2026年8月14日
(院長の徒然コラム)
はじめに
2026年8月、大阪大学から、歯科口腔外科領域における人工知能（AI）の社会実装について注目すべき発表がありました。
大阪大学歯学部附属病院口腔外科1の平岡慎一郎氏らが2017年から進めてきた口腔粘膜疾患のAI研究が、「口腔粘膜画像解析システム Mucosight AI」として厚生労働大臣の製造販売承認を取得し、研究段階から社会実装の段階へ進みました。大阪大学が研究開発と知的財産、NVIDIAがAIモデル開発の技術的知見と計算環境、株式会社モリタ東京製作所が医療機器としての製品化、薬事対応、製造販売を担う体制です。[1][4]
Mucosight AIの承認日は2026年2月24日、承認番号は30800BZX00053000です。一般的名称は「病変検出用口腔内画像診断支援プログラム」で、クラスIIのプログラム医療機器として整理されています。この一般的名称自体が2026年に新設されたものであり、病変候補を検知する機能を有する口腔内画像診断支援プログラムという新しい医療機器区分が、制度上明確に位置づけられたことになります。2026年8月4日の大阪大学公式発表時点では、2026年8月下旬ごろの上市が予定されています。[1][2][3]
ここまで読むと、「ついにAIが口腔がんを診断する時代になった」と受け取りたくなるかもしれません。
しかし、今回関連資料と平岡氏らの一連の研究を遡ってみると、私はむしろ「診断させないこと」も含めた臨床的位置づけにMucosight AIの重要性があると考えます。
Mucosight AIは、AIに口腔がんの確定診断を委ねるための医療機器ではありません。
一次歯科医療機関で口腔粘膜病変を認めた際に、「この患者さんを高次医療機関へ紹介すべきか」という受診勧奨の要否判断を支援する所見情報を提供する医療機器です。最終診断を行うのは歯科医師または医師であり、大阪大学も診断を代替するシステムではないことを明記しています。[1]
さらに平岡氏らの研究を追うと、口腔内写真だけを使って疾患名を分類する研究にとどまっていません。
熟練口腔外科医の視線、免疫組織化学、HE染色病理画像、CT、患者背景、さらに近年では大規模言語モデル（large language model：LLM）と検索拡張生成（retrieval-augmented generation：RAG）まで対象は広がっています。
そこには、「専門家は何を見ているのか」「複数の情報をどのように統合して判断しているのか」「主観的な臨床知をどこまで定量化・再現可能化できるのか」という一貫した問いが見えてきます。
今回はMucosight AIという一つの承認医療機器だけではなく、その背景にある研究まで追いながら、口腔がん診療へAIを導入することの意味と、現時点で何が分かっていて、何がまだ分かっていないのかを考えてみます。
「口を開ければ見える」がんが、なぜ早期に見つからないのか
口腔がんには、胃や大腸などの消化管がんとは異なる特徴があります。
舌、歯肉、頬粘膜、口腔底、口蓋など、病変が発生する領域の多くを直接観察できます。特殊な内視鏡を挿入しなければ粘膜そのものを見ることができない臓器とは違い、口腔は「見える場所」です。
にもかかわらず、口腔がんが必ず早期に発見されるわけではありません。
大阪大学はその背景として、初期口腔がんや口腔潜在的悪性疾患（oral potentially malignant disorders：OPMD）が口内炎や良性疾患と鑑別しにくい場合があること、さらに一般歯科診療では口腔粘膜疾患を多数経験する機会が限られ、専門医への紹介判断に迷う場面があることを挙げています。[1]
ここは臨床上、非常に重要です。
典型的な進行扁平上皮癌を見せられて「悪性を疑いますか」と問われるのであれば、問題は比較的単純です。
難しいのは、その前段階です。
小さな潰瘍があります。白斑があります。わずかな紅斑があります。表面が少し粗造です。患者さんは「口内炎だと思います」と話しています。疼痛はあるかもしれませんし、ほとんどないかもしれません。機械的刺激による外傷性病変、再発性アフタ、白板症、炎症性変化、良性腫瘍、扁平苔癬様病変などが鑑別に上がり、その中に初期の悪性病変が紛れ込みます。
したがって、一次歯科医療の現場で必ずしも求められるのは「この病変は扁平上皮癌である」と確定することではありません。
むしろ、「このまま経過をみてよいのか」「原因と考えられる刺激を除去して短期間で再評価するのか」「今日の段階で口腔外科へ紹介するのか」というリスク層別化が重要です。
当院でも口内炎を診察するときの鑑別や、治癒しない病変を再評価する重要性について以前取り上げましたが、「2週間治らなければ紹介」という単純な期間だけで判断できるものではありません。硬結、易出血性、不整な潰瘍、固定性、進行性の増大、舌運動障害など悪性を疑う所見があれば、期間を待つこと自体が適切でない場合があります。
「見える」ことと、「適切にリスクを判断できる」ことは同義ではありません。
Mucosight AIは、この間に存在する臨床上の不確実性を支援する位置に配置された医療機器と理解すると、その意義が見えやすくなります。
Mucosight AIは何をする医療機器なのか
Mucosight AIは、デジタルカメラで取得した口腔内画像をクラウドサーバー上で解析し、口腔粘膜病変に関する所見情報を提供するプログラム医療機器です。[1]
承認範囲では、口腔がん、白板症、良性腫瘍、口内炎の特徴を有する所見が検出対象とされています。対象部位は舌、歯肉、口腔底、頬粘膜、口蓋などです。[1]
ここで注意すべきなのは、対象疾患と対象部位には承認範囲があることです。大阪大学も、承認範囲外の疾患や部位について有効性が確立されているものではないと明記しています。[1]
したがって、「口腔内の写真であれば何でも判定できる汎用AI」と理解するのは不適切です。
NVIDIAによる開発紹介では、歯科医師が撮影した口腔内写真をブラウザ上からクラウドへ送信し、学習済みモデルが解析します。疾患との類似性が一定以上の値を示した場合、約30秒で病変候補領域を矩形表示（バウンディングボックス）し、4つの疾患カテゴリーに対応した識別結果を表示する仕組みが紹介されています。[4]
