脳画像特化型AI「NeuroVFM」がGPT-5を圧倒、実臨床トライアルでトリアージ精度20ポイント以上の差

米ミシガン大学の研究チームは、524万件の臨床脳画像データで訓練された特化型AIモデル「NeuroVFM」を開発した。実際の病院システム全体で実施された1週間の先行評価において、緊急性の高い所見のトリアージ精度でGPT-5を21.4パーセンテージポイント上回る成果を示した。本研究成果は2026年7月10日付のNature Medicine誌に掲載されている。

■医療AIの盲点：公開インターネットに存在しない「臨床データ」

主要な汎用AIモデルの訓練に用いられたインターネットデータには、脳のMRIやCTのスキャン画像が著しく不足している。ニューロイメージング（脳画像）に含まれる顔の容貌データは個人情報保護の観点から法的に公開データセットへの登録が難しいためだ。その結果、GPT-5やClaudeなどの最先端モデルは、過去20年間に日常的に蓄積されてきた脳画像の実際の特徴をほとんど学習しないまま臨床現場に導入されることになった。

ミシガン大学の研究チームがNature Medicine誌に発表した論文は、この盲点に直接アプローチしたものだ。同大の医療機関「Michigan Medicine」が保有する524万件の連続した臨床MRIおよびCTボリュームデータで訓練された特化型ビジュアル基盤モデル「NeuroVFM」は、2026年1月に1週間にわたって実施された実世界での実現可能性評価において、重大所見のトリアージでGPT-5を21.4パーセンテージポイント上回る性能を示した。

この結果は単なる性能ベンチマークにとどまらず、病院が独自に蓄積してきた未加工のスキャンアーカイブ（過去20年間の日常的な臨床ケアの全出力）が、手作業によるラベル付けや厳選されたデータセット、インターネット上の脳画像データに頼ることなく、特化型医療AIの実行可能な事前訓練コーパスになり得ることを証明している。

■Vol-JEPA：潜在空間で脳の構造を予測する新アーキテクチャ

NeuroVFMの中核となる技術革新は、自己教師あり学習手法「Vol-JEPA（Volumetric Joint-Embedding Predictive Architecture）」である。これはMeta AI Researchがヤン・ルカン（Yann LeCun）氏の理論的提唱に基づいて自然画像や動画向けに開発したJEPA技術を、3次元の医療ボリュームデータに拡張したものだ。

このメカニズムでは、各MRIまたはCTボリュームを重複しない3Dパッチに分割し、一部の可視領域（コンテキスト）から、マスクされた大部分のターゲット領域を予測する。予測はピクセル（ボクセル）値そのものではなく、抽象的なセマンティック表現である「潜在空間」で行われる。これにより、モデルはテクスチャやノイズ、撮影時のアーティファクトに容量を割くことなく、神経解剖学的に意味のある特徴を学習できる。

CTの前処理においては、単一のグレースケールレンダリングではなく、脳、硬膜下、骨の3つのウィンドウプリセットで処理することで、出血、浮腫、骨の所見に対する個別のコントラスト範囲を同時に保持した。NeuroVFMのバックボーン全体の事前訓練に要した計算コストは、ミシガン大学の先端研究コンピューティングクラスターにおけるNVIDIA L40S GPUで1,000GPU時間未満であり、主要な大学医療センターであれば十分に導入可能な範囲に収まっている。

■GPT-5やClaudeを凌駕するレポート生成能力

研究チームは、NeuroVFMの視覚表現をAI放射線レポート生成システムの基盤として活用できるかを検証した。凍結したNeuroVFMエンコーダーとオープンソースの言語モデル「Qwen3-14B」を結合し、「NeuroVFM-LLaVA」と呼ばれるシステムを構築した。

このシステムを、専門医が検証した300件のCTおよびMRI症例（正常、定常、緊急の3段階に分類）を用いて、GPT-5およびClaude Sonnet 4.5と比較した。なお、GPT-5とClaudeはHIPAA（医療保険の相互運用性と説明責任に関する法）に準拠した契約のもとで構造化された臨床プロンプトを与えられ、NeuroVFM-LLaVAにはネイティブの3Dボリュームデータが入力された。

Nature Medicine誌の論文によると、NeuroVFM-LLaVAは3段階の緊急度判定精度において両モデルを上回り（GPT-5に対して+11.0ポイント、Claude Sonnet 4.5に対して+20.3ポイント）、緊急所見の検出でも優位性を示した（GPT-5に対して+10.5ポイント、Claude Sonnet 4.5に対して+21.9ポイント）。また、NeuroVFMが生成したレポートの重要所見におけるエラー率はGPT-5の約半分（10%対20%）であり、ハルシネーションや左右の誤認（脳の左右を間違えて報告する重大なエラー）も有意に少なかった。3人の放射線専門医による盲検評価でも、2対1以上の割合でNeuroVFMが生成したレポートが支持された。

