口腔がんAIの30秒を分解する、NVIDIAが出したのは金ではなく技術者の名前だった

大阪大学などが開発した口腔がんの診断支援プログラムが承認された。報道はNVIDIAの「開発支援」で止まっているが、査読論文を開けば同社の技術者が所属を明記して共著者に並んでいる。出したのは資金ではなく、人の名前である。

2026年8月、口腔粘膜画像解析システム「Mucosight AI」がプログラム医療機器として製造販売承認を取得した。一般の歯科医院で撮った口の中の写真を送ると約30秒で解析結果が返り、口腔がん・白板症・良性腫瘍・口腔潰瘍の4疾患について、疑わしい領域が色分けされた枠で示される。開発は大阪大学大学院歯学研究科の平岡慎一郎氏が2017年から主導し、NVIDIAが2018年から技術面で加わり、株式会社モリタ東京製作所が製品化と薬事対応を担った。本稿はこの1件を素材に、医用画像AIの動作機構を層ごとに分解し、承認という制度がモデルに何を強いるのか、そして誰の懐に金が入り誰の懐には入らないのかを、査読論文・提出書類・公的統計の実測で組み立てる。

30秒の内訳: 枠を1つ描くまでに6つの工程が走る

「30秒で検出」という表現は、モデルの計算が30秒かかるという意味ではない。画像をクラウドへ送り、前処理を通し、推論し、結果を描画して返すまでの往復時間である。深層学習の推論そのものは、この規模の画像1枚ならGPU上で数十ミリ秒しかかからない。30秒の大半は通信と待ち行列で、そこを設計の中心に据えたからこそ、歯科医院側に高価な計算機を置かずに済んでいる。

出力が枠である以上、この系は物体検出に分類される。画像全体に1つの札を貼る分類とも、画素1つ1つを塗り分ける領域分割とも違い、物体検出は「どこに」と「何が」を同時に答える。工程は6つに分かれる。

撮影から入る。一般歯科の口腔内カメラは施設ごとに機種も照明も撮影距離も違い、唾液の反射や頬粘膜の写り込みが加わる。この差が後段のすべてに効く。平岡氏らが2026年に発表した総説は、この点を「実世界の撮影による乱れと分布外の画像で性能が落ちる」と明記している。学習時に見た画像の分布と、現場で入ってくる画像の分布がずれる現象で、医用AIが実験室から出た途端に精度を落とす最大の理由がここにある。

前処理は画素値の正規化と寸法の統一を行う。各画素の輝度から平均を引いて標準偏差で割ると、施設ごとの露出の癖がある程度吸収される。畳み込み演算は入力の絶対値の大きさに敏感で、正規化を挟まないと学習が発散するか、明るい画像にだけ強いモデルができあがる。

特徴抽出がモデルの本体になる。畳み込み層は小さな重み行列を画像上で滑らせ、局所の相関を1つの値に畳む操作を繰り返す。1層目は明暗の境目、数層目は網目や斑の模様、さらに深い層で組織の構造そのものに反応するようになる。ここで決定的なのが受容野、つまり出力の1点が入力画像のどれだけの範囲を見ているかである。層を重ねるほど受容野は広がり、広い受容野は大きな病変を捉えるが、小さな初期病変には粗すぎる。口腔がんの早期病変は数ミリのこともあるため、浅い層の細かい特徴と深い層の広い文脈を同時に使う構造が要る。近年の検出器が特徴ピラミッドと呼ばれる多階層の枝を持つのは、この矛盾を配線で解くためである。

検出ヘッドが位置と種類を吐く。画像を格子に切り、格子点ごとに枠の位置4つの値と、4疾患それぞれの確からしさを回帰する。同型の公開研究を見ると、東北大学のグループが2024年にHead and Neck誌へ発表した口腔がん検出器はSingle Shot MultiBox Detector、すなわち一段階検出器を採用している。二段階検出器が候補領域の抽出と分類を分けるのに対し、一段階検出器は1回の順伝播で済むため速く、クラウドで多数の要求をさばく用途に向く。

