第4章 AI時代の血液形態診断
AI（artificial intelligence:人工知能）の進歩により、血液形態診断は大きな転換期を迎えている。デジタル画像と深層学習（CNNなど）を用いた画像解析は、従来の顕微鏡による目視検査を支援し、血球分類や異常細胞の検出を迅速かつ高精度に行うことが可能となりつつある。AIは細胞の分類や特徴抽出を高精度に行うことを得意とする。一方で、それらの所見を統合して病態を解釈し、診断へ結び付ける過程には、人の診断思考が重要な役割を果たす。本章では、本書で一貫して用いてきた「点・線・面・時間」の4つの視点から、AIとの関連性と限界について整理する。
1. 「点」の視点（細胞・分子のミクロ解析）
【関連性】
AIは個々の赤血球、白血球、血小板について、形態、大きさ、核形、クロマチン構造、細胞質所見、顆粒、染色性などを高精度に解析し、芽球や異型細胞の検出・分類を支援する。膨大な細胞を短時間で評価できることは、AIの最も得意とする領域である。
【問題点】
稀少細胞や学習データの少ない異常細胞では認識精度が低下する可能性がある。また、細胞分類はできても、その細胞が病態全体の中でどのような意味を持つかどうかは判断できない。
2. 「線」の視点（分化・成熟・時系列）
【関連性】
AIは血球の成熟段階や分化系列を学習し、細胞分布や検査データの推移を解析することで、病態変化や治療効果を成熟系列や検査データの推移として可視化できる。
【問題点】
AIは成熟系列を学習できても、「成熟の流れがどこで破綻しているか」「その異常が反応性か腫瘍性か」といった病態の解釈には、人の診断思考が不可欠である。
3. 「面」の視点（細胞集団・空間情報・多様性）
【関連性】
AIは末梢血塗抹標本や骨髄標本全体を解析し、細胞分布、多様性、異常細胞の集積、背景所見との関係など標本全体を俯瞰して評価できる。
【問題点】
染色ムラ、細胞重積、標本上のゴミなどのアーチファクトを異常所見として誤認識する可能性がある。また、「なぜこのような細胞分布になっているのか」という病態解釈は、AIだけでは困難である。
4. 「時間」の視点（経過・予後・迅速性）
【関連性】
AIは解析時間を短縮し、リアルタイムで異常細胞を検出して迅速なトリアージを支援できる。また、長期にわたる検査データを統合し、病勢や治療反応を評価する補助にも期待される。
【問題点】
AIの判定結果を無批判に受け入れると、病態を自ら考える機会が減少し、診断思考が十分に発揮されなくなる可能性がある。AIは判断根拠を十分に説明できない場合もあるため、その結果を適切に解釈し、臨床的意義を判断することが重要である。最終的な解釈と臨床判断は人が担う必要がある。
【小括】
AIは形態診断を支援する強力なツールであるが、病態を統合的に理解し診断へ結び付けるには、「点・線・面・時間」の4つの視点による診断思考が不可欠である。AIと人間がそれぞれの強みを生かし協働することで、血液形態診断はより高い精度と再現性を実現できる。本章で述べた診断思考は、AI時代においても変わることのない血液形態診断の基盤となる。AIが診断を支える時代になっても、病態を理解し、患者一人ひとりに最適な診断へ結び付ける主体は人である。診断思考はAIに置き換えられるものではなく、AIを正しく活用し、その結果を適切に解釈するために、これからますます重要となる。
MAPSS-DX-202610-4