■1週間で1,155人の患者を対象とした実臨床評価

本研究で最も臨床的に重要な部分は、2026年1月18日から25日までの1週間、Michigan Medicineの医療システム全体で実施されたサイレント（実際の患者ケアには影響を与えない）先行評価である。期間中、NeuroVFM-LLaVAは日常の臨床業務で実施された脳、頭部、顔面、頸部、眼窩のすべてのCTおよびMRI（計1,155件：MRI 601件、CT 544件）を処理した。

NeuroVFMは、緊急の臨床対応が必要な重大所見のトリアージにおいて92.6%のバランス正確度（95%信頼区間: 89.8〜95.2%）を達成し、GPT-5の71.2%（95%信頼区間: 67.2〜75.2%）を大きく上回った。しかし、重大所見を持つ155人の患者のうち21人（13.5%）を見落としており、全体の感度は86.5%にとどまった。この見落とし率はGPT-5よりはるかに低いものの、放射線医の監視なしで自律的なスクリーニングを行うための基準には達していない。

したがって、本モデルは現時点で放射線医の監督に代わるものではない。しかし、医療機関のデータで訓練されたドメイン特化型AIが、実際の連続した未選別の臨床症例において、汎用の最先端モデルよりも有意に優れたトリアージ精度で動作できることを実証した。

■FDA未承認：「研究用ツール」としての位置づけと今後の課題

優れたベンチマーク結果の一方で、実用化における現実的な課題もある。NeuroVFMは米国食品医薬品局（FDA）の承認を取得していない。論文でも「NeuroVFMによる治療決定は行われておらず、モデルはFDAの承認を受けていない」と明記されており、他施設での臨床導入にあたっては機関内のガバナンス審査が必要な「研究用ツール」に分類されている。

2026年時点で、単独での臨床レポート生成においてFDAの承認を取得した商業用放射線AIツールは存在しない。一般的な導入モデルは、AIを「セカンドリーダー」や「ワークリストの優先順位付けツール」として統合し、最終的な判断は医師が行う形式である。NeuroVFMもこの範疇に位置づけられ、適切な臨床監視のもとで、リソースが不足している環境での専門的解釈の支援や、大量のワークリスト管理をサポートするツールとしての活用が期待される。

なお、NeuroVFMのコードと事前訓練済み重みは、GitHub（github.com/MLNeurosurg/neurovfm）にてオープンソースライセンスで公開されている。

■注目ポイントQ&A

●NeuroVFMとGPT-5などの汎用AIの違いは何ですか？

NeuroVFMは、ミシガン大学が保有する20年分・524万件の臨床脳画像データ（MRIおよびCT）のみを用いて訓練された特化型モデルです。GPT-5などの汎用モデルは主に公開インターネットのデータで訓練されていますが、個人情報保護の観点から公開データには臨床脳画像がほとんど含まれていません。そのため、汎用モデルは実際の臨床画像の多様性に触れる機会が不足しています。実臨床試験において、NeuroVFMはトリアージ精度でGPT-5を21.4ポイント上回りました。

●研究で示された「感度86.5%」は患者にとってどのような意味を持ちますか？

NeuroVFMは、緊急の対応が必要な重大所見を持つ155人の患者のうち134人を正しく特定しましたが、21人を見落としました（感度86.5%）。これはGPT-5の見落とし率よりは約4倍低い優れた数値ですが、医師の監視なしで自律的なスクリーニングを行うには不十分です。診断の遅れが重大な障害につながる臨床現場において、約7人に1人を見落とすことは許容されないため、本モデルはあくまで医師の意思決定を支援するツールとして位置づけられています。

●NeuroVFMはすぐに臨床で使えますか？また他の病院でも再現可能ですか？

いいえ、NeuroVFMはFDAの承認を受けておらず、現在は研究用ツールとしての位置づけです。他施設で導入する場合は、その施設の規制およびガバナンスの枠組みに沿った検証が必要です。ただし、モデルのコードと訓練済みの重みはGitHubでオープンソースとして公開されており、主要な大学医療センターが保有する画像管理システム（PACS）のアーカイブと一般的なハードウェア（1,000GPU時間未満）があれば、理論的には同様のモデルを構築・再現することが可能です。

●患者の画像データを使用することで、プライバシー上の懸念は生じませんか？

NeuroVFMの訓練には、ミシガン大学の機関審査ボード（IRB）の承認のもと、匿名化された臨床データが二次利用として使用されました。すべての処理は同大学のHIPAA準拠の安全なコンピューティング環境内で行われ、訓練中に外部の商業AIプロバイダーに患者データが共有されることはありませんでした。また、一般に公開されているモデルの重みには患者の個人データは含まれておらず、復元可能な画像や記録も存在しません。

元記事: Brain Scan AI Beats GPT-5 by Over 20 Points in Real-Week Hospital Trial