しかし、技術方式以上に重要なのが、承認上の使用目的です。
「一次歯科医療機関における、高次医療機関への受診勧奨の要否判断の支援」です。[1]
「診断AI」ではなく「受診勧奨支援AI」である意味
この位置づけは、単なる表現上の違いではありません。
医療AIでは、病変候補を検出するコンピュータ支援検出（computer-aided detection：CADe）と、良悪性などの質的情報を提示するコンピュータ支援診断（computer-aided diagnosis：CADx）を区別して考える必要があります。平岡氏は2020年の日本口腔腫瘍学会誌でも、こうした医用画像診断支援AIの分類と、最終的な使用責任や品質管理の問題について論じています。[5]
2026年に新設された一般的名称も「病変検出用口腔内画像診断支援プログラム」であり、病変候補を検知する機能を有するものとして定義されています。[2][3]
Mucosight AIでは、そこからさらに臨床上の用途を「高次医療機関への受診勧奨の要否判断支援」に置いています。
一般歯科医が病理診断まで行うことを要求するのではなく、専門的評価を必要とする可能性のある病変を適切な段階で専門医へつなぐための補助情報を提供する設計です。
口腔がんの早期発見という目的を考えると、この置き場所には臨床的合理性があります。
医療AIの価値は、必ずしもAI単独の正診率だけで決まりません。AIを診療フローのどこに置き、その出力によって誰の、どの意思決定を変えようとしているのかが重要です。
2017年からの研究――Mucosight AIは2026年に突然現れたわけではありません
大阪大学の研究グループは、一般歯科医療機関で高次医療機関への受診勧奨判断を支援する仕組みとして、口腔外科専門医の知見とAIを組み合わせる研究を2017年から進めてきました。[1][4]
2020年には、平岡氏が「AIによる臨床診断，病理診断，データ駆動型科学について」を日本口腔腫瘍学会誌に発表しています。[5]
同論文では、2017年から口腔外科専門医以外の一般歯科医師や医師を想定した口腔粘膜疾患診断支援AIを研究しており、当時の研究段階のシステムについて、口腔がんスクリーニングの感度・特異度がともに95％以上であったと記載されています。[5]
ただし、この95％以上という数字を現在承認されたMucosight AIの性能値として使用することはできません。
2020年時点の研究システムについて記載された数値であり、同論文でもシステムの詳細は未公表で、医療機器として社会実装するにはなお課題があると論じられていました。[5]
研究用データで高い感度・特異度が得られることと、医療機器として一般歯科診療で安全かつ再現可能に使用できることは別問題です。
対象症例の選択、参照標準、画像除外基準、学習データと評価データの分離、施設差、撮影機器、対象疾患の有病割合などによって性能は変化します。さらに医療機器として社会実装するためには、誰が、どこで、何の目的で使用し、どの出力をどのような診療行動につなげるのかまで定義する必要があります。
2020年には研究段階で高い数字が記載されていたにもかかわらず、製造販売承認は2026年です。
この約6年の時間差は、医療AIにおける「モデルを作ること」と「社会実装すること」の距離を示しているように思います。
なお、2021年には川村晃平氏・平岡慎一郎氏による「口腔がん領域における人工知能導入の可能性」も『癌と化学療法』に掲載されており、研究グループが口腔がんAIの臨床応用を継続して検討してきた経緯を確認できます。[6]
約4万枚というデータ量以上に重要なのは「教師ラベルを誰が定義したか」です
NVIDIAの開発紹介によると、多施設共同研究によって約4万枚の口腔内画像が収集されました。[4]
しかし、医療AIでは「4万枚」という枚数だけではデータセットの質を評価できません。
同一患者の類似画像が学習群と検証群に混入していないか、病理診断による確定例なのか、典型像だけに偏っていないか、境界例や疾患類似病変がどの程度含まれているか、施設・撮影条件・患者背景の多様性が確保されているかなど、多数の条件が性能評価に影響します。
そして何より重要なのは、何を「正解」としたのかです。
Mucosight AIにつながる開発では、収集画像のうち病理診断が確認された口腔内写真を中心に、専門医が一枚ずつ目視で品質を確認した画像を選別し、学習・検証へ用いています。大阪大学公式資料でも、口腔外科専門医が病変部位、疾患分類、画像品質、臨床情報との整合性を確認してデータを整備したとされています。[1][4]
さらに、モデルの推論結果を大阪大学の専門医がレビューし、検出が不十分と判断された場合には再学習するフィードバックループが組まれていました。[4]
ここから分かるのは、AIが専門医から独立して「賢くなった」のではないということです。
専門医の知識を使って、AIが利用可能なデータ構造を作ったという側面があります。
平岡氏は2020年の段階ですでに、大量の画像と教師データを準備すればよいという単純な問題ではなく、高品質な学習データを生成するための専門知識が必要であり、信頼性、個人情報、法律、生命倫理を含む異分野連携が必要になると論じています。[5]
2020年の問題提起と、2026年に明らかになった多施設・専門医主導のデータ整備過程を並べると、研究思想と実装過程にはかなり明瞭な連続性があります。
熟練口腔外科医は「正答率」だけでなく「見る場所」が違いました
平岡氏らの研究グループには、Mucosight AIとは別に、口腔粘膜疾患診断時の視線を解析した研究があります。
2024年のJournal of Clinical Medicineに掲載された研究では、78名の歯科医師を対象に、口腔内写真をモニター上で診断してもらい、視線追跡装置を用いて注視領域を解析しました。[8]
78名の内訳には初期研修医16名、若手口腔外科医26名、8年以上の経験を有する熟練口腔外科医13名、一般歯科医23名が含まれています。熟練口腔外科医群と一般歯科医群を比較すると、全体正答率はそれぞれ85.8％、49.70％でした。[8]
ただし、この研究でより興味深いのは正答率そのものより、視線分布です。
