PRISM2モデル：臨床対話による病理画像解読の新時代

近日、PaigeとMicrosoftは共同で、臨床対話に基づく病理画像解読モデル「PRISM2」を発表した。このモデルは、従来の病理AIがピクセル分類にとどまっていた限界を打破し、言語生成によって診断上の問いに直接回答することで、精密医療におけるAI応用の新たな基準を打ち立てた。

技術解説：画像から言語へ

PRISM2は、大規模なマルチモーダルデータを効率的に処理できるエンコーダ設計であるパーシーバー（perceiver）アーキテクチャを採用している。学習段階では、組織タイル画像（tissue tiles）と病理レポートから抽出した臨床対話テキストに同時に暴露される。1枚の全スライド画像（whole slide image）に含まれる数千のタイル埋め込みを集約することで、単一のグローバル表現を形成し、そこから自然言語による回答を生成する。画像とテキストを共同でモデル化するこのアプローチにより、モデルは単にラベルを出力するだけでなく、その判断を「説明」できるようになった。

「腫瘍細胞は巣状配列を示し、核異型性が顕著である」といった病理レポートの記述的言語が、モデルの教師信号を構成している。アテンション機構を通じて、PRISM2はこれらのテキストと画像中の形態学的特徴を対応づけることを学習する。つまり、医師が「このスライドの腫瘍グレードは？」と尋ねた際、モデルは単純にデータベースを検索するのではなく、画像の内容に基づいて動的に回答を生成する。

従来の畳み込みニューラルネットワークは超高解像度の全スライド画像を直接処理することが困難だが、パーシーバーアーキテクチャは画像をブロックにエンコードして線形集約することで計算複雑度を大幅に低減する。これにより、PRISM2はグローバルなコンテキスト情報を犠牲にすることなく、1枚のGPUでスライド全体を処理できる。

データ規模：230万枚の全スライド画像が支える実力

同モデルの学習データは約230万枚の全スライド画像を網羅しており、病理AI分野において最大規模のひとつに数えられる。これらの画像は対応する病理レポートと組み合わされ、画像-テキストペアを構成している。Paigeは豊富ながん組織データを蓄積しており、Microsoftは世界水準の大規模AI学習インフラを提供することで、PRISM2は大量のデータから高度に汎化した特徴を学習することが可能となった。

業界背景：病理AIの変革の時

世界的に病理医のリソースは深刻に不足しており、特に発展途上国では多くのがん患者が適時かつ正確な診断を受けられていない。AI支援診断はこの課題を打破する手段として期待されているが、アノテーションデータの希少性、解釈可能性の低さ、施設間の汎化困難といったボトルネックに長らく直面してきた。PRISM2の意義は、病理レポートに既存する臨床言語を教師信号として活用し、腫瘍領域の手動アノテーションを不要にすることで、学習データセット構築コストを大幅に削減した点にある。

同時に、大規模モデル技術の医療画像分野への応用も加速している。以前から、GPT-4Vなどの汎用マルチモーダルモデルが医療画像理解の初歩的な能力を示していたが、PRISM2は病理学に特化しており、汎用技術が垂直応用へと落とし込まれた事例といえる。こうした「専用医療大規模モデル」は、精度と安全性において臨床ニーズにより適合することが期待される。

展望と課題：インテリジェント診断の次のステップ

PRISM2の応用可能性は補助診断にとどまらず、医学教育、品質管理、研究探索にまで及ぶ。たとえば、臨床検査医が「この腫瘍の辺縁に浸潤があるか」とモデルに問えば、即座に回答を得られるだけでなく、画像上の対応領域を指し示すことも可能になる。ただし、言語生成モデルには「ハルシネーション」のリスク、すなわち存在しない病理学的特徴を作り出してしまう可能性がある。そのため、臨床実装前には厳格な検証と規制当局の承認が不可欠であり、モデルの公平性やバイアスの問題にも十分な注意が必要だ。

編集後記：PRISM2の核心的な革新は、臨床対話を橋渡しとして、AIを「見る」から「話す」、そして「理解する」へと進化させた点にある。しかし、医療AIの臨床実装に課題がつきものであることは変わらない。技術的ブレークスルーは称賛に値するが、慎重な臨床評価こそがAIを医療現場に迎え入れる鍵となる。

本記事はAI Newsより編訳