血液がん、顕微鏡写真を AI が一瞬で見分ける

『急性骨髄性白血病』って、よくある白血病とは違う種類なの？

白血病は大きく分けると、成長が遅い「慢性白血病」と、がん化した幼い細胞が一気に増える「急性白血病」に分かれるんですよね。急性骨髄性白血病（AML）はその急性白血病の一種で、骨髄という血液をつくる場所で起きる。つまりよくある、ではなく「むしろ急性白血病の中で最も多い」というのが正確です。 骨髄で増える細胞が「骨髄系」か「リンパ系」かでも違ってきて、AMLは骨髄系の急性白血病。進行が速いぶん、早い診断と治療が命運を分けます。記事で「複数の異なる病的細胞が混在」と書かれているのは、そのAMLならではの特徴でもあります。顕微鏡で見たときに細胞の形がいろいろあるから、医師の目でも判定に時間がかかる、と。 AIが核の特徴に注目して99.3％の精度を出した、という話も、実は医師が培ってきた「どこを見るか」という経験則を、機械が数秒で再現した、ということなんです。診断の時間短縮だけでなく、見落としの減少にも繋がるのかもしれません。

もし白血病の疑いで検査を受けるとしたら、この AI の診断結果が医師の判断と違ってたとき、どっちを信じるの？

今の診療の流れを考えると、医師の判断が上に来る構図は変わらないんですよね。 AIの99.3％という精度は一見すごく高いですが、そのデータは「学習に使った画像群」の中での正確さです。現実の患者さんの血液検査では、標本の作り方、顕微鏡の調整、照明条件といった変数が入ってくる。訓練データと完全には同じ環境ではない。だからAIも時々外す。 だとすれば、AIは「医師の目を補う道具」として機能するのが現実的です。医師がAIの判定結果を見て「これは納得できる」と思えば確認材料になるし、「何か違和感がある」と感じたら追加検査に進む。むしろAIが医師の判断と食い違ったとき、その理由を掘り下げることで、診断が堅くなる可能性さえあります。 ただし実装段階では、AIに頼りすぎて医師の眼が怠惰になることは起こり得ます。だから「99.3％だから安心」ではなく、AIと医師が同時に判断する体制づくりが大事になってくるのだと言えそうです。

医師が目で見て判断してた診断が、なぜ今になって AI に置き換わりそうになってるの？医療の現場が変わり始めたってこと？

医師の目が劣っているわけじゃなく、むしろ「単純作業の繰り返し」という仕事の本質が変わったということなんですよね。 血液細胞の判定は、数千枚の顕微鏡画像を一枚一枚、ルールに基づいて分類する作業。高度な医学知識が要るように見えて、実際には「この形、この色合いなら〇〇型」という**パターンマッチング**に近い。人間の眼はそれが得意だったから医師が担当してきたわけです。 ところが AI は、このパターンマッチングを数百万枚のデータで学習させれば、人間が数十年で習得する識別能力をあっという間に身につけてしまう。しかも疲れない。誤判定もそもそも少ない。 だから置き換わるというより、医師の時間が「診断の肩代わりをする AI」に吸収されて、その分、医師は「なぜこの細胞がこの型なのか」とか「患者の治療方針をどうするか」みたいな、もっと判断の重い部分に時間を使えるようになる。つまり医療現場は変わるというより、**医師の仕事の内容が確実に変わりつつある**という状況だと言えそうです。

精度 99.3％って聞くと完璧に思えるけど、白血病の診断では残された 0.7％の誤りはどれくらい危険なもの？

99.3％という数字を聞くと完璧に見えるのは、誤差を「全体の0.7％」として抽象的に捉えているからかもしれません。実際には、血液がんの診断では件数で測る誤りと、臨床的な危険度は別物になります。 顕微鏡画像の診断では、医師が1日に数百から数千の細胞を判定します。0.7％の誤りが均等に分布していれば、100個の細胞を見て1個失敗する計算。でも問題は、誤りが「偽陰性」（本当は病的細胞なのに正常と判定）か「偽陽性」（正常なのに病的と判定）かで、危険の質が全く変わることです。白血病の診断では、見落とし（偽陰性）の方がずっと危ない。1個の重要な病的細胞を見逃すと、その後の治療方針は大きく狂います。 この研究では精度を出していますが、医師の「ダブルチェック」が前提になるはずです。AIが第一段階を肩代わりするのは、医師の確認を減らすというより、見落としのリスクを減らすための補助という位置づけになるのかもしれません。

医師が AI に診断を任せるようになると、若い医師が細胞を見分ける技術を学ぶ機会を失ってしまわない？

その不安、むしろ逆に働きそうです。 放射線科の世界で似た変化が起きているんですね。AI が X 線画像の読影を自動化し始めたとき、「若い医師が読影技術を失う」という危機感がありました。でも実際には、AI に単純な判定を任せたことで、医師はより複雑で曖昧なケースに時間を使えるようになった。つまり「診断の基礎をひたすら繰り返す」という修行が不要になり、その分、難しい症例に向き合って思考を鍛える機会が増えたんです。 白血病の診断も同じ道を歩むかもしれません。AI が「ここに AML らしき細胞がある」と指摘してくれたら、若い医師はその判定が正しいのか、それとも他の可能性があるのかを考え、さらに患者の臨床経過と合わせて判断する。そこが本来の診断技術なんですよね。細胞を見分ける能力そのものより、「なぜその判定になるのか」を理解する力の方が、医療には必要になってくるのかもしれません。