ヒートマップとサポートベクターマシン（support vector machine：SVM）による解析では、複数の画像で熟練口腔外科医は病変中心だけではなく、病変辺縁や周囲まで広い範囲へ視線を配る傾向を示しました。一方、一般歯科医では病変中央へ視線が集中する傾向がみられました。[8]
もちろん「辺縁を見れば正診できる」という単純な法則ではありません。肉眼的形態によっては熟練医が病変内部へ重点的に注視する症例もあり、著者らも病変形態ごとの診察戦略を検討しています。[8]
また、研究デザインの限界もあります。
30枚の写真から条件を満たした10枚が解析対象として選ばれており、実際の患者を問診・触診する研究ではなく、モニター上の写真診断です。対象も単施設を中心としているため、全国の一般歯科医と口腔外科医の診断能力差をそのまま表す数字ではありません。著者ら自身も、病変サイズ、部位、診断難易度、施設を広げた検証が必要としています。[8]
それでも、専門医と一般歯科医の差が単なる疾患知識だけでなく、「画像のどこから情報を取得するか」という視認行動として可視化された点には意味があります。
なお、この視線データそのものをMucosight AIが学習したという資料は確認できません。したがって、「Mucosight AIには専門医の視線が学習されている」と表現するのは不適切です。
一方、同じ研究グループが「専門家はどこを見ているのか」を定量化していたことは、AIへ専門知を移植する方法を考えるうえで興味深い研究です。
免疫染色の「濃い・薄い」をAIで客観化する
平岡氏らのAI研究は、口腔内写真だけではありません。
2023年のCancer Medicine論文では、舌扁平上皮癌の切除標本に対する免疫組織化学（immunohistochemistry：IHC）の評価へ多層パーセプトロンニューラルネットワークを応用しています。[7]
対象は舌扁平上皮癌76例で、VEGF-C、VEGF-D、NRP1、NRP2、CCR7、SEMA3Eの6種類を免疫染色し、456スライド、4,560画像を作成しました。[7]
この研究の狙いは、人間が「染色が強い」「弱い」と視覚的に評価してきた情報を、ニューラルネットワークによって客観化することです。
染色強度のhigh/low分類に対する学習モデルの精度は98.6％でした。同じ画像をグレースケール化して学習すると52.9％まで低下したため、著者らはモデルが主として組織形態ではなく染色情報を評価していたと解釈しています。[7]
ここで最も注意すべきなのは、98.6％は頸部リンパ節転移の予測精度ではないことです。
これは免疫染色画像を高染色・低染色へ分類する性能です。
頸部リンパ節転移との関連については別途解析され、多層パーセプトロンによる分類を用いた多変量解析では、CCR7染色レベルがオッズ比3.738、95％信頼区間1.349～10.360、p＝0.011でリンパ節転移との関連を示し、T分類も独立して関連しました。[7]
この研究にも単施設研究という制約があります。施設によって免疫染色の染色強度や標本作製条件が異なれば、学習施設とは異なるデータ分布が生じます。著者ら自身が、こうしたドメインシフトへの対応として、多施設検証、画像正規化、ドメイン適応、連合学習などの必要性を議論しています。[7]
さらに論文末尾では、将来的に口腔がん患者で予防的頸部郭清の必要性を評価する新しいシステムを開発する方向性まで示されています。[7]
数年後、その問いにかなり近い研究が実際に出てきます。
HE染色標本では「低分化癌胞巣」をAIで数える
2026年には、舌扁平上皮癌の通常HE染色標本を用いた深層学習研究も報告されています。[11]
この研究では、浸潤先端に存在する高分化癌胞巣と低分化癌胞巣を、物体検出モデルFaster R-CNNによって検出・定量化しました。
主要解析対象は115例です。学習用には追加の11例を加えた126例から画像を抽出し、データ拡張後2,496枚のHE画像を作成しました。病理医の監督下で低分化癌胞巣10,453個、高分化癌胞巣12,501個、合計22,954個がアノテーションされています。[11]
癌胞巣の検出・分類器自体の分類精度は82.31％でした。症例ごとの低分化癌胞巣数を用いて頸部リンパ節転移を識別すると、主要115例でのROC曲線下面積（area under the receiver operating characteristic curve：AUC）は0.67でした。[11]
さらに、初回に予防的頸部郭清を受けていないcT1-T2 cN0の独立した20例について、探索的に「1症例平均3.6個以上の低分化癌胞巣」を高リスクとした場合、感度72.7％、特異度55.6％でした。同じ症例をYK分類1～2対3～4で二分した場合は、感度63.6％、特異度77.8％でした。[11]
AUC 0.67ですので、この単独指標によって頸部リンパ節転移を高精度に予測できるシステムが完成したという結果ではありません。
むしろ臨床的には、病理医が経験的に認識してきた「浸潤先端に低分化癌胞巣が多い」という形態情報を、機械的に再現可能な数値変数へ変換できる可能性を示した研究と理解した方がよいでしょう。
著者らも、低分化癌胞巣数を単独で使用するのではなく、YK分類、DOI、切除断端、リンパ管・血管侵襲、神経周囲浸潤など従来の臨床病理学的因子と組み合わせる方向性を示しています。[11]
さらに、この研究は完全自動化された病理AIではありません。
解析対象となる最深部浸潤先端は人間が選択し、その中から代表5視野を撮影してAIへ入力しています。アノテーションと浸潤先端の選択は一人の口腔病理医の監督下で行われ、独立検証群も20例と小規模です。
著者ら自身も、3.6個という閾値を予備的・仮説生成的なものと位置づけ、より大規模な前向き・多施設検証が必要としています。[11]
AIは「画像に何が写っているか」から「複数情報をどう統合するか」へ進む
さらに2026年7月30日、川村氏、平岡氏らは、舌扁平上皮癌の頸部郭清判断にLLMとRAGを用いた研究をJMIR Cancerへ投稿しています。[13]
まず明確にしておくと、これは未査読プレプリントです。査読済み原著と同じ確立度で扱うべきではありません。
