医用画像 | STELLANEWS.LIFE

MerckとMayo Clinic、AI×マルチモーダル臨床データで創薬・精密医療を支援するR&D提携　IBD／アトピー性皮膚炎／多発性硬化症が初期重点

ステラ・メディックス — Tue, 24 Feb 2026 20:13:49 +0000

STELLANEWS.LIFE（ステラニュース・ライフ）は、科学や技術、医薬品分野における最新の研究成果や発見を中立的な立場から紹介するメディアである。
今回の記事で伝える情報は次の通り。

要点

【要点①】Merck（米国外ではMSD）とMayo Clinicが、AIと高度解析、マルチモーダル臨床データを活用する研究開発提携を発表した。
【要点②】Mayo Clinic Platformのデータ環境と、MerckのAI／機械学習（ML）研究能力を組み合わせ、疾患理解、標的同定、早期開発判断の支援を狙う。
【要点③】当初の重点領域は炎症性腸疾患（IBD）、アトピー性皮膚炎、多発性硬化症とされる一方、成果指標や検証計画などの詳細は今後の情報が必要となる。

概要

　Merck（米国外ではMSD）とMayo Clinicは、人工知能（AI）と高度解析、マルチモーダル臨床データを活用し、創薬および開発を支援する研究開発契約を結んだと発表した。提携では、Mayo Clinic Platformのアーキテクチャと臨床・ゲノムデータセットを、MerckのAI／機械学習（machine learning：ML）研究能力と組み合わせ、疾患理解の深化、創薬標的の同定精度向上、早期開発における意思決定の改善につなげることを目指すとしている。

　Merckは、Mayo Clinic Platformが提供する安全な環境内で、検査値、医用画像、診療記録（臨床ノート）、分子データなどを含むマルチモーダルデータを用い、AIモデルの検証や研究知見の翻訳を進める計画と説明した。発表によれば、Mayo Clinic Platform_Orchestrateプログラムにより、MerckはMayo Clinicの臨床・科学的専門性、匿名化された臨床データやレジストリ、バイオリポジトリ、解析ツール群へのアクセスを得る。

　対象となるデータは匿名化されるとされ、研究用途でのモデル検証や仮説生成が中心になる見通しである。一方で、AIモデルの性能はデータの欠損、施設間差、バイアス、ラベリング品質に依存し得るため、創薬成功確率の改善につながるかは評価設計と再現性の担保が焦点となる。

詳細

発表元Merck（Merck & Co., Inc., Rahway, NJ, USA）／Mayo Clinic
発表日2026年2月18日
対象領域創薬・開発（AIと高度解析、マルチモーダル臨床データの活用）
研究の背景AI活用は仮説生成や解析の幅を広げ得る一方、データ品質と検証設計で成果が左右される
試験デザイン臨床試験ではなく研究開発（R&D）契約。Mayo Clinic Platformの安全な環境で解析とモデル検証を行う枠組み
一次エンドポイント発表段階では具体的な成果指標は明示されていない
主要結果データ基盤とAI／ML研究能力を統合し、疾患理解、標的同定、早期開発判断の支援を狙うと説明
安全性匿名化データを用いると説明（個別の医療安全性ではなくデータ取扱いの前提）
臨床的含意標的探索や患者層別化、開発判断の支援につながる可能性がある一方、外部検証や透明性の確保が鍵となる
制限事項現時点は提携枠組みの発表であり、成果指標、解析計画、検証結果の公開範囲は今後の情報が必要
次のステップ特定疾患でのユースケース提示と、外部データを含む検証設計、成果公開のあり方が焦点

AIによるインパクト評価

評価（参考）： ★★★☆☆

　大規模な臨床・ゲノムのマルチモーダルデータと製薬側のAI研究を結ぶ枠組みは、標的同定や初期開発の意思決定に影響し得る。一方で現時点は共同研究契約の発表であり、具体的な成果指標、検証計画、適用範囲の詳細は限定的である。

3言語要約 / Multilingual Summaries

English Summary

Note: This is an AI-assisted translation for reference.

Merck and Mayo Clinic announced an R&D collaboration to support AI-enabled drug discovery and development using multimodal clinical data and advanced analytics.
The collaboration combines the Mayo Clinic Platform data environment with Merck’s AI/machine-learning capabilities to support disease understanding, target identification, and early development decisions.
Initial focus areas include inflammatory bowel disease (IBD), atopic dermatitis, and multiple sclerosis, while detailed success metrics and validation plans remain to be clarified.

