医療画像認識は、コンピュータビジョンと人工知能技術を応用し、X線、CT、MRI、超音波画像などの医用画像から自動的に病変や異常を検出・分類・解析する技術分野である。深層学習、特に畳み込みニューラルネットワークの発展により、従来の医師による目視診断を補完または代替する高精度な診断支援システムが実現しつつある。本エントリでは、その基本原理、主要な手法、臨床応用、および課題について網羅的に解説する。
1 技術基盤
1.1 医用画像の特性
1.1.1 画像の種類とモダリティ
医用画像は撮影原理により複数のモダリティに分類される。X線画像は骨や肺の構造を2次元で捉え、CTはX線を360度照射して3次元断層像を得る。MRIは強磁場と電波を利用し軟部組織のコントラストに優れる。超音波画像はリアルタイム性が高く、胎児や心臓の動的観察に用いられる。各モダリティは画素値の物理的意味、解像度、ノイズ特性が異なるため、認識アルゴリズムはこれらに適応する必要がある。
1.1.2 画像の前処理と標準化
生の医用画像は装置や撮影条件により輝度やコントラストが異なる。前処理ではヒストグラム平坦化や標準化により画素値範囲を統一する。ノイズ除去フィルタ（ガウシアン、メディアン）、アーティファクト補正、位置合わせ（レジストレーション）も施される。特にCT画像ではハウンズフィールド単位（HU）への変換が、MRIでは偏磁場補正が一般的である。これらの処理は後の解析精度に直接影響する。
1.2 機械学習の基礎
1.2.1 教師あり学習と教師なし学習
医用画像認識の主流は教師あり学習である。入力画像とそれに対応する正解ラベル（病変の有無や領域）を用いて、モデルが特徴量を学習する。代表的なタスクは分類、検出、セグメンテーションである。一方、教師なし学習はラベルなしデータからパターンを見つける手法で、クラスタリングや異常検知に応用される。実際の臨床現場ではラベル付きデータの不足から、半教師あり学習や自己教師あり学習も研究されている。
1.2.2 深層学習の役割
従来の機械学習では特徴量設計に専門知識が必要だったが、深層学習はエンドツーエンドでデータから特徴を自動抽出する。畳み込み層の積み重ねにより局所パターンから高次概念まで階層的に学習可能となり、医用画像認識の精度を飛躍的に向上させた。特にImageNetなどの大規模データセットで事前学習したモデルを医用画像に転用する転移学習が一般的である。
1.3 主要なネットワークアーキテクチャ
1.3.1 畳み込みニューラルネットワーク
畳み込みニューラルネットワーク（CNN）は医用画像認識の基盤である。畳み込み層とプーリング層を交互に配置し、空間的特徴を抽出しながら次元を圧縮する。全結合層で最終的な分類や回帰を行う。活性化関数にはReLUが広く用いられ、過学習防止にドロップアウトやバッチ正規化が導入される。
1.3.1.1 代表的な構造（ResNet、U-Netなど）
ResNetは残差接続により深いネットワークの学習を可能にし、152層まで効果的に訓練できる。画像分類タスクで高い性能を示す。U-Netはエンコーダ・デコーダ構造とスキップ接続を特徴とし、医用画像セグメンテーションの標準的モデルである。細胞膜や臓器境界を高精度に抽出できる。その他、DenseNet（密結合）、EfficientNet（スケーラビリティ最適化）、YOLO（リアルタイム物体検出）などが用途に応じて用いられる。
1.3.2 トランスフォーマーと注意機構
近年、自然言語処理で成功したトランスフォーマーが医用画像にも応用されている。自己注意機構により画像全体の長距離依存関係を捉え、CNNでは苦手だった大域的な文脈理解が可能となる。Vision Transformer（ViT）は画像をパッチ分割し、位置埋め込みとともにトランスフォーマーエンコーダに入力する。また、注意機構をCNNに組み込んだAttention U-Netや、CNNとTransformerを併用したTransUNetなど、ハイブリッドアーキテクチャも活発に研究されている。
1.4 学習データとアノテーション
1.4.1 データセットの構築
