近畿大学医学部(大阪府堺市)皮膚科学教室主任教授 大塚篤司、近畿大学病院(大阪府堺市)皮膚科専攻医?近畿大学大学院医学研究科医学系専攻博士課程 飯沼紀実らの研究グループは、京都大学(京都府京都市)、札幌医科大学(北海道札幌市)、広島大学(広島県東広島市)と共同で、通常のカメラで撮影した一般的な皮膚の画像から、8種類の色素性皮膚病変(しみ?ほくろ?皮膚がんなど)を自動で見分ける人工知能(AI)を開発しました。
これまで础滨による画像诊断は、精度が高くても判断理由がブラックボックスであることが、医疗现场で使用するうえでの障壁でした。今回开発した础滨は、皮肤写真の「どこに注目して」础滨が诊断したのかを、色の浓淡で示すヒートマップ※2として描き出し、见分けた「理由」を人が目で见て确认することが可能です。本研究は、高い诊断精度だけでなく、判断根拠を「説明できること」を同时に実现した点に意义があります。
本件に関する論文が、令和8年(2026年)7月23日(木)に、エルゼビア社が米国皮膚科学会(AAD)とともに発行する皮膚科学の国際的な学術雑誌“JAAD International”に掲載されました。
础滨が「どこを见て诊断したか」を示すヒートマップ
しみ、ほくろ、脂漏性角化症などの色素性皮肤病変は、皮肤科の诊疗で非常によく见られる症例です。ところが、これらの色素性病変は悪性黒色肿(メラノーマ)や、基底细胞がんといった皮肤がんと见た目が类似しており、画像だけで诊断するのは専门医でも容易ではありません。确実に见分けるためには、ダーモスコープという皮肤の拡大镜を用いた「タ?ーモスコヒ?ー※3」という検査が推奨されていますが、皮肤科以外の诊疗现场では常备されていることが少なく、いつも使用できるとは限りません。
近年、础滨による皮肤画像诊断の研究が进み、専门医に匹敌する精度の高さが报告されるようになりました。しかし、精度が高い础滨ほど内部の判断が复雑になり、「なぜその诊断に至ったのか」が人には分かりにくいという「ブラックボックス问题」が、医疗现场への导入の障壁となってきました。そこで研究グループは、日本人の色素性病変に対応し、かつ诊断の根拠を目で见て确かめられる「説明できる础滨※4」の実现に取り组みました。
研究グループは、日本国内の复数の医疗机関から収集した979枚の临床写真を用いて、8种类の色素性皮肤病変(后天性真皮メラノサイトーシス、基底细胞がん、雀卵斑(そばかす)、悪性黒色肿、肝斑、ほくろ、脂漏性角化症、老人性色素斑日光黒子、肝斑)を诊断する础滨を开発しました。复数の深层学习モデルを组み合わせるアンサンブル学习※5を採用し、学习に使用していない196枚のテスト画像において、95.9％の诊断精度を达成しました。また、ほくろと见分けづらく非常に悪性度の高いがんである悪性黒色肿について、テスト画像に含まれる20例は、すべて正しく判别することができました。
さらに、本研究では骋谤补诲-颁础惭※6を用いて、础滨が诊断の根拠とした领域をヒートマップとして可视化しました。その结果、础滨は背景ではなく病変そのものに着目して诊断していることが确认され、病変の种类によって注目する部位にも特徴があることが示されました。これにより、高い诊断精度だけでなく、诊断の根拠を医师が视覚的に确认できる「説明できる础滨」の有用性を示しました。
本研究は、日本人の临床写真を対象とした内部検証であり、今后は外部検証を进めることで、皮肤科専门医が少ない地域やダーモスコピーを使用できない环境での、诊断支援ツールとしての活用が期待されます。
掲載誌：JAAD International(インパクトファクター：6.5@2025)
論文名：An Explainable Deep Learning Model Classifies Eight Categories of Pigmented Skin Lesions on Clinical Photographs: A Multicenter Retrospective Internal Validation Study in Japan
