がん治療支援AI、患者データ非公開のまま複数施設で学習 米研究チームが新手法

米国の研究チームは、複数のがん医療機関が患者データを外部に共有することなく、単一の高精度な臨床意思決定支援AI「OncoAgent」を協調開発できるマルチエージェント基盤を発表した。プライバシー保護と医療AIの性能向上を両立する技術として、希少がんや症例数の少ない治療方針の判断精度を大きく引き上げる可能性がある。日本を含むデータ利活用規制の厳しい地域の医療機関にとって、国際共同研究への参加障壁を下げる契機となり得る。

二層構造のエージェントが医師の思考を模倣

今回発表された「OncoAgent」は、腫瘍内科医の診断プロセスを模倣するよう設計された二層構造のマルチエージェントフレームワークである。第一層は専門医の初期診断を再現する「Generative Agent」、第二層は複数の専門医によるカンファレンスを模した「Deliberative Agent」で構成される。この二段階の推論により、単一の大規模言語モデルでは困難だった複雑な症例の多角的評価を可能にした。

研究を主導した米ジョージア工科大学とエモリー大学のチームによると、フレームワークの中核にはGPT-4系の基盤モデルが用いられている。Generative Agentが患者の臨床情報から初期治療案を複数生成し、Deliberative Agentがそれらの案を批評・統合・修正する仕組みだ。この過程は実際の腫瘍カンファレンスで行われる議論をアルゴリズム化したものと位置づけられている。

特筆すべきは、各医療機関が自施設のデータを外部に出さずにモデルを学習させる連合型のプライバシー保護設計である。オンプレミスのサーバーまたはセキュアなクラウド環境でローカルモデルを訓練し、更新情報のみを暗号化して共有する方式を採用した。HIPAA（米国医療保険の相互運用性と説明責任に関する法律）やGDPR（EU一般データ保護規則）が求める厳格なデータ保護要件をクリアしつつ、データの偏りを低減できる点が最大の強みである。

複数施設の連合学習で単独施設を大きく上回る精度

研究チームは3つの独立した医療施設と協力し、非小細胞肺がん、大腸がん、乳がんを含む計1.2万人超の患者データを用いて有効性を検証した。単独施設のデータのみで訓練した従来型モデルとOncoAgentの治療方針一致率を、NCCN（米国国立総合がんネットワーク）ガイドラインを基準に比較している。

結果は顕著だった。3施設の連合学習で訓練したOncoAgentのガイドライン一致率は92.3％に達し、各施設単独モデルの平均一致率78.6％を13.7ポイント上回った。症例数の少ない希少がんや二次治療以降の選択肢評価において、連合型の優位性はさらに拡大する傾向が確認されている。ある臨床試験では、希少な遺伝子変異を有する肺がん症例の治療方針立案において、単独施設モデルが61％にとどまった正答率を、連合学習モデルは87％まで引き上げた。

プライバシー保護と医療AIのジレンマを解消

医療AI開発における最大の課題は、精度向上のために大量の多様なデータが必要となる一方で、患者プライバシー保護の観点から施設間のデータ共有が極めて困難な点にあった。特にゲノム情報や詳細な治療経過データは個人識別リスクが高く、国際的なデータ移転規制も強化されている。

OncoAgentのアプローチは、データそのものではなく知識表現を共有する点で既存の連合学習手法を一歩進めたと評価できる。プライバシー保護技術の国際標準を策定するIEEEの作業部会も、同様のマルチエージェント型アーキテクチャを次世代医療AIの参照モデル候補として挙げている。研究成果をまとめた論文は3月17日付で、米国人工知能学会（AAAI）の春季シンポジウムに採択された。

日本企業の戦略に与える示唆

この成果は、国内医療AI産業の国際展開戦略にも影響を与える。日本のがんゲノム医療中核拠点病院などが保有する高品質な臨床データは国際的に価値が高いが、個人情報保護法や次世代医療基盤法の制約から海外研究機関との共有は事実上困難だった。OncoAgent型の分散学習基盤は、データの越境移転を伴わない国際共同研究の道を開く。

すでに国立がん研究センターと複数のAIスタートアップが、連合学習を用いた国際共同研究の枠組み構築に向けた動きを加速させている。一方で、マルチエージェント型AIが下した判断の説明責任を誰が負うのかという法的課題は未解決のままだ。厚生労働省が設置したAI医療機器審査に関する専門家会議では、施設横断型AIの薬事承認プロセス明確化に向けた議論が2025年度中に開始される見通しである。