetのように大規模診断ラボで実運用された例もあります。AIは標本全体を短時間で走査でき、人手では見きれない領域まで均一に評価できる点が強みです。

限界と落とし穴 — ここが本題

AI病理の最大の壁は『染色のばらつき（stain variation）』です。モデルは学習に使った標本の染色やスキャナの見た目に過適合しやすく、別の施設・別のスキャナの画像になると性能が落ちます（汎化しない）。タスク特化型のモデルは、未知の染色・組織・撮像条件に弱いのが一般的です。判断根拠が見えにくい『ブラックボックス性』も、臨床導入の慎重さが求められる理由です。

• 染色・スキャナ差（ドメインシフト）で外部データの性能が低下
• タスク特化モデルは未知の条件に汎化しにくい
• 学習データの偏り（施設・症例構成）が結果に影響
• 判断根拠が説明しにくい（ブラックボックス性）

エビデンスの質にも注意が必要です。診断病理でのAI研究は数こそ多いものの、厳密な評価基準を満たし、バイアスのリスクが低い研究は限られるという指摘があります（van Diest et al., 2024）。獣医領域はヒトに比べて学習・検証用データが少なく、外部妥当性（別施設で通用するか）の検証が一層重要になります。

安全に使うための原則

• 限定された明確なタスクに使う（万能の確定診断機ではない）
• 導入施設の標本・スキャナで性能を検証してから使う
• 染色の標準化・画像の正規化で入力のばらつきを抑える
• 施設をまたいだ（施設分割の）検証で汎化性を確認する
• 最終判断は病理医が担い、AIは定量・スクリーニングの補助に位置づける
• 運用後も性能をモニタリングし、ドリフトに備える

これから — 基盤モデルと汎化

近年は、多数の画像で事前学習した『基盤モデル（foundation model）』や生成AIで、汎化性能を高めようという研究が活発です。ただし獣医領域での臨床検証や、染色・スキャナ差への頑健性はこれからの課題です。次回(第4回)では、こうしたAIや遠隔病理を実際に運用に乗せる『導入の実務（ワークフローとコスト）』を取り上げます。

病理・腫瘍領域で経験を積みたい方は、診断病理に注力する施設や検査ラボでの研修が学習を加速させます。獣医求人ポストの検索から、病理・腫瘍に強い施設を探せます。