【26/10/30】週刊 AI関連ニュースまとめ

Microsoft、複数のAIが協調する診断支援システムを発表――段階的な推論で高い診断精度

Microsoftは10月22日、複数のAIエージェントが協調して診断を進める「Microsoft AI Diagnostic Orchestrator（MAI-DxO）」の研究成果をScience誌で発表しました。
患者情報から一度に答えを出すのではなく、必要な問診や検査を選び、得られた情報に応じて鑑別診断を更新する仕組みです。

各AIは仮想的な医師チームとして診断候補を提示し、互いの推論を検討します。
全体を統括するオーケストレーターが、検査の有用性と費用を考慮しながら次の行動を決めます。
診断の正答率に加え、そこに至る情報収集の過程も評価している点が特徴です。

NEJM掲載の複雑な304症例を用いた評価では、診断精度は83.2％で、参考資料を使用した一般診療医の36.1％を上回りました。
救急外来データベースMIMIC-IV-ED由来の症例でも、AIは80.3％、一般診療医は46.8％でした。
検査費用を抑える設定でも高い精度が報告されています。

ただし、結果は過去の症例を用いたシミュレーションに基づき、専門医チームとの優劣や患者の予後改善を示すものではありません。
MicrosoftはBeth Israel Deaconess Medical Centerと前向き研究を計画しています。
医療従事者にとっては、鑑別診断や追加検査の検討を支援する可能性が注目点ですが、実診療での安全性や医師との役割分担は今後の検証課題です。

参考：https://microsoft.ai/news/building-medical-superintelligence/

---

群馬大学病院、院内完結型の生成AIで医療文書作成を支援――退院サマリーなど4種類に対応

群馬大学医学部附属病院は10月13日、TXP Medicalが開発した医療文書作成支援システム「NEXT Stage Document Assistant（NSDA）」の運用開始を発表しました。
電子カルテから必要な診療情報を抽出・整理し、生成AIが文書の下書きを作成します。

対象は退院サマリー、転科サマリー、診療情報提供書、診断書の4種類です。
医師等が下書きを確認・修正して使用する運用で、今後は看護サマリーなどにも対応を広げる予定です。
診療記録を読み返し、一から文章を組み立てる作業の負担軽減を目指しています。

今回の導入では、文書生成処理が院内ネットワーク内で完結するオンプレミス方式を採用しました。
患者情報を外部の生成AIサービスに送信せず、電子カルテとの連携と医師による最終確認を組み合わせている点が特徴です。

開発企業は、文書作成と並行して診療情報を研究などに利用しやすい構造化データへ整理する機能も紹介しています。
ただし、群馬大学で研究やレジストリへの活用が進んでいるかは、公表資料からは確認できません。

本事例は、生成AIが大学病院の日常業務に組み込まれ始めていることを示しています。
一方、院内完結型であっても、要約の誤りや重要情報の欠落は確認が必要です。
作成時間の短縮率などの定量的な成果は示されておらず、今後は確認・修正の負担も含めて有用性を評価することが求められます。

参考：https://www.gunma-u.ac.jp/information/286035

---

PHPの重大な脆弱性発見にAIが貢献――予防的なサービス停止が医療情報提供にも波及

PHP開発チームは10月21日、WebサイトやWebアプリケーションで広く利用されるPHPについて、2件の重大な脆弱性を修正する更新を公開しました。
長年存在したコードの問題を、AIを活用したセキュリティ研究が明らかにした事例です。

対象は、メモリ不足時の処理に関係する「CVE-2026-109618」と、解放済みメモリに関係する内部状態が残る「CVE-2026-109619」です。
条件が成立すると、認証を受けていない攻撃者が遠隔から不正なコードを実行できる危険性があります。

研究では、CalifやWizの研究者がGPT-5.6 Sol、Gemini 4 Argonなどを活用しました。
AIは不審なコードの探索に加え、攻撃が成立する条件や修正内容の検証も支援しました。
ただし、人間の研究者による検証・判断と組み合わせた成果であり、AIだけで発見から修正まで完結したものではありません。

公表を受け、政府機関や企業などで緊急更新や予防的なサービス停止が行われました。
滋賀県では10月23日15時時点で31件の公開系Webシステムが停止し、救急医療情報システム「医療ネットしが」も含まれていました。
こうした停止は安全確保のための措置であり、攻撃被害の発生を意味するものではありません。