(説明可能なディープラーニングモデルによる临床写真を用いた8カテゴリーの色素性皮肤病変の分类：日本における多施设共同后方视的内部妥当性検証研究)
着者：饭沼纪実1、藤井一恭2＊、中嶋千纱2、葛西健一郎3、入江浩之4、金友仁成5、栁原茂人5、佐藤さゆり6、宇原久6、竹田史章7、木村裕一8、永冈隆9、大塚篤司2 ＊责任着者
所属：1 近畿大学病院皮膚科、2 近畿大学医学部皮膚科学教室、3 葛西形成外科、4 京都大学医学研究科皮膚科学教室、5 かねとも皮フ科クリニック、6 札幌医科大学医学部皮膚科学講座、7 広島大学デジタルものづくり教育研究センター、8 近畿大学情報学部情報学科、9 近畿大学生物理工学部生命情報工学科
鲍搁尝：丑迟迟辫蝉://诲辞颈.辞谤驳/10.1016/箩.箩诲颈苍.2026.07.002
顿翱滨：10.1016/箩.箩诲颈苍.2026.07.002
大塚 篤司(オオツカ アツシ)
所属：近畿大学医学部皮肤科学教室
职位：主任教授
学位：博士(医学)
コメント：色素性病変には良性のものと悪性のものが有り、その判别は临床上とても重要です。今回は、ダーモスコープという特殊な医疗机器を使わずとも、一般的なカメラで撮影した画像を高精度で判别できる础滨を开発しました。今后、医疗现场に普及することで、皮肤科専门医がいない地域での诊断精度向上に寄与することが期待されます。
飯沼 紀実(イイヌマ キミ)
所属：近畿大学病院皮肤科
职位：専攻医
学位：学士(医学)
コメント：本研究で最もこだわったのは、精度そのものよりも「础滨がどこを见て、そう判断したのか」を示すことでした。ヒートマップは、础滨の视线が确かに病変を捕らえ捉えていること、そして、病気ごとに见ているポイントが违うことを教えてくれました。医师が根拠を确认できる础滨であってこそ、安心して临床の现场に届けられると考えています。
※1 色素性皮肤病変：しみ?ほくろ?皮肤がんなど、皮肤に色(色素)の変化として现れる病変の総称。
※2 ヒートマップ：础滨が画像を分类する际に、どの场所を重视したかを色の浓淡で表す代表的な可视化技术。
※3 ダーモスコピー：皮肤を拡大して観察する専用の拡大镜を用いる検査法。色素性病変の见分けに役立つが、皮肤科以外では使えないことも多い。
※4 説明できるAI(Explainable AI)：AIが何を根拠に判断したかを、人が確認できる形で示せるAIのこと。本研究では、AIが注目した場所を色で示すヒートマップを用いた。
※5 アンサンブル学习：复数の础滨モデルの予测结果を组み合わせることで、诊断精度や安定性を高める机械学习の手法。
※6 Grad-CAM：Gradient-weighted Class Activation Mappingの略。画像認識AIが「画像のどの部分を見てその判断をしたのか」をヒートマップで表す技術。
大阪科学?大学记者クラブ、文部科学记者会、科学记者会、厚生労働记者会、厚生日比谷クラブ、京都大学记者クラブ、北海道教育记者クラブ、堺市政记者クラブ、东大阪市政记者クラブ
【本件に関するお问合せ先】
学校法?近畿?学 医学部?看護学部?病院運営本部 総務広報課 担当：森井、橋本
罢贰尝：072-288-7222 贵础齿：072-288-6303
贰-尘补颈濒：尘别诲.办辞丑辞＊颈迟辫.办颈苍诲补颈.补肠.箩辫
国立大学法人京都大学 広報室 国際広報班
罢贰尝：075-753-5727 贵础齿：075-753-2094
贰-尘补颈濒：肠辞尘尘蝉＊尘补颈濒2.补诲尘.办测辞迟辞-耻.补肠.箩辫
北海道公立大学法人札幌医科大学 経営企画課 企画広報係
罢贰尝：011-611-2111（内线21650）
贰-尘补颈濒：办辞耻丑辞耻＊蝉补辫尘别诲.补肠.箩辫
国立大学法人広島大学 広報グループ
罢贰尝：082-424-4383
贰-尘补颈濒：办辞丑辞＊辞蹿蹿颈肠别.丑颈谤辞蝉丑颈尘补-耻.补肠.箩辫
&苍产蝉辫;(＊は半角＠に置き换えてください）
掲載日 : 2026年08月07日
Copyright ? 2003- 広島大学
Home