対象は大阪大学歯学部附属病院で2005～2015年に治療された舌扁平上皮癌85例でした。
入力情報は、口腔内写真、HE病理画像、T分類、病理学的DOI、年齢、性別、飲酒歴、喫煙歴、初診時疼痛、自覚症状から受診までの期間、既往歴の11種類です。[13]
ここで重要なのは、この85例から完全に自動的に新しい予測則を学習した通常の教師あり機械学習モデルとは設計が異なることです。
GPT-4oとRAGを利用してPubMedの文献を検索し、各リスク因子とリンパ節転移との関係を文献根拠へ結びつけたプロンプトを作成し、各因子を重み付けしてリスクスコアへ統合しています。不明値は平均値などで補完せず、評価から除外する設計です。[13]
したがって、これは「85例からAIが未知の生物学的法則を発見したモデル」ではなく、「既存文献と複数モダリティをLLM＋RAGで統合し、説明可能なリスク評価として症例ごとに提示できるかを検証した研究」と理解した方が適切です。
AUC 0.87は「リンパ節転移予測精度」ではありません
この研究で数字の意味を取り違えると、結論が大きく変わります。
実際に5年以上の経過中に頸部リンパ節転移を認めたかどうかに対する識別能は、AUC 0.70（95％信頼区間0.59～0.82）でした。[13]
一方、初回治療時に外科医が頸部郭清を実施したか否かとの一致は、AUC 0.87（95％信頼区間0.80～0.95）でした。[13]
T1/T2の64例に限定すると、最終的にリンパ節転移を認めた群と認めなかった群のリスクスコアには統計学的有意差を認めませんでした（p＝0.11）。一方、頸部郭清を実施したかどうかとの一致はAUC 0.79でした。[13]
したがって、「LLMがリンパ節転移をAUC 0.87で予測した」ではありません。
AUC 0.87は、外科医が実際に行った頸部郭清判断との一致です。
著者ら自身も、モデルが未知の隠れた転移シグナルを発見したというより、外科医がDOI、T分類、病理学的浸潤様式、臨床情報などを統合して行ってきた臨床的経験則を、明示的で検証可能な形に変換した可能性を指摘しています。[13]
ここには医療AIの別の価値があります。
AIの役割は「人間には分からない未来を、人間より高精度に予言すること」だけではありません。
熟練医が暗黙に行っている複数情報の統合を明示化し、共有可能にし、後から検証可能にする。
これも臨床意思決定支援の一つです。
ただし「術前意思決定支援」と呼ぶには制約があります
専門家向けに読むのであれば、この研究の限界は省けません。
まず単施設・後ろ向き研究で、症例は2005～2015年に治療されたものです。したがってAUC 0.87で再現された頸部郭清判断は、現在の最適な治療判断を保証するものではなく、当時の大阪大学における診療方針を再現している可能性があります。著者らもこの点を明記しています。[13]
さらに入力の一部には病理学的DOIや切除標本由来の詳細な病理画像が含まれています。
本当に初回治療前の意思決定支援へ利用するのであれば、生検材料、画像診断によるDOI推定など、術前に取得可能な情報へ置き換えて検証する必要があります。[13]
また、モデルが病理画像から評価しようとしたYK様浸潤様式、リンパ管・血管侵襲、神経周囲浸潤については十分に評価できず、実際の出力から除外された項目もありました。[13]
さらに「最終的なリンパ節転移」という転帰も、予防的頸部郭清、術後放射線療法・化学放射線療法、経過観察方法などの治療介入によって変化します。
潜在的リンパ節転移が存在していても、予防的頸部郭清によって除去されれば、その後のリンパ節転移イベントは発生しない可能性があります。したがって、実際の転移イベントそのものが治療による交絡を受けるという難しさがあります。著者らもこの問題を考察しています。[13][20]
「Mucosight AIの精度は何％ですか？」という問い
ここまで来ると、最も知りたくなる数字があります。
「承認されたMucosight AIそのものは、何％の精度なのか」です。
本稿作成にあたり確認した大阪大学公式資料、一般的名称情報、関連論文等の公開資料の範囲では、承認されたMucosight AIそのものについて、感度、特異度、陽性的中率、陰性的中率、AUC、施設別外部検証成績などを一覧できる詳細な性能表は確認できませんでした。
大阪大学公式資料には対象疾患、対象部位、使用目的、承認番号、開発体制は詳細に示されていますが、これらの性能値は掲載されていません。[1]
ここで過去の研究数字を流用してはいけません。
2020年の「感度・特異度とも95％以上」は、当時の研究段階の口腔粘膜疾患診断支援AIについての数字です。[5]
2023年の「98.6％」は、免疫染色画像の高染色・低染色分類精度です。[7]
2026年病理AIの「AUC 0.67」は、HE標本中の低分化癌胞巣数によるリンパ節転移識別です。[11]
LLM＋RAG研究の「AUC 0.70」は実際の頸部リンパ節転移との識別、「AUC 0.87」は外科医の初回頸部郭清判断との一致です。[13]
すべて別の研究、別のタスク、別の評価項目です。
したがって、現時点で「Mucosight AIの診断精度は95％」「大阪大学の口腔がんAIは98.6％」などと記載することは適切ではありません。
「AIの精度○％」という言葉を、そのまま信じてはいけません
医療AIでは「精度」という一語が、しばしば異なる意味で使用されます。
病変の位置を検出する性能、癌と非癌を分類する性能、複数疾患を分類する性能、組織学的特徴を分類する性能、将来の転移を予測する性能、医師の治療判断を再現する性能は、すべて異なります。
評価指標についても、感度、特異度、正診率、陽性的中率、陰性的中率、AUC、F1値、予測確率の校正などは、それぞれ測っているものが違います。
さらに陽性的中率と陰性的中率は有病率によって大きく変化します。
口腔がん患者を意図的に多数含めた研究用データセットで得られた性能を、そのまま口腔がん有病率の低い一般歯科診療所へ外挿することはできません。
医療AIについて「精度○％」という数字を見る場合には、少なくとも、何を予測したのか、何を参照標準としたのか、どの患者集団で検証したのか、内部検証か外部検証か、閾値をどこで設定したのかを確認する必要があります。
