Google、オフラインでの結核スクリーニング向けにオープンなMedGemmaモデルを公開
Google Researchは、MedGemmaのようなオープンウェイトのマルチモーダルモデルが、高負担地域において主権的でオフラインの結核スクリーニングを可能にする方法について共有しました。
英語の原文から自動翻訳されました。
ワシントンD.C.で開催されたIDWeek 2026にて、Google Researchは、独自の医用画像アルゴリズムから、結核スクリーニング向けのオープン基盤モデルへの移行について詳細に説明しました。同チームは、これらのツールを6か国で展開し、データ主権とアクセス格差に対処するためにインドネシアの国家保健戦略に統合したことを強調しました。
何が起きたか
結核は依然として世界的な死因の上位にあり、年間推定123万人の命を奪っています。検出における大きな障壁は、高負担地域における放射線科医の不足です。これらの地域では、画像診断インフラが農村部の診療所や遠隔作業現場から数日かかる距離にある場合があります。過去5年間で、Google ResearchとGoogle for Healthは、初期ベンチマークから、ケア現場でチューニングおよび使用できるオープン基盤モデルの展開へと焦点を移しました。
この取り組みは、AIが胸部X線写真の読影において専門の放射線科医に匹敵する能力を持つことを証明することから始まりました。2019年にベンチマーク結果を発表し、2021年に世界保健機関（WHO）がコンピュータ支援検出を推奨した後、チームは実証検証へと進みました。2024年9月には、NEJM AIに掲載された前向き多施設研究により、AI支援スクリーニングが多様な人口集団において高い感度を維持しつつ、他の肺異常も検出できることが確認されました。
アルゴリズムと臨床ツール間のギャップを埋めるため、Googleはプレトリア拠点の企業Nexus AIと提携しました。Nexus AIは胸部X線アルゴリズムを認定診断デバイスに変換し、CE MDRクラスIIb認証およびISO 13485準拠を達成しました。このツールは現在、南アフリカ、シエラレオネ、コートジボワール、コンゴ民主共和国、ザンビア、カメルーンの約40の医療施設で稼働しています。臨床医はこれを使用して25,000枚以上のレントゲン写真を評価し、処理時間を数週間から45秒未満に短縮しました。
仕組み
コア技術は、地域のヘルスシステムが主権的なソリューションを構築できるようにする、オープンウェイトのマルチモーダルモデルに基づいています。Googleは、医用画像と臨床テキストを整合させ、開発者が平易な言語ラベルを使用して画像を検索または分類できるようにする軽量な視覚言語モデル「MedSigLIP」をリリースしました。これを基盤として、パラメータ数が40億と270億の構成を持つオープンウェイトモデルファミリー「MedGemma」を立ち上げました。
MedGemmaはマルチモーダル臨床推論をサポートし、放射線所見と患者歴を統合して、自然言語で臨床医のクエリに回答します。重要なのは、これらのモデルがインターネット接続なしでデバイス上でローカル実行される点です。この機能により、保健省は国内データセットでモデルを微調整し、患者データを国境内に保持することが可能になります。例えば、インドネシアはMedGemmaを使用して年間最大5,000万人の市民をスクリーニングしており、独自クラウドソフトウェアに伴うデータ所在リスクを回避しています。
視覚モデルを補完するため、GoogleはHealth Acoustic Representations (HeAR) も開発しました。3億以上の音声セグメントで訓練されたHeARは、標準的なスマートフォンで記録された咳の音を通じた非侵襲的スクリーニングを可能にします。この聴覚トリアージはモバイルX線スクリーニングと並行して機能し、サービスが行き届いていない人口のための統合診断カスケードを作成します。
主要な詳細
- グローバルな影響: Nexus AIのツールは6か国で25,000枚以上の胸部レントゲン写真をスクリーニングし、90人以上の臨床医が関与しています。
- 速度: AIにより、診断処理時間が数週間からスキャンあたり45秒未満に短縮されます。
- オープンモデル: MedGemma（パラメータ数4Bおよび27B）とMedSigLIPはオープンウェイトであり、ローカルでの微調整とオフライン使用が可能です。
- 採用状況: MedGemmaはリリース以来、1,000万回以上ダウンロードされています。
- 主権的展開: インドネシアは、データ所在性を維持しながら年間5,000万人の市民をスクリーニングするために、これらのモデルをローカルインフラ上で微調整しています。
- 極限環境: この技術は南アフリカのMponeng金鉱の地下4キロメートル地点で動作し、シリカ粉塵に曝露されている鉱夫に対する即時トリアージを可能にしています。
なぜ重要なのか
ヘルステックを構築するエンジニアにとって、閉じたAPIからオープン基盤モデルへのこの転換は、展開アーキテクチャを変えます。これは、グローバルヘルスの文脈では信頼性が低いか法的に問題があることが多い、絶え間ない接続性と独自クラウドサービスへの依存を取り除きます。デバイス上で実行されるモデルを提供することで、Googleは大規模な計算リソースを必要とせずに、地域固有の疾患パターンに合わせてカスタマイズされた専門ソリューションをローカルチームが作成できるようにします。
規制遵守と臨床検証への重点は、AIを研究から本番運用へ移行させるためのロードマップも提供します。CE MDRクラスIIb認証の取得には厳格な監査と前向き臨床試験が必要であり、安全性と有効性を開発ライフサイクルに組み込む必要があることを示しています。このアプローチにより、AIツールがベンチマーク上だけでなく、ベッドサイドケアでも信頼されるものとなります。
さらに、マルチモーダル推論の統合により、より微妙な臨床サポートが可能になります。単純な二値分類ではなく、MedGemmaのようなモデルは、画像データとテキスト臨床歴を組み合わせて複雑な症例を解釈できます。この機能により、専門の放射線科医ではない可能性のある医療従事者が情報に基づいた意思決定を行えるようになり、資源制約のある環境における専門知識の民主化を効果的に実現します。
あなたができること
- Health AI Developer Foundations (HAI-DEF) リソースを通じて、オープンウェイトのMedGemmaおよびMedSigLIPモデルを検討してください。
- 低接続エリアでの機能性を確保するために、自身の医用画像プロジェクトにおけるオフライン推論能力を評価してください。
- ISO 13485準拠やCE MDR認証など、Nexus AIがたどった規制経路を調査し、自社の医療機器計画に役立ててください。
- 咳の音などの聴覚信号と視覚データを組み合わせるなど、マルチモーダル入力を検討し、診断カバレッジを広げてください。
- AI介入を設計する前に、特定のワークフローニーズを理解するために地元のヘルスパートナーと連携してください。
- NEJM AIおよびThe Lancet Digital Healthの前向き検証研究を確認し、実世界のコホートにおけるパフォーマンス指標を理解してください。
