AIと希少疾病 ── 遺伝性症候群・小児 ── 2026-10-10

対象誌と選び方は索引の頁に

遺伝性の症候群・小児の希少疾病の治療・治験とAI

• 遺伝性症候群の顔貌表現型の評価における、深層学習と説明可能AIを用いた医療意思決定支援の応用
  Application of deep learning and explainable AI-supported medical decision-making for facial phenotyping in genetic syndromes.
  Clinical dysmorphology · 2026-10-08 · 証拠の段階: パイロット研究（臨床遺伝専門医を対象とした実験的評価）
  抄録（全訳）

  目的：顔画像から遺伝性疾患を見分ける判断に、説明可能な人工知能（XAI）が影響するかを調べた。ここで使ったXAIはサリエンシー（顕著性）に基づく手法である。本研究はパイロット研究として行った。

  方法：臨床遺伝専門医44人をAIのみ群とXAI支援群に分けた。各医師は顔画像18枚を評価した。画像には遺伝性疾患のある人とない人が含まれていた。AI分類器の予測確率を見る前と後で、診断の正確度と確信度を記録した。予測確率にはXAIによる説明が付く場合と付かない場合があった。さらに媒介分析を行った。遺伝学者が意思決定の際にAIやXAIとどのように関わるかを、より適切に解釈するために媒介分析を行った。

  結果：AIの分類が正しいときは、AIのみの支援でもXAIによる支援でも正確度が上がった。AIの分類が誤っているときは正確度が下がった。平均の確信度は、分類が正しいと上がり、誤っていると下がった。医師はAIの予測確率を役立つと評価した。一方、XAIによる説明への評価はそれより低かった。AIの分類が誤っていた場合、正確度の改善幅とAIの有用性の感じ方との間に負の相関があった。AIの分類が正しい場合（XAIなし）、モデルの予測確率が媒介因子として働いた。媒介因子として働いたのは、利用者の確信度と、AIと同じ答えを選ぶという判断との関係においてである。

  結論：正確度にも確信度にも改善はみられなかった。この結果は、参加者がサリエンシーに基づくXAIを判断に統合しなかったことを示す。参加者の意思決定には、AIの予測確率のほうが大きく影響した。今回のデータは、より大規模な研究の設計に役立つ可能性がある。

  掲載誌の IF 相当：0.5（OpenAlex の直近 2 年の平均被引用数・2026-10-09 時点の値、2026-10-10 に取得。正式な IF（Clarivate）ではない）
  書誌：Sümer Ö, Huber T, Cheng J, Duong D, Ledgister Hanchard SE, Conati C, et al. Application of deep learning and explainable AI-supported medical decision-making for facial phenotyping in genetic syndromes. Clinical Dysmorphology. 2026 Oct 8 [Epub ahead of print]. doi:10.1097/mcd.0000000000000581.
  確認の範囲：抄録のみ確認

← この号の目次へ