医用画像データセットは倫理的な制約とプライバシー保護のため、公開データセットは限られる。代表的なものにLIDC-IDRI（肺結節）、CBIS-DDSM（乳がん）、DRIVE（網膜血管）、BraTS（脳腫瘍）などがある。データ収集は医療機関の倫理委員会承認後、匿名化処理を施して行われる。アノテーションは複数の専門医によるコンセンサスや、セグメンテーションのためのピクセルレベルラベリングなど、品質管理が重要である。
1.4.2 転移学習とデータ拡張
医用画像は一般にサンプル数が少ないため、転移学習が必須である。自然画像（ImageNet）で学習済みのモデルを医用ドメインに微調整することで、小データセットでも良好な性能が得られる。データ拡張はランダムな回転、反転、スケール変更、輝度調整、弾性変形などで訓練データを水増しし、過学習を抑制する。近年は生成モデル（GAN）による人工画像生成も試みられている。
2 応用分野
2.1 画像分類と診断
2.1.1 腫瘍検出（肺結節、乳がんなど）
肺結節検出は胸部CT画像において結節の有無や悪性度を分類するタスクである。深層学習モデルは従来のコンピュータ支援診断（CAD）を凌駕し、感度90%以上を達成している。乳がん検出ではマンモグラフィや超音波画像から腫瘤や石灰化を判別し、BI-RADS分類の自動化が進められている。これらのシステムは偽陽性低減が実用化の鍵となる。
2.1.2 疾患分類（肺炎、網膜症など）
胸部X線画像からの肺炎（COVID-19を含む）検出は、パンデミック下で注目された。眼科では眼底写真からの糖尿病網膜症分類が広く研究され、網膜症重症度の自動グレーディングが実用化されている。病理組織画像では癌の悪性度分類やサブタイプ同定にも応用される。
2.2 画像セグメンテーション
2.2.1 臓器・病変領域の抽出
セグメンテーションは画像内の各ピクセルを臓器や病変のカテゴリに割り当てる。U-Netを代表とするモデルは脳腫瘍、肝臓、腎臓、前立腺などの正確な輪郭抽出に成功している。病変領域の体積や形状の定量解析に不可欠であり、治療計画（放射線治療計画など）の自動化に貢献する。
2.2.2 境界検出と体積計測
セグメンテーションの副産物として境界検出が可能となる。腫瘍の浸潤範囲の特定や血管の狭窄度評価に利用される。また、抽出領域から体積や表面積を計算し、経時変化の追跡に役立つ。3D U-Netなどの3次元モデルはCTやMRIのボリュームデータを直接処理し、臓器全体の高精度な計測を実現する。
2.3 画像検出と位置特定
2.3.1 異常部位の自動検出
物体検出手法（Faster R-CNN、YOLO、SSDなど）を応用し、画像内の異常部位をバウンディングボックスで示す。肺結節、乳腺腫瘤、脳動脈瘤、骨折など検出対象は多岐にわたる。医用画像では小さな病変の見逃し防止が重要であり、False Negativeの低減が優先される。
2.3.2 骨格や血管のランドマーク検出
解剖学的ランドマーク（椎骨の位置、冠状動脈の分岐点など）の自動検出は、手術計画や画像ナビゲーション、自動レポート生成の基盤となる。キーポイント検出ネットワーク（Hourglassネットワークなど）や熱マップ回帰により、ミリ単位の精度でランドマークを特定可能である。
2.4 画像生成と再構成
2.4.1 画質向上とノイズ除去
低線量CTは被曝低減の反面、ノイズ増加が問題となる。深層学習を用いたノイズ除去（Denoising）は、高線量CT画像を教師とした学習により、低線量画像からノイズを抑制しながら構造を維持する。MRIでは高速撮像による低SNR画像の画質改善にも応用される。GANを用いた超解像技術も実用段階にある。
2.4.2 低線量CTの再構成
CTの画像再構成は従来、フィルタ補正逆投影法（FBP）や逐次近似再構成（IR）が主流だったが、深層学習による学習型再構成が登場した。エンコーダ・デコーダ構造で投影データ（sinogram）から直接画像を生成したり、FBP出力を後処理して画質を改善する。これにより線量を従来の1/10以下に低減しても診断可能な画質を維持できる可能性がある。
3 臨床実装と評価
3.1 ワークフローへの統合
3.1.1 放射線科医との協調