口腔内写真AIの研究成績はすでに高い――問題は「別の場所でも働くか」です
平岡氏らの2026年の招待レビューでは、口腔内写真を用いた口腔がんAIについて、すでに複数の研究が高い識別性能を報告していることが整理されています。[12]
例えばFuらの2020年の多施設研究では、44,409枚の臨床写真を使用し、外部テストでAUC 0.935、感度89.6％、特異度80.6％が報告されています。[14]
Kouketsuらの2024年の日本の研究では、424人から得られた1,043画像を用い、口腔扁平上皮癌検出について感度93.9％、特異度81.2％が報告されています。ただし同研究では独立施設による外部検証は報告されていません。[15]
Schmidlらの2025年研究では、組織学的診断が得られた45人を対象としてGPT-4oによる口腔内写真評価を行い、病歴情報を加えた場合にOSCC判別の感度100％、特異度88.2％が報告されていますが、これも小規模単施設の読影研究であり、外部検証ではありません。[16]
系統的レビュー・メタ解析でも口腔がん・OPMDに対するAI画像診断の有望な成績が報告されていますが、研究間の異質性、参照標準、データセット構成、外部検証不足といった問題が繰り返し指摘されています。[17][18][19]
つまり、「研究用画像から口腔がんらしい画像を高い性能で分類できるか」という問いについては、すでにかなり前進しています。
次に問われるのは、異なる施設、異なる撮影者、異なる機器、異なる患者集団でも同じ性能を保てるかです。
ドメインシフト――大学病院で働くAIが一般歯科でも同じように働くとは限りません
AI医療機器を評価する際に重要な概念が、ドメインシフト（domain shift）です。
学習時と実運用時で、データの分布が変化する問題です。
口腔内写真であれば、カメラ、レンズ、照明、ホワイトバランス、撮影距離、角度、ピント、唾液による反射などが変わります。
患者側にも粘膜色の多様性があります。口腔内には天然歯だけでなく、金属修復物、セラミック、義歯、インプラントなど多様な人工物があります。慢性機械刺激による潰瘍、炎症、角化、色素沈着など、病変以外の情報も大量に存在します。
平岡氏らの2026年レビューでも、照明、ぼけ、粘膜の反射、粘膜色などが口腔内写真AIの性能を低下させる要因として整理されています。さらに、臨床写真だけでなく、CT・MRIでは装置や再構成条件、デジタル病理では染色・スキャン条件の違いによるドメインシフトが問題になるとされています。[12]
そのため、標準化された撮影、多様なデータを用いた学習、施設をまたいだ外部検証、市販後の性能監視が必要になります。
Mucosight AIにつながる研究で多施設から大量画像を集めたことは、この観点から重要な強みです。
しかし、「多施設データを用いて開発したこと」と、「市販後に全国の一般歯科医院で性能が維持されること」は同義ではありません。
そこは今後の実臨床データで検証されるべき問題です。
感度を上げればよいのか――偽陰性と偽陽性のトレードオフ
受診勧奨支援AIでは、感度と特異度のバランスが特に重要です。
ここでMucosight AIの具体的な性能値を論じることはできませんので、先ほどのHE病理AI研究を別研究の例として考えます。
探索的検証20例における低分化癌胞巣数の閾値では、感度72.7％、特異度55.6％でした。一方、YK分類では感度63.6％、特異度77.8％でした。[11]
AI由来の閾値は、相対的に感度を高く取る代わりに特異度を失っています。
これは必ずしも「悪い性能」を意味しません。目的によります。
潜在的転移をできるだけ見逃さないことを優先するなら、ある程度の偽陽性を許容して感度を高める設計には合理性があります。
受診勧奨支援AIも同じです。
悪性病変を一例でも多く拾おうとして閾値を下げれば、偽陰性は減らせる可能性があります。しかし良性病変の紹介が増え、高次医療機関の診療負荷も増加します。
逆に特異度を優先しすぎれば不要紹介は減りますが、本来専門医へ送るべき患者を陰性側へ落とす可能性があります。
したがって、臨床実装ではAUCだけでなく、「どちらの誤りをどこまで許容するのか」「AI導入によって実際の紹介閾値がどう変化するのか」まで評価する必要があります。
開発者自身が、AIの臨床導入にかなり厳しい条件を置いています
今回確認した資料の中で、とりわけ重要なのが、2026年にInternational Journal of Clinical Oncologyへ掲載された平岡氏筆頭の招待レビュー「Artificial intelligence for diagnosis and triage in oral cancer: a clinician-centered narrative review」です。[12]
このレビューでは、口腔がんAIの評価軸を、単なる画像分類性能から実臨床へ移しています。
外部妥当性、臨床家を判断過程へ組み込んだ評価（clinician-in-the-loop）、予測確率の校正（calibration）、診断までの時間、そして患者アウトカムへの影響まで検証する必要があると論じています。[12]
「説明できるAI」であれば安全とは限りません
近年はAIの「説明可能性」が重視されますが、モデルが出した結果へ後から説明を付けることと、その説明が本当にモデル内部の判断根拠を忠実に表していることは同じではありません。
平岡氏らも、後付けの説明だけでは忠実な説明が保証されないことを指摘し、予測の不確実性を適切に校正すること、失敗しやすい条件を明示すること、導入後の性能変化を監視することを重視しています。[12]
病変候補を赤枠で示されたから「癌」なのではありません。
逆に、赤枠が出なかったから「癌ではない」のでもありません。
臨床家側には、AIの出力だけでなく、適応範囲、限界、入力画像の条件、偽陰性・偽陽性の性質を理解する能力が必要です。
本番導入前に「シャドーモード」で検証する
同レビューでは、AIをいきなり診療判断へ直結させるのではなく、段階的に導入することが提案されています。
その一つがシャドーモード（shadow mode）です。
