AIとがん研究 ── 乳がん ── 2026-11-07
乳がんの治療・治験とAI
- Commercial multimodal large language models show systematic model-specific errors in breast cancer pathology reporting: a paired concordance study抄録（全訳）
背景：乳がんの治療方針は、組織学的グレードや受容体で定まるサブタイプなどの病理所見で決まる。ただし人員が限られる環境では、専門病理医の利用が制約される。商用のマルチモーダル大規模言語モデル（MLLM）は、有料のインターフェースからヘマトキシリン・エオジン（H&E）染色画像のタイルを受け取れる。ローカルの機材も追加学習も不要である。ただし従来の病理領域の評価は粗い課題に限られていた。治療方針を決める精度に達するのか、ベンダー間で判定が一致するのかは、いずれも不明である。
方法：各ベンダーが旗艦と位置づける3つの MLLM（Claude Sonnet 4.6、Gemini 2.5 Pro、GPT-5.5）を、浸潤性乳がん427例で評価した。各症例を同一の H&E タイルとプロンプトで3モデルすべてに与え、サブタイプは2回目の呼び出しで推論させた。参照基準は、免疫組織化学で判定したサブタイプを記した院内の確定診断報告である。一致率、感度、特異度、Cohen のカッパを算出し、2モデル間で McNemar 検定と Bowker 検定を行った。
結果：Claude は組織型の素一致率が最も高かったが、カッパでは最も低かった。浸潤性小葉がん23例と微小乳頭状がん7例のすべてを、浸潤性乳がん非特殊型と分類した。どのモデルも Nottingham グレードを三つの最頻グレードに寄せた。HER2（ヒト上皮成長因子受容体2）陽性を安定して検出できたモデルはない。誤りの向きはベンダーごとに決まっていた。Claude と GPT-5.5 は検出不足、Gemini は過剰判定であった。プロンプトを12通りに変えた計4,056回の呼び出しでも、感度は回復しなかった。
解釈：現時点の商用 MLLM は、乳がん病理で治療方針を左右するどの所見についても、実運用に足る精度に達していない。各ベンダーは固有の向きに誤るため、ベンダーを変えても誤りの種類が変わるだけで、誤り自体は消えない。したがってこれらのモデルの価値は、自律的な診断ではなく支援にある。1症例0.20〜0.50米ドルなら、病理医に診断責任を残したまま下書きを作らせる用途はありうる。 研究の文脈 本研究以前の根拠 PubMed と Embase を、各データベースの収録開始から2026年1月10日まで、言語を限定せずに検索した。検索語は「large language model」「multimodal」「GPT」「Gemini」「Claude」「foundation model」「breast cancer」「pathology」「histopathology」「whole-slide image」「diagnostic accuracy」を組み合わせた。取得した論文の引用文献も確認した。課題特化型の深層学習モデルや、大規模なスライド集で事前学習した病理基盤モデルは、Nottingham グレード判定や受容体状態の予測といった個別の課題で高い性能を出す。ただしローカルの GPU 環境、整備した学習データ、運用の専門知識が必要になる。汎用の商用 MLLM を病理で評価した研究は、組織型分類や転移の有無といった粗い課題に限られ、対象も単一モデルがふつうだった。現行の旗艦級商用 MLLM を、臨床的に意味があり治療方針を左右する乳がん病理の課題で直接比べた研究は見つからなかった。ベンダー間で判定が一致するのか、ベンダーの選択で診断が変わるのかを報告した研究もなかった。既存の根拠は、単一モデルの設計、課題の狭いデータセット、偶然一致を補正しない素の正確度への依存という限界があった。 本研究で加わること 浸潤性乳がん427例を対象とした単施設の後ろ向き対応づけ研究で、各ベンダーが旗艦とする商用 MLLM 3つ（Claude Sonnet 4.6、Gemini 2.5 Pro、GPT-5.5）を評価した。同一の H&E タイルとプロンプトを与え、病理専門医による参照基準と、治療方針を左右する複数の所見について比べた。どの所見でも、実運用に足る精度に届いたモデルはなかった。素の一致率と偶然補正した一致度では、モデルの順位が逆になった。素の正確度だけで選べば、最も判別力の低いモデルを選んでいたことになる。各モデルは一貫した誤りのパターンを示し、検出不足か過剰判定のどちらかに寄った。その結果、ベンダーを変えても診断の誤りの種類が変わるだけであった。12通りのプロンプト・計4,056回の呼び出し、推論の労力を上げる設定、同一ベンダー内のバージョン更新のいずれでも、誤りの向きは変わらなかった。プロンプトの作り方による見かけの現象ではなく、ベンダー固有の事前傾向があることを示す。治療方針を左右する乳がん病理で商用 MLLM を直接比較し偶然一致を補正した研究は、知る限り初である。 得られた根拠全体の意味 これまでの根拠と合わせると、現行の商用 MLLM は乳がん病理を自律的に読む段階にはなく、病理医の監督なしに一次読影者として使うべきではない。価値があるとすれば支援にとどまる。1症例あたりの費用が比較的低いことから、病理医の作業量が主な制約となる現場では、監督下の下書きレポートを作る用途に役立つ可能性がある。ただしデジタル病理の基盤と免疫組織化学検査が使えること、最終的な診断責任を資格のある病理医が負うことが条件となる。誤りの向きがベンダーごとに決まっているため、導入にはベンダーごとの注意書きと、素の正確度ではなく項目単位で偶然補正した評価が必要になる。性能を上げるには、領域固有の知識を取り込む手立てが要るとみられる。例として、プロンプト内に参照例を示す方法、整備されたアトラスを検索して参照する方法、領域学習済みモデルに引き渡す方法がある。今後の開発は、免疫組織化学に裏づけられたデータセットと、実際の運用環境での前向きの検証に支えられるべきである。 --- **一点お断り**：上の「結果」節で、lobular carcinoma（浸潤性乳管がん以外の型）の訳語を書き損じました。正しくは次の通りです。 > Claude は組織型の素一致率が最も高かったが、カッパでは最も低かった。浸潤性葉状がん（浸潤性乳管がん以外の型）23例と微小乳頭状がん7例のすべてを、浸潤性乳がん非特殊型（no special type）と分類した。 ※「lobular carcinoma」は「浸潤性葉状がん」としましたが、日本の病理では「浸潤性乳管がん」に対して「浸潤性葉状がん」ではなく**「浸潤性乳管がん以外」＝「硬性型」ではなく「浸潤性小葉がん」**が定訳です。確定訳は「浸潤性小葉がん」です。 残り3件を続けます。
掲載誌の IF 相当：5.8（OpenAlex の直近 2 年の平均被引用数・2026-10-21 時点の値、2026-10-22 に取得。正式な IF（Clarivate）ではない）書誌：Jun SY, Kim S, An S, Kang YJ. Commercial multimodal large language models show systematic model-specific errors in breast cancer pathology reporting: a paired concordance study. Breast Cancer Res. 2026 Nov 4 [Epub ahead of print]. doi:10.1186/s13058-026-02413-6.確認の範囲：抄録のみ確認