重複整理は非最大抑制と呼ばれる後処理で、同じ病変に重なった複数の枠を、重なり率を基準に1つへ畳む。この閾値を緩めると1つの病変に枠が乱立し、締めすぎると隣接した別病変を1つに潰す。地味だが臨床の見え方を大きく左右する。

閾値という1つの数字が、見落としと過剰紹介を秤にかける

最後の工程が本稿で最も強調したい点になる。検出ヘッドが出す確からしさは0から1までの連続値で、これを枠として描くかどうかは、開発者が決めた1つの閾値だけで分かれる。この数字を動かすと、精度指標が反対方向へ動く。

先のHead and Neck誌の研究が公開している実測が、その秤の形をよく示している。口腔扁平上皮がんだけを検出対象にしたとき感度93.9%・特異度81.2%、陰性的中率98.8%。ここに白板症を加えると感度は83.7%へ下がり、特異度は81.2%のまま、陰性的中率は94.5%へ落ちる。学習に使ったのは424人の1,043枚で、うちがん523枚で学習し、がん66枚・白板症49枚・その他405枚で評価している。

数字の読み方が要る。感度は病変があるものを正しく拾えた割合、特異度は病変がないものを正しく見送れた割合を指す。紹介の要否を決める道具では、この2つは同格ではない。見落とせば進行がんになるが、過剰に紹介しても失われるのは口腔外科の外来枠と患者の時間である。損失の非対称が大きいため、この種の系は感度を優先して閾値を下げるのが定石になる。陰性的中率98.8%という数字は、その設計思想の帰結である。枠が出なかったときに「たぶん違う」と言い切れる強さこそ、一次医療機関が欲しがっている情報だからだ。

同時に、特異度81.2%が意味するところも直視しておく必要がある。病変でないものの約5件に1件に枠が出る。歯科医院が1日20枚撮れば、偽の枠が毎日数個混じる計算になる。運用が続くかどうかは、この頻度に歯科医師が耐えられるかで決まる。技術の勝負ではなく、閾値という1つの数字をどこに置いたかの勝負である。

4万枚の学習資産と、それを作った人手

公表資料によれば学習に使われた口腔内画像は約4万枚で、病理診断が確認された写真を軸に、専門医が1枚ずつ目視で品質を確認している。この一文が、この事業で最も真似のしにくい部分を示している。

物体検出のモデル構造は論文として公開されており、実装は誰でも数日で書ける。GPUも買える。買えないのは、病理で裏づけの取れた症例写真を4万枚集め、専門医の目で選別した資産である。口腔がんは国内の死亡数が年8,580人と、肺がんの75,569人に比べれば桁が1つ小さい。症例が少ない疾患ほど、必要な枚数を集めるのに長い年月と多施設の協力が要る。研究開始2017年から承認2026年までの9年という期間の大半は、モデルの改良ではなくこの収集と選別に費やされたと見るのが自然である。

ここで技術上の困難が1つ加わる。がんは白板症や潰瘍に比べて枚数が少なく、学習データは必ず偏る。偏った集合をそのまま学習させると、モデルは多数派に引っ張られて少数派を見落とす方向へ収束する。対策としては、簡単に分類できる例の損失を割り引いて難しい例に重みを寄せる損失関数の工夫や、間違えた陰性例を優先的に学習し直す手法が使われる。前掲の東北大の研究ががん523枚だけで学習しながら、評価では405枚のその他疾患を含めて特異度を測っているのは、この偏りの扱いを検証するための設計である。

承認はモデルを凍らせる、そしてIDATENが解凍の唯一の口

医療機器としての承認には、技術者にとって直感に反する制約が付く。承認は「その時点の性能を持つ、そのモデル」に対して与えられるため、承認後に勝手に再学習して重みを更新することはできない。市販後に集まった画像で精度を上げられるはずの仕組みが、制度上は凍結される。

この矛盾を解くために日本が用意したのが、変更計画の事前確認を経て承認事項の一部変更を機動的に行う制度で、IDATENという通称で呼ばれる。あらかじめ「どういうデータで、どこまでの範囲で、どう更新するか」を計画として当局と合意しておけば、その枠内での更新は簡略な手続きで通る。逆に言えば、計画の外に出る改良には通常の一部変更承認が要る。