AIには裏側で判定させるものの、その出力を実際の患者の診療判断にはまだ反映させず、人間の診療結果と並行して比較します。その施設で実際にどの程度の偽陽性・偽陰性が生じるのかを、本番運用前に測定する考え方です。[12]
さらに導入後も性能ドリフト、偏り、校正不良を監視し、一定の問題が生じた場合には運用を停止する撤退・停止基準をあらかじめ定めるべきだとしています。[12]
AI研究を積極的に進めている研究者自身がここまで慎重なのは、むしろ当然なのかもしれません。
「AIを作ったから使う」のではなく、「臨床利益がリスクを上回る条件を確認したうえで使う」ことが医療機器としては本来の順序です。
TRIPOD+AIとSTARD-AI――AI研究にも「報告の質」が問われます
AI研究が急増したことで、「AUCが高かった」という一つの数字だけでは研究の質を判断できないことも明らかになってきました。
2024年には、臨床予測モデル研究の報告指針TRIPODをAI・機械学習へ拡張したTRIPOD+AIが公表されました。[21]
2025年には、診断精度研究の報告指針STARDにもAI版のSTARD-AIが公表されています。[22]
2026年の低分化癌胞巣研究でも、STROBEに加えてTRIPOD+AI、STARD-AI、CLAIMなどのAI研究報告指針を参照して研究が記載されています。[11]
対象患者の選択方法、データ分割、欠損値処理、外部検証、参照標準、閾値設定、エラー解析などを透明に報告することが、AI研究でも求められるようになっています。
Mucosight AIについて今後実臨床データが報告されるのであれば、高いAUCだけではなく、「どの患者で、どの施設で、どのような条件で失敗したのか」まで分かる報告を期待したいところです。
AIは病名を当てるだけではない――CTから咬筋を読み取る研究
Mucosight AIそのものからは少し離れますが、平岡氏らのAI研究の方向性を理解するうえで、CTを利用した研究も参考になります。
2024年のBMC Cancer論文では、頭頸部CTから咬筋体積を深層学習で自動抽出し、口腔がん患者の予後との関連を検討しています。[9]
AIで自動抽出した咬筋体積と手動計測との相関は男性r＝0.972、女性r＝0.965と高く、多変量解析では低AI咬筋体積が全生存期間不良と独立して関連し、ハザード比2.231、95％信頼区間1.055～4.719、p＝0.036でした。[9]
2026年のOral Radiology論文では、より標準化しやすい一定断面での咬筋面積へ展開しています。モデル開発には348例、予後検証には独立した口腔がん247例を使用しました。内部テストでのDice係数は0.92、AI計測と手動計測の相関は男性r＝0.892、女性r＝0.896でした。[10]
低AI咬筋面積は多変量解析でも死亡と独立して関連し、ハザード比2.584、95％信頼区間1.132～5.898、p＝0.024でした。[10]
これらはMucosight AIの構成要素ではありません。
しかし、AIを「病名を当てる装置」だけではなく、「すでに存在する診療データから人間が十分利用していなかった情報を定量的に抽出する手段」として扱っていることが分かります。
通常のRGB写真だけが口腔がんAIの最終形ではありません
Mucosight AIは通常のデジタルカメラで得られる口腔内画像を利用できることに実装上の大きな意味があります。
しかし平岡氏らは、通常のRGB画像だけを口腔粘膜AI研究の最終地点とはしていません。
平岡氏を研究代表者とする科研費研究「ハイパースペクトルイメージングの口腔粘膜解析dataを用いた新規口腔癌診断AIの開発」は、2023年4月から2026年3月まで実施されました。[23]
研究開始時の問題設定では、開発中の口腔粘膜AIが一定の成果を上げている一方、さらなる精度向上には限界があるとして、高分光イメージング（hyperspectral imaging：HSI）の導入が計画されています。[23]
RGB画像が赤・緑・青を中心とする限られた波長情報であるのに対し、HSIでは可視光から近赤外まで多数の波長帯域を取得できます。研究では口腔癌切除検体から高分光データを収集し、癌組織と正常組織の識別に有用なスペクトル情報を探索してきました。[23]
ただし、この研究についても「次世代AIがすでに完成している」と表現してはいけません。
KAKENに掲載された2024年度実施状況報告では、試料調製、撮影条件、高分光データの前処理・品質管理に時間を要し、当時はAIモデルの設計段階まで到達しておらず、研究進捗は「やや遅れている」とされています。[23]
この点も医療AI研究の現実を示しています。
情報量を増やせば自動的に性能が上がるのではなく、入力データの取得方法、標準化、品質管理そのものが新たな研究課題になります。
さらに「診断そのもの」に近づく研究――超拡大内視鏡＋AI
今回の最終確認で、Mucosight AIとは別の方向から口腔粘膜診断へ迫る研究も確認できました。
大阪大学の穐山凌氏による2025年博士論文「超拡大内視鏡とAIを用いた口腔悪性腫瘍の新規診断法の開発」です。研究グループには平岡氏らも関与しており、関連成果は日本頭頸部癌学会などでも発表されています。[23][24]
超拡大内視鏡（Endocytoscopy：ECS）は最大520倍の拡大観察が可能で、粘膜表面をメチレンブルー染色したうえで細胞レベルの所見をリアルタイムに観察します。[24]
博士論文では、口腔扁平上皮癌（OSCC）28名、口腔白板症13名、正常口腔粘膜14名を対象とし、ECS画像から核の大小不同、形態不整、核密度などを評価しています。[24]
HoVer-Netを用いて細胞核を自動セグメンテーションし、核面積の標準偏差、核円形度、核密度を予測変数としてXGBoostで悪性・非悪性を分類したモデルでは、博士論文要旨上、AUC 0.99、感度0.93、特異度0.96が報告されています。[24]
数字だけを見ると非常に高い成績です。
しかし、ここでも条件を読まなければなりません。
対象は合計55名の単施設研究です。また、観察動画や多数画像から症例ごとに「十分に染色され、精細で、目視上細胞核が最も多い代表画像1枚」を人間が選択して診断モデルへ用いています。したがって、日常診療で取得されたすべてのECS画像を完全自動で解析した結果ではありません。[24]