中文摘要

注：AI辅助生成。

默沙东与梅奥诊所宣布研发合作，利用AI、高级分析与多模态临床数据支持药物发现与开发。
合作将Mayo Clinic Platform的数据环境与默沙东的AI/机器学习能力结合，用于疾病理解、靶点识别与早期开发决策支持。
初期重点领域包括炎症性肠病、特应性皮炎与多发性硬化，但成果指标与验证计划仍需后续信息确认。

हिन्दी सारांश

AI द्वारा तैयार किया गया अनुवाद।

Merck और Mayo Clinic ने multimodal clinical data और advanced analytics का उपयोग करते हुए AI-enabled drug discovery व development को समर्थन देने के लिए R&D सहयोग की घोषणा की।
यह सहयोग Mayo Clinic Platform के data environment को Merck की AI/machine-learning क्षमताओं के साथ जोड़कर disease understanding, target identification और early development decisions में सहायता का लक्ष्य रखता है।
शुरुआती फोकस क्षेत्र IBD, atopic dermatitis और multiple sclerosis हैं, जबकि success metrics और validation plan के विवरण आगे स्पष्ट होने की आवश्यकता है।

参考文献

Merck and Mayo Clinic Announce New Research and Development Collaboration to Support AI-Enabled Drug Discovery and Precision Medicine
https://www.merck.com/news/merck-and-mayo-clinic-announce-new-research-and-development-collaboration-to-support-ai-enabled-drug-discovery-and-precision-medicine/

The post MerckとMayo Clinic、AI×マルチモーダル臨床データで創薬・精密医療を支援するR&D提携　IBD／アトピー性皮膚炎／多発性硬化症が初期重点 first appeared on STELLANEWS.LIFE.

AIがレントゲン画像ラベル誤りを自動検出、撮影部位分類と胸部投影・向き判定モデルを開発、大規模画像データベース品質管理を高精度化

ステラ・メディックス — Sat, 22 Nov 2025 06:52:15 +0000

STELLANEWS.LIFE（ステラニュース・ライフ）は、科学技術・医療・ライフサイエンスの分野における研究成果を、中立な立場から紹介するニュースメディアである。
大阪公立大学大学院医学研究科の研究グループは、レントゲン画像を撮影部位ごとに分類するAIモデルと、胸部レントゲン画像の撮影方法と画像の向きを同時判定するAIモデルを開発し、大規模データでも高精度な品質管理が可能であることを示した。
今回の記事で伝える情報は次の通り。

【要点①】レントゲン画像を頭部・胸部・腹部などの撮影部位に分類するAIモデルと、胸部レントゲンの撮影方法（前後・側面など）と画像の向きを同時に判定するAIモデルを新たに構築した。

【要点②】部位分類モデルは約４３万枚、胸部投影・向き判定モデルは約４６万枚の画像で学習され、外部施設データを含む検証で、部位分類は全クラスAUC＝０.９９以上、胸部の撮影方法・向き判定はAUC＝１.００という非常に高い性能を示した。

【要点③】実データの再点検では３～１２％のラベル修正が必要であることが判明し、AIモデルが誤ラベル候補を自動抽出することで、画像データベースの品質管理や医用AI研究の信頼性向上に大きく貢献し得ることが示唆された。

概要

レントゲン画像には撮影部位・撮影方法・向きなどのラベル情報が付与されるが、多くは人手入力に依存しており、大規模データセットでは誤ラベルが紛れ込みやすい。
誤ったラベルは、診断支援やAIモデルの学習に悪影響を及ぼすため、品質管理の効率化が重要な課題となっていた。
本研究では、複数施設と公開データを併用した大規模なレントゲン画像コホートから、撮影部位分類用AIモデルと胸部レントゲンの撮影方法・画像向き判定用AIモデルを開発し、高いAUCを達成した。
これにより、ラベルの自動点検や誤情報の早期検出を通じて、医用画像データベースの品質向上と医療安全への貢献が期待される。

詳細

発表元→ 大阪公立大学大学院医学研究科放射線診断学・IVR学
発表日→ 2025年１１月１１日
対象分野→ 医用画像（レントゲン）、人工知能（ディープラーニング）、品質管理
研究の背景→ レントゲン画像には撮影部位・撮影方向・画像の向きなどのラベルが付くが、人手による登録が中心であり、特に大規模データセットでは誤ラベルが混在しやすい。誤ラベルは診療現場での検索・判断、医用AIの学習・評価に悪影響を与える。
開発したAIモデル①（部位分類）→ 頭部・胸部・腹部など、レントゲン画像の撮影部位を自動判定するディープラーニングモデル。約４３万枚の多施設・公開データを用いて学習し、学習・調整・テストに分割したうえで、別施設データでも性能検証が行われた。
開発したAIモデル②（胸部投影・向き判定）→ 胸部レントゲンを対象に、撮影方法（正面・側面などの投影）と画像の向き（上下・左右）の両方を同時に判定するモデルを構築。約４６万枚の胸部レントゲンから学習させた。
性能評価→ 部位分類モデルはすべてのクラスでAUC＝０.９９以上、胸部レントゲンの撮影方法判定と画像の向き判定ではAUC＝１.００と極めて高い判別性能を示した。これは正例・負例をほぼ完全に識別できるレベルの性能である。
品質管理への効果→ 本研究で用いたデータセットをAIで再点検したところ、３～１２％の画像にラベル修正の必要があることが明らかになった。AIが疑わしいラベルを先にリストアップすることで、人手確認の負担を軽減しつつ、重要な誤りを効率的に洗い出せる。
医療現場・研究への意義→ 病院内のPACSや大規模画像データベースでAIを用いたラベル監査を行うことで、再撮影の削減や検査記録の整合性向上に寄与し得る。また、AI開発時の学習データに誤ラベルが混入するリスクを早期に検出し、研究の信頼性向上にもつながる。
実装状況→ 本研究で構築されたレントゲン画像判定AIは、誰でも利用できるアプリケーションとして一般公開されており、今後さらなる改良や施設間差への対応が予定されている。
限界・今後の課題→ 難例画像や画質が悪い画像、特殊な撮影条件への対応は今後の改良テーマであり、施設ごとの撮影プロトコルの違いをどこまで吸収できるかも検証が必要となる。ラベルの「正解」定義には、引き続き専門家の関与が不可欠である。
論文情報→ Deep learning models for radiography body－part classification and chest radiograph projection／orientation classification：a multi－institutional study（European Radiology）
DOI：10.1007／s00330-025-12053-7