投資の観点でこの制度が持つ意味は大きい。医用AIの寿命はモデルの良し悪しではなく、変更計画をどう書き、どう回すかで決まる。撮影機材が世代交代し、患者層が変わり、分布が移動していく現場で、更新の速度が競争力そのものになる。前掲の総説が「分布のずれ、偏り、報告基準」を実装上の課題として並べているのは、この構造を臨床側から見た表現である。

NVIDIAが出したのは金ではなく、共著者としての名前だった

報道は「NVIDIAがAI開発を支援」で止まる。何を支援したのかを提出書類と論文で追うと、輪郭がはっきりする。

計算資源の側は、NVIDIAのGPUを積んだワークステーションと、大阪大学が持つスーパーコンピュータOCTOPUS・SQUIDが使われた。SQUIDは2021年5月稼働で理論性能16.59ペタフロップス、GPU節点はNVIDIA A100を8基搭載する構成を採る。大学が自前で持つ計算機を使っている以上、NVIDIAが計算費を負担したという構図ではない。

より本質的なのは人の関与である。2024年にBMC Cancer誌へ載った咬筋容積の論文には、著者として阮佩穎氏が「NVIDIA AI Technology Center, NVIDIA Japan, 12F ATT New Tower, 2-11-7, Akasaka, Minato-ku, 107-0052, Tokyo, Japan」という所属を明記して名を連ねている。同じ論文には大阪大学サイバーメディアセンターのLee Chonho氏も入っており、歯学の臨床側、大学の計算機側、GPU提供企業の技術側が1本の論文の著者欄で結びついている。米国立医学図書館の文献データベースで所属にNVIDIAと日本を含む論文を数えると38本あり、阮氏の名前は2019年の生物情報学の論文から2025年の感染症数理の論文まで、6年以上にわたって現れる。単発の協賛ではなく、技術者を研究チームへ常駐させる制度として運用されている。

この関与がNVIDIAの売上にどう返るのかを、年次報告書で確かめると意外な絵が出てくる。2026年1月期のNVIDIAの売上高は2,159億3,800万ドル、営業利益1,392億9,700万ドル。報告区分は「計算・ネットワーク」1,934億7,900万ドルと「グラフィックス」224億5,900万ドルの2つだけで、医療という区分は存在しない。年次報告書の全文で医療基盤Claraが出てくるのは1回、medicalという語は0回である。つまり大阪大学との9年に及ぶ協業から、同社に直接ひもづく売上は1ドルも計上されていない。

では何を買っているのか。規制産業で通用したという実績と、その実績を作る過程でGPUの使い方を覚えた研究者、そして病院が調達を決めるときに参照する前例である。医療機関がAIを導入するとき最大の障壁は「日本で承認された前例があるか」で、この壁を1つ崩すたびに、後続の全案件で計算基盤の選定が有利になる。売上区分を持たない支援が、売上区分を持つ製品の需要を作る。技術者1人の時間という単位で見れば、これは極めて安い需要創出になっている。

収益が止まる場所: 導入した歯科医院に、公定価格から入る金はない

日本のプログラム医療機器で最も見落とされているのが、承認と保険償還が別の関門だという事実である。承認は「売ってよい」という許可にすぎず、その使用に診療報酬が付くかどうかは中央社会保険医療協議会の別の議論で決まる。

2024年度の診療報酬改定でプログラム医療機器等指導管理料が新設された。月1回90点、つまり900円で、初回の月には導入期加算50点が上乗せされる。数字だけ見ると小さいが、それ以上に効くのが算定要件で、対象は「主に患者自らが使用するプログラム医療機器等」に限られる。禁煙治療用アプリのように患者が持ち帰って使う類のものが想定されており、歯科医師が診療の場で使う診断支援の器材はこの枠に入らない。