ECSは表層1～2細胞層、数十μm程度しか観察できず、細胞異型は観察できても構造異型を十分評価できないという本質的な限界もあります。また消化管用機器を使用しているため、臼歯部歯肉や口腔底など狭い部位では操作性に問題があったとされています。[24]
つまり、このAUC 0.99をMucosight AIの性能と混同してはいけないのはもちろん、ECS＋AIによって病理組織検査がただちに不要になったという意味でもありません。
一方で、通常の口腔内写真による受診勧奨支援とは異なり、細胞レベルの形態をリアルタイムに定量化し、「診断そのもの」により近づこうとしている研究であることは重要です。
さらに大阪大学の2025年度臨床研究一覧には、現在も「R7-E8 超拡大内視鏡を用いた口腔粘膜疾患診断支援AIの開発に関する研究」が登録されています。[25]
したがって、「Mucosight AIが診断を代替しないこと」と、「この研究グループが将来的に確定診断へ近づくAI技術を研究していないこと」は別の話として区別しておく必要があります。
Mucosight AIの承認はゴールではありません――本当に知りたいのは市販後の臨床効果です
Mucosight AIが製造販売承認を取得したことは、大きな節目です。
しかも「病変検出用口腔内画像診断支援プログラム」という新しい一般的名称が設けられ、口腔内画像による病変検出支援がプログラム医療機器として制度上明確に整理されました。[1][2][3]
大阪大学は、PMDAが公表する承認品目一覧等をもとに関係者が2026年7月時点で確認した範囲では、歯科口腔外科領域で口腔内画像から口腔粘膜病変の所見情報を提示し、高次医療機関への受診勧奨判断を支援する同様の承認済みプログラム医療機器を国内で確認していないとしています。ただし、これは製品の優秀性を示すものではないことも明記しています。[1]
ここも重要です。
「承認されたこと」と「既存診療より患者アウトカムを改善すること」は同じではありません。
今後、私が特に知りたいのは、一般歯科医単独とAI併用で受診勧奨判断がどう変化するのかというデータです。
口腔外科へ紹介されるまでの日数は短縮するのでしょうか。
悪性病変に対する偽陰性はどの程度なのでしょうか。
良性病変の過剰紹介はどの程度増えるのでしょうか。
紹介された症例のうち、本当に専門的評価が必要だった割合はどの程度なのでしょうか。
Stage I・IIで専門医へ到達する口腔がん患者の割合は変化するのでしょうか。
カメラ、撮影者、施設、地域が変わっても性能は維持されるのでしょうか。
そして最終的に、治療侵襲、咀嚼・嚥下・発音機能、生活の質、生命予後にまで影響を与えるのでしょうか。
大阪大学も今後、実臨床での使用経験を踏まえて、適切な撮影条件、紹介基準、専門医評価の流れ、患者への説明方法などを整理していく方針を示しています。[1]
平岡氏らの2026年レビューが、次に必要なのはAUCをわずかに上げることではなく、外部検証され、診療フローへ組み込まれ、診断遅延や患者アウトカムを改善するシステムであると結論づけていることとも一致します。[12]
AIは歯科医師を置き換えるのでしょうか
医療AIについて論じると、「AIが医師・歯科医師を置き換えるのか」という話になりがちです。
しかし、平岡氏らの研究を2017年から追ってみると、少なくとも現在見えている方向は少し違います。
Mucosight AIの学習データを作るには口腔外科専門医による医学的評価が必要でした。
視線解析では、熟練口腔外科医が「どこを見るのか」を解析しています。
免疫組織化学AIでは、人間が主観的に評価していた染色強度を定量化しています。
HE病理AIでは、病理医が癌胞巣を定義し、大量の教師ラベルを作成しています。
LLM＋RAG研究では、外科医が複数のリスク因子をどのように統合していたのかを文献根拠とともに形式化しようとしています。
ECS＋AIでは、これまで人間が顕微鏡的に評価してきた細胞異型を定量化しようとしています。
つまり、専門家を診療から排除するというより、専門家が長年蓄積してきた知識、視認行動、判断過程の一部を、他の臨床家でも利用可能な形に変換する研究が多いのです。
これは一般歯科と口腔外科の関係を考えると現実的です。
すべての歯科診療所に口腔外科専門医を配置することはできません。
一方、一般歯科には、う蝕、歯周病、補綴、メインテナンスなどを目的として、症状のない患者さんも継続的に来院します。
つまり一般歯科は、口腔がんを最初に発見し得る場所です。
そこへ専門医の臨床知を補助情報として持ち込めるのであれば、AIは「専門医の代わり」ではなく、一般歯科と専門医療を接続するインフラとして機能する可能性があります。
Mucosight AIの使用目的が「口腔がんの確定診断」ではなく「高次医療機関への受診勧奨の要否判断支援」とされたことは、この診療構造をよく表しているように思います。
「承認されたAI」から「患者の診療経路を変えるAI」へ
2017年、研究グループは口腔粘膜疾患AIの研究を始めました。[1][4]
2020年には研究段階で高い感度・特異度を記載しながら、社会実装にはなお課題があること、高品質な学習データ、信頼性、法律・生命倫理を含む多分野連携が必要であることを論じていました。[5]
その後、熟練医の視線を解析し、免疫染色の評価をAIで客観化し、HE標本の低分化癌胞巣を数値化し、CTから咬筋量という予後情報を抽出しました。
さらに未査読段階ではありますが、LLM＋RAGで複数の臨床情報と文献を統合し、頸部郭清に関する意思決定を可視化する研究まで進んでいます。
その一方で、通常の口腔内写真を使った一般歯科から専門医療への受診勧奨支援は、Mucosight AIとして製造販売承認へ到達しました。
そして研究の先には、RGB写真より情報量の多いHSIや、細胞レベルの画像を得るECSとAIを組み合わせる試みもあります。
約9年間の流れを見ていると、これは単なる「AIの正診率競争」ではありません。
何をAIへ入力するのか。
参照標準を誰が作るのか。
人間が主観的に扱ってきた所見をどのように定量化するのか。
