プロジェクト概要
診断用画像機器を専門とする日本の医療機器メーカーより、野心的なプロジェクトのご相談をいただきました。胸部X線画像の異常を事前スクリーニングし、放射線科医が緊急症例を優先的に対応できるよう支援するAIアシスタントの開発です。日本の高齢化に伴い、過去5年間で診断スキャン件数が30%増加しており、放射線科医の負担は増大の一途を辿っておりました。本プロジェクトの課題は技術面だけにとどまらず、厳格なPMDA（医薬品医療機器総合機構）の規制要件への適合、および患者データ取り扱いにおけるAPPI完全準拠の確保が求められておりました。
課題
- 放射線科医が1日150件以上のスキャンを読影し、バーンアウトが深刻化。緊急所見の8〜12%がキュー内で対応遅延
- 事前スクリーニングツールとして有用であるためには、臨床グレードの精度（感度90%以上）の達成が必須
- PMDAの承認プロセスには、広範なドキュメント、バリデーションプロトコル、臨床試験データが必要
- 患者データの取り扱いはAPPIおよび医療固有のプライバシー規制に準拠する必要があり、すべての学習データの完全な匿名化が必須
- 既存のPACS（医用画像管理システム）とのDICOM標準による統合が不可欠 — ワークフロー変更を伴うシステムは医療現場で採用されない
- クライアントには社内のAI/ML専門人材が不在であり、技術開発と規制対応文書の両方を担えるチームが必要
ソリューション
BCT Globalは、医療画像の経験を持つMLエンジニア2名、バックエンド開発者1名、DICOM/PACS統合スペシャリスト1名、データエンジニア1名、そしてクライアントの薬事部門と連携するプロジェクトマネージャー1名で構成される6名の専門ラボ型チームを配置いたしました。
- フェーズ1 — データ準備とモデル研究（1〜3ヶ月目）：クライアントの提携病院と協力し、50,000枚以上の胸部X線画像を収集・匿名化。厳格な匿名化プロトコルを備えた堅牢なデータパイプラインを構築。複数のモデルアーキテクチャ（ResNet、DenseNet、EfficientNet）を評価し、最大の信頼性を確保するためアンサンブルアプローチを選択。
- フェーズ2 — モデル開発とトレーニング（3〜6ヶ月目）：事前学習済み医療画像モデルからの転移学習を活用し、PyTorchで異常検出モデルをトレーニング。X線画像上の疑わしい領域をハイライトするアテンション機構を実装。検証データセットで感度94%、特異度91%を達成。
- フェーズ3 — 統合とバリデーション（6〜8ヶ月目）：ヘルスケアコンプライアンス機能を理由にAzure上にデプロイされたFastAPIベースの推論サーバーを構築。既存の放射線科ワークフローにシームレスに適合するDICOM準拠の統合を開発。AI所見と原画像を並列表示するWebベースのレビューインターフェースを作成。
- フェーズ4 — 規制対応とデプロイメント（8〜10ヶ月目）：バリデーションプロトコル、臨床精度レポート、リスク分析を含む包括的なPMDA申請文書を作成。3つの提携病院で臨床バリデーションを実施。クラスII医療機器ソフトウェアとしてPMDA承認を取得。
システムアーキテクチャ
技術スタック
導入効果
AI事前スクリーニングシステムは、検出された異常のあるスキャンを自動的に優先順位付けすることで、放射線科医の平均レビュー時間を35%削減いたしました。感度94%により、手動のキュー優先順位付けでは対応が遅れる可能性のあった異常を検出。本ソリューションは当初のプロジェクトタイムライン内でPMDA承認を取得いたしました — これはBCT Globalの徹底した規制対応文書に起因する稀有な成果です。3つの提携病院が初月に本システムを導入し、全国展開の計画が進行中です。
クライアントはその後、フェーズ2としてBCT Globalと契約を締結。肺炎、胸水、肺結節を含む特定の病理を検出するモデルの拡張を進めております。
「日本で医療用AIシステムを開発するには、複雑な規制の海を渡る必要があります。BCT Globalのチームは精度の高いモデルを構築しただけでなく、当社の薬事部門が『外部パートナーから受けた中で最も徹底的なドキュメント』と評した規制対応文書も準備してくれました。ヘルスケアAIの技術面と規制面の両方に対する理解は卓越していました。」
最高医療責任者（CMO） 日本の医療機器メーカー — PMDA認可、東京