1. 何が問題か──術中病理の壁

手術中、外科医は「切り取った組織にがんが残っていないか」を病理医に確認する。病理医は凍結切片と呼ばれる迅速標本を顕微鏡で見て、その場で判断を返す。手術が止まっている間に、だ。

この術中病理は外科手術の精度を支える要所だが、難題を2つ抱えている。第一に、凍結切片はホルマリン固定標本に比べて画質が劣り、判断が難しい。第二に、術中病理に使える大規模なデータセットが少ない。計算病理学（computational pathology）の研究はここ数年で進んだものの、著者らは「大規模かつ前向きな臨床的検証の不足が、手術現場への日常的な導入を阻んできた」と述べている。

2. 提案──術中に特化した基盤モデル CRISP

著者らが構築した CRISP（Clinically-oriented Robust Intraoperative Support for Pathology）は、術中病理に特化した基盤モデルである。訓練に使ったのは、10か所の医療施設から収集した10万件超の凍結切片だ。

この論文は Nature Medicine に査読を経て掲載された。プレプリントではなく、外部の査読者による審査を通過した上で公開されている。ただし、査読を通ったことは、主張のすべてが追試で再現されることを保証するわけではない。

3. 何を示したか──abstract の範囲で

著者らは2種類の評価を報告している。

後方視的評価では、1万5千枚超の術中スライドを使い、良悪性の判別、術中の意思決定に関わる鍵となる判断、汎がん検出など、約100の診断タスクで性能を調べた。CRISPは6施設・14腫瘍型・24解剖部位にわたって安定した汎化性能を示したと述べている。訓練時に含まれていなかった部位や希少がんも対象に含まれている。

前向き評価では、3,000人超の患者を対象としたコホートで検証し、実臨床の条件下で高い診断精度を維持したと報告されている。外科的意思決定の92.6%に直接的に寄与したとされる。人間とAIの協働では、診断の作業負荷が35%減少し、補助検査を105件回避し、微小転移の検出精度は87.5%だったとされている。

4. 術中の判断の場面を見る

手術中、外科医が摘出した肺の辺縁を病理医に送る。「断端にがん細胞が残っていないか」を確認するためだ。凍結切片を作成し、病理医が顕微鏡で判断する。陽性であれば外科医は追加切除を行い、陰性であれば閉創に移る。

この判断に要する時間が手術の流れを左右する。CRISPがこの場面に入ると、病理医がスライドを見る前にAIが初期判定を返す。病理医はAIの判定を参照しながら自分の目で確認する。著者らの報告では、この協働体制により病理医単独よりも作業負荷が減り、補助検査の一部を省略できたという。

5. 何が新しくないか・限界はどこか

計算病理学で基盤モデルを構築する試みは、CRISP以前からいくつかの研究グループが手がけている。CRISPの特徴は、凍結切片という術中固有のデータに特化し、かつ前向きコホートを含む大規模な検証を行った点にある。この規模の前向き検証は術中AIでは珍しい。

限界もある。第一に、abstract の範囲では10施設のうちどの施設がどの地域・どの人口構成を代表しているかは示されていない。施設の偏りがあれば汎化性能の評価に影響する。第二に、92.6%という数字は「外科的意思決定に直接寄与した」割合だが、「寄与」の定義がabstractからは読み取れない。病理医がAIの判定を受け入れた割合なのか、AIの判定が最終診断と一致した割合なのかで意味が変わる。第三に、87.5%の微小転移検出精度は高いが、見逃された症例が臨床上どの程度の影響を持つかは別の問いだ。

6. 独立媒体はこの論文をどう伝えたか

この論文の周辺では、2つの独立した媒体による紹介が確認されている。

Nature（npj Digital Medicine）は「Specialized foundation models for intelligent operating rooms」という見出しで、手術室向けの基盤モデルという文脈でCRISPを紹介している[2]。medRxiv 上では SIGNAL という別のモデルが「Scalable, Real-World Model for Rapid Intraoperative Molecular Classification of Gliomas Using Stimulated Raman Histology」という見出しで報告されており[3]、術中の分子分類という隣接テーマで同時期に研究が出ている。

注目すべきは、Nature の紹介記事の見出しが「intelligent operating rooms」という広い枠組みを使っている点だ。CRISPの論文自体は病理診断に焦点を当てているが、紹介記事は「手術室のAI化」という大きな物語の一部として位置づけている。論文の主張と紹介の見出しのあいだには、この粒度のずれがある。

7. 製薬・規制の現場から見ると何が接続するか

術中病理のAIは、製薬企業の直接の事業領域ではない。しかし、接続する点は2つある。

第一に、コンパニオン診断との接点だ。がんの術中判定にAIが入ることで、切除範囲の最適化が進めば、術後の治療選択にも影響が及ぶ。特に分子標的薬のコンパニオン診断が術中のリアルタイム判定と連動する将来像は、製薬企業のバイオマーカー戦略に関わる。

第二に、AI医療機器の規制動向だ。大規模な前向きコホートによる臨床検証を経た術中AI病理モデルの報告は、規制当局が求めるエビデンスの水準を示す参照点になる。今後、類似のAI医療機器が承認申請を行う際に、この規模の前向き検証が基準線として参照される可能性がある。