AIによるインパクト評価

評価（参考）： ★★★★☆

短評：多施設・大規模データを用いてラベル自動点検のための実用的なAIモデルを構築し、実データ上で３～１２％の誤ラベル検出に結び付けた点は、医用画像AIの土台となるデータ品質の向上に大きく貢献し得る。
ただし、診断アルゴリズムそのものではなく「品質管理インフラ」の位置付けであり、臨床アウトカムの改善効果は今後の運用と検証に依存する段階である。

3言語要約／Multilingual Summaries

English Summary

Note：AI-assisted summary for reference.

A research team at Osaka Metropolitan University developed two deep learning models：one for classifying radiographs by body part and another for jointly classifying chest radiograph projection and image orientation.
Trained on about ４３０,０００ images for body-part classification and about ４６０,０００ images for chest projection／orientation, the models achieved AUC ≥ ０.９９ for all body-part classes and AUC ＝１.００ for both chest projection and orientation, including tests on external hospital data.
Retrospective review showed that ３～１２％ of images required label correction, indicating that these AI models can greatly streamline quality control of large radiology databases and improve the reliability of datasets used for clinical AI research.

中文摘要

注：以下为AI辅助摘要，仅供参考。

大阪公立大学的研究团队构建了两种深度学习模型：其一用于将X线影像按部位（如头部、胸部、腹部等）进行分类，其二专门用于胸部X线影像的投照方法与图像朝向的联合判定。
模型分别利用约４３万张和约４６万张影像进行训练，并在多家医院数据上验证；结果显示，部位分类模型在所有类别上的AUC均≥０.９９，而胸部投照方式与图像朝向的判定AUC均达１.００，性能极高。
对研究数据集回顾性检查发现，约３～１２％的影像标签需要修正，说明该AI系统可显著提高大型影像数据库的质量管理效率，并有助于提升医用AI研究数据的可靠性。

हिन्दी सारांश

ध्यान दें：यह AI-सहायित संक्षेप है, केवल参考目的 के लिए।

ओसाका मेट्रोपोलिटन यूनिवर्सिटी की टीम ने दो डीपラーニング मॉडल विकसित किए：पहला X-रे छवियों को身体部位（जैसे सिर, छाती, पेट）के अनुसार分類 करने के लिए, और दूसरा केवल胸部 X-रे के撮影方法 व画像の向き को一 साथ判定 करने के लिए।
लगभग ４.３ लाख छवियों पर部位分類, और लगभग ４.６ लाख छवियों पर胸部投影／向き判定 के लिए学習 के बाद, सभी部位カテゴリ में AUC ≥ ０.९९ तथा胸部投影と向き判定 के लिए AUC ＝ १.०० प्राप्त हुआ, और別施設データ पर भी高精度 बना रहा।
डेटासेट की見直し से पता चला कि約３～१२％ छवियों केラベル में修正 की आवश्यकता थी；ऐसे誤ラベル को AI द्वारा自動検出 करने से大規模画像データベース की品質管理 काफी効率ी हो सकती है और医用AI研究 की信頼性 भी बढ़ सकती है।

The post AIがレントゲン画像ラベル誤りを自動検出、撮影部位分類と胸部投影・向き判定モデルを開発、大規模画像データベース品質管理を高精度化 first appeared on STELLANEWS.LIFE.

医用画像 | STELLANEWS.LIFE

MerckとMayo Clinic、AI×マルチモーダル臨床データで創薬・精密医療を支援するR&D提携 IBD／アトピー性皮膚炎／多発性硬化症が初期重点

概要

AIによるインパクト評価

3言語要約 / Multilingual Summaries

English Summary

中文摘要

हिन्दी सारांश

AIがレントゲン画像ラベル誤りを自動検出、撮影部位分類と胸部投影・向き判定モデルを開発、大規模画像データベース品質管理を高精度化

概要

詳細

AIによるインパクト評価

3言語要約／Multilingual Summaries

English Summary

中文摘要

हिन्दी सारांश

MerckとMayo Clinic、AI×マルチモーダル臨床データで創薬・精密医療を支援するR&D提携　IBD／アトピー性皮膚炎／多発性硬化症が初期重点