医療機関でも、ホームページや患者向けサービスに同じ技術が使われている可能性があります。
今回の事例は、AIが防御側の脆弱性発見を支援する一方、攻撃にも利用され得ることを考える材料です。
使用ソフトウェアの把握や更新体制に加え、サービス停止時にも必要な情報を届ける代替手段が重要になります。

参考：https://www.php.net/archive/2026.php
参考：https://www.pref.shiga.lg.jp/ce00/press-release/34471.html

---

非造影CTから食道がんを検出するAI「EAGLE」――8万人規模で検証、早期病変には課題も

中国・中山大学がんセンターなどの研究チームは9月22日、非造影胸部CTから食道がんや前がん病変を検出するAI「EAGLE」の研究をNature Medicine誌で発表しました。
6,813人のデータで学習し、3か国12施設、計80,612人のデータで検証しています。

EAGLEはCT画像から食道領域を特定し、悪性病変の可能性と疑わしい部位を示します。8施設11,466人の外部検証では、食道がんに対する感度90.0％、特異度98.5％でした。
ただし、Stage Iの感度は60.1％、高度上皮内腫瘍（HGIN）は52.5％にとどまり、早期病変では見逃しが残ります。
感度を重視する判定基準を用いた別の検証では、それぞれ78.4％、65.0％でした。

また、病院でCT検査を受けた17,446人を対象とする前向き検証では、AI陽性90人のうち38人で食道がんまたはHGINが確認され、陽性的中率は42.2％でした。
AIの結果を多職種チームが確認し、必要に応じて内視鏡検査などにつなぐ運用です。

注目点は、肺がん検診などで撮影したCTを二次利用する「日和見的スクリーニング」への応用です。
追加撮影をせずに食道病変の疑いを拾い上げられる可能性があります。
10,959人の低線量CT検診データでも高い特異度が示されましたが、陽性例が少なく、感度の評価には追加検証が必要です。

現段階では内視鏡を置き換える技術ではなく、追加評価が必要な患者を見つける支援として捉える必要があります。
早期病変の見逃しや偽陽性による検査負担、長期予後への影響を確かめることが、実用性を判断するうえで重要です。

参考：https://www.nature.com/articles/s41591-026-04656-4

---

チームみらい、AI時代のサイバー対策を緊急提言――防御強化から情報漏洩被害者の救済まで

チームみらいは10月23日、AIによるサイバー攻撃の高度化と個人情報漏洩への対応を求める7項目の緊急提言（下記参照）を提出しました。
AIを防御にも活用する考え方を軸に、技術面だけでなく、人材、企業の責任、被害者救済を含む対策を求めています。

背景にあるのは、AIによって脆弱性の探索や攻撃の自動化が容易になる一方、防御側では専門人材や予算の不足、更新の遅れが続いているという問題意識です。
提言は、AIによる防御力強化、攻撃実態の把握と情報共有、大規模攻撃への緊急対応、システム提供事業者の安全責任、継続的な脆弱性対策への支援、個人情報保有量の最小化、漏洩被害者の救済を柱としています。

医療機関にとっても、システム停止は情報漏洩にとどまらず、診療の継続に関わる問題です。
電子カルテ、予約システム、外部クラウドなどが連携する環境では、個々の製品の安全性に加え、障害時に診療を続ける体制を考える必要があります。

生成AIやAIエージェントを導入する際にも、外部への情報送信やアクセス権限、サービス提供事業者との責任分担が検討事項になります。
今回の提言は医療に特化したものではありませんが、AIの活用と情報管理・事業継続を一体で考える契機といえます。

なお、7項目は政党による政策提言であり、政府が実施を決定した施策ではありません。
今後の制度化や支援策の具体化とは区別して受け止める必要があります。

参考：https://team-mir.ai/lp/ai-cybersecurity/proposal.html

---

今週のまとめ

今回取り上げたニュースでは、AIの役割が診断候補の提示から、段階的な推論、医療文書の作成、既存画像からの病変検出へと広がっています。
同時に、AIによる脆弱性発見とサービス停止は、医療を支える情報基盤の安全性にも目を向ける必要があることを示しました。

医療従事者にとって重要なのは、性能の数値だけでなく、どの対象・条件で評価されたのか、誰が結果を確認するのかを見極めることです。
研究上の成果と実診療での有用性を区別しながら、患者情報の保護や診療継続の仕組みも含めて導入を考えることが求められます。