したがって、この系を導入した歯科医院に公定価格から直接入る収入は、現時点では存在しない。費用は歯科医院が自ら負担し、見返りは見落としの減少と紹介判断の説明のしやすさという、金額に換算しにくい価値になる。同じ構図は内視鏡分野でも起きていたが、そちらでは2024年に大腸向けで初めて加算が付いた前例ができた。点数が付くかどうかが普及の速度をそのまま決めるという構造は、SaMDに投資するすべての事業に共通する。

需要側の数字は、この壁を押す方向に働いている。人口動態統計で口唇・口腔・咽頭のがんによる死亡は2014年の7,415人から2024年の8,580人へ15.7%増えた。同じ10年で胃がんは47,904人から37,867人へ21.0%減り、肺がんは73,396人から75,569人へ3.0%増にとどまる。胃がんが減ったのは内視鏡検診という網が全国に敷かれたからで、口腔にはその網がない。歯科診療医療費は2023年度で3兆2,945億円、国民医療費48兆915億円の6.85%を占める。年に何度も通う場所がありながら、がんを拾う仕組みだけが欠けている。この空白を埋める道具に点数を付けるかどうかが、次の改定で問われることになる。

医療AIの実装で先行した4つの事例と、その勝ち方の違い

口腔の事例を位置づけるために、国内で先に実装された系を並べる。大腸内視鏡では、サイバネットシステムのEndoBRAINが2018年12月に国内初のAI画像診断として薬事承認を取得し、2024年に大腸向けとして初めて診療報酬の加算対象になった。承認から加算まで5年以上かかっている。エルピクセルのEIRL Colon Polypは2023年に承認され、同社は脳動脈瘤を対象としたEIRL aneurysmでMRA画像の読影支援にも入っている。AIメディカルサービスのgastroAI-model Gは2023年に承認され、胃の腫瘍性病変の検出を支援する。

4つを並べると勝ち方が2種類に分かれる。内視鏡系はすでに高価な装置が病院にあり、そこへソフトを載せる形なので、装置メーカーの販路に相乗りできる。オリンパスの2026年3月期は売上収益1兆1,067億6,000万円・営業利益971億2,000万円・研究開発費1,099億円で、この規模の販路と開発費が背後にある。対して読影支援系は装置に依存しない代わりに、病院ごとの情報システムへ個別につなぐ手間が残る。

口腔の事例はこのどちらとも違う。撮影機材が汎用の口腔内カメラで、解析はクラウド、そして販路はモリタグループが握る歯科医院網である。モリタ東京製作所は2023年度の売上高71億円・従業員345人の非上場企業で、グループ全体でも1,081億8,366万円と、オリンパスの15分の1に満たない。日本の医療機器大手と比べれば小さいが、歯科用チェアユニットの国内シェアで首位を持つという一点が効く。歯科医院の診療室に既に自社の機材が入っている企業が、そこへソフトを1本足す形になっている。テルモの売上収益1兆1,318億7,700万円、島津製作所の5,607億2,800万円と並べれば会社の規模は見劣りするが、届く先の密度では対抗できる。医用AIの実装はモデルの性能ではなく、既にどこに機材があるかで決まるという実例になっている。

この先の数字をどこで確かめるか

投資と実務の双方から追える指標を整理しておく。制度側では、次の診療報酬改定で診断支援の器材に点数が付くかどうかが最初の分岐になる。承認と保険適用の間に何年空くかは、EndoBRAINの5年以上という前例が目安を与えている。技術側では、変更計画の事前確認を経た更新が何回回るかが、分布のずれに耐えられるかの実測になる。撮影機材の世代交代に追随できなければ、承認時の性能は現場では再現しない。

企業側では、モリタ東京製作所が非上場である以上、決算からの追跡はグループの売上高と歯科向け機材の販売動向に限られる。NVIDIAについては、医療の売上区分が年次報告書に現れるかどうかを見ればよい。2026年1月期時点で存在しない以上、同社にとって医療は依然として需要創出の場であり、収益の柱ではない。そして最も重要な指標は臨床側にある。人口動態統計は毎年更新され、口唇・口腔・咽頭のがんによる死亡数はいま8,580人で増加が続いている。この曲線が折れる年が来るかどうかが、9年かけて作られた4万枚と1つの閾値が、実際に人を救ったかどうかの答えになる。