医療画像認識システムは放射線科医を置き換えるのではなく、診断の補助として位置づけられる。一般的な実装では、画像が撮影された後、AIが一次的なトリージや注意喚起を行う。医師はAIの出力を確認し、自身の判断と組み合わせて最終診断を下す。この協調により医師の負担軽減と診断精度向上が期待される。
3.1.2 リアルタイム支援システム
手術中や救急外来ではリアルタイム処理が求められる。内視鏡画像からのポリープ検出や、術中MRIからの脳腫瘍境界表示など、低遅延で動作するシステムが開発されている。エッジコンピューティングや専用ハードウェア（GPU、FPGA）の活用により、クラウド経由でなく現場で高速処理する方式が増えている。
3.2 性能評価指標
3.2.1 感度・特異度とAUC
分類性能の評価には感度（真陽性率）、特異度（真陰性率）、陽性的中率、陰性的中率が用いられる。ROC曲線のAUC（曲線下面積）は閾値によらない総合性能指標として広く使われる。医用画像では感度を高く保ちつつ特異度を確保することが重要であり、F1スコアや精度-再現率曲線も参照される。
3.2.2 臨床検証試験の重要性
アルゴリズムの性能は実験室的なデータセットだけでなく、実際の臨床環境での検証が必要である。プロスペクティブな臨床試験により、ワークフローへの影響、医師の受容性、誤診リスクを評価する。多施設共同研究や外部データセットによる一般化性能の確認が、規制認可の前提となる。
3.3 規制と倫理
3.3.1 FDAやCEマークの認証
医療画像認識システムは医療機器として各国の規制当局の承認が必要である。米国FDAは「Software as a Medical Device（SaMD）」の枠組みで審査し、既に多数の製品が認可されている。欧州ではCEマーク（MDR適合性評価）が求められる。日本ではPMDA（医薬品医療機器総合機構）の承認が必須である。承認プロセスでは臨床的意義、安全性、有効性が厳格に評価される。
3.3.2 データプライバシーとバイアス
医療データは患者の機密情報を含むため、匿名化・暗号化・アクセス制御が徹底される。GDPRやHIPAAなどの法規制に準拠する必要がある。また、訓練データに人種、性別、年齢、地域の偏りがあると、モデルが特定集団に不利な診断をするバイアス問題が生じる。公平性を確保するため、多様なデータ収集とバイアス検出手法の開発が進められている。
4 課題と将来展望
4.1 データ不足と不均衡
医用画像はプライバシーやコストの壁から大規模なラベル付きデータセットの構築が難しい。さらに、稀な疾患では陽性サンプルが極端に少ないクラス不均衡問題が発生する。これに対してデータ拡張、合成データ生成、弱教師あり学習、少数ショット学習などの技術が研究されている。フェデレーテッドラーニングにより複数施設がデータを共有せずに協調学習する方式も注目される。
4.2 モデルの解釈可能性
深層学習モデルはブラックボックスとされ、なぜその診断に至ったかの説明が難しい。医療現場では判断根拠の提示が不可欠である。手法としては、Grad-CAMによる注目領域の可視化、LIMEによる局所説明、SHAPによる特徴量重要度分析が用いられる。また、概念ボトルネックモデルや注意機構の重み可視化など、本質的に解釈しやすいアーキテクチャの設計も進む。
4.3 マルチモーダル画像の融合
複数のモダリティ（例：CTとPET、MRIと病理画像）を組み合わせることで、単一モダリティより豊富な情報が得られる。マルチモーダル融合の課題は、各画像の空間解像度や撮影条件の違い、特徴表現の統合方法にある。近年、トランスフォーマーを用いたクロスモーダル注意機構や、グラフニューラルネットワークによる構造的融合が高い性能を示している。
4.4 エッジコンピューティングと遠隔医療
病院のCT装置や携帯型超音波機器にAIを組み込むエッジコンピューティングは、通信負荷とレイテンシを低減し、オフラインでも動作可能にする。これにより遠隔地や発展途上国でも高精度な診断支援が実現する。5G通信との組み合わせで、大容量データのリアルタイム転送とクラウドAIの併用も進む。将来的にはスマートフォンアプリによる簡易スクリーニングも一般化する可能性がある。