複数の臨床情報をどう統合するのか。
AIを診療のどこに置くのか。
そして、AIの出力によって実際の患者の診療経路が変わるのか。
そこまで含めて医療AIなのだと思います。
Mucosight AIの承認は、「AIが口腔がんを診断する時代が完成した」ことを意味するものではありません。
私なら、
「一般歯科医が、この口腔粘膜病変を専門医へつなぐべきか迷ったとき、AIによる所見情報をもう一つの判断材料として利用できる時代が始まった」
と捉えます。
そして、承認はゴールではありません。
AIが病変を何％分類できたかだけでなく、AIが存在したことで、本来紹介されるべき患者さんが早く専門医へ届いたのか。
その結果、より小さな病変の段階で治療できたのか。
切除範囲を抑えられたのか。
咀嚼、嚥下、発音といった口腔機能をより多く温存できたのか。
そして最終的に患者さんの生命予後や生活の質を改善できたのか。
そこまで到達したとき、社会実装された口腔がんAIの本当の価値が分かるのだと思います。
平岡氏ら自身の2026年レビューも、次に必要なのはAUCをわずかに高めることではなく、外部検証され、実臨床へ組み込まれ、診断までの時間と患者アウトカムを改善する信頼できるシステムであると結論づけています。[12]
そのAIによって、まだ小さな口腔がんの段階で専門医へ届く患者さんが、本当に増えたのか。
今後、私が最も見ていきたいのはその数字です。
参考文献・資料
- 大阪大学歯学部・大学院歯学研究科．口腔粘膜疾患AI 研究の社会実装へ．2026．
- 独立行政法人医薬品医療機器総合機構（PMDA）．病変検出用口腔内画像診断支援プログラム．一般的名称コード71148002．
- 厚生労働省．医療機器の一般的名称の追加について．2026年2月16日．
- NVIDIA Japan．口腔がんの早期発見をAIで支援：NVIDIA参画の研究を基盤に開発された口腔粘膜画像解析システムが社会実装へ．2026．
- 平岡慎一郎．AIによる臨床診断，病理診断，データ駆動型科学について．日本口腔腫瘍学会誌．2020;32(4):159-170. doi:10.5843/jsot.32.159.
- 川村晃平，平岡慎一郎．口腔がん領域における人工知能導入の可能性．癌と化学療法．2021;48(7):894-899.
- Kawamura K, Lee C, Yoshikawa T, et al. Prediction of cervical lymph node metastasis from immunostained specimens of tongue cancer using a multilayer perceptron neural network. Cancer Med. 2023;12:5312-5322. doi:10.1002/cam4.5343.
- Uchida S, Hiraoka S, Kawamura K, et al. Machine Learning Analysis of Gaze Data for Enhanced Precision in Diagnosing Oral Mucosal Diseases. J Clin Med. 2024;13:136. doi:10.3390/jcm13010136.
- Sakamoto K, Hiraoka S, Kawamura K, et al. Automated evaluation of masseter muscle volume: deep learning prognostic approach in oral cancer. BMC Cancer. 2024;24:128. doi:10.1186/s12885-024-11873-y.
- Hiraoka S, Sakamoto K, Kawamura K, et al. Deep learning-based automated masseter muscle area on routine CT stratifies survival in oral cancer. Oral Radiol. 2026;42:810-819. doi:10.1007/s11282-026-00923-9.
- Kawamura K, Hiraoka S, Lee C, et al. Deep learning approach to identify histological features associated with lymph node metastasis following primary tumor excision in patients with tongue squamous cell carcinoma. Oral Surg Oral Med Oral Pathol Oral Radiol. 2026;142:446-456. doi:10.1016/j.oooo.2026.03.006.
- Hiraoka S, Kawamura K, Akiyama R, et al. Artificial intelligence for diagnosis and triage in oral cancer: a clinician-centered narrative review. Int J Clin Oncol. 2026;31:794-803. doi:10.1007/s10147-026-03002-5.
- Kawamura K, Hiraoka S, Akiyama R, et al. Evidence-Anchored Decision Support for Elective Neck Dissection in Oral Tongue Squamous Cell Carcinoma Using a Large Language Model and Multimodal Data. JMIR Preprints. 2026. doi:10.2196/preprints.108293. 未査読プレプリント．
- Fu Q, Chen Y, Li Z, et al. A deep learning algorithm for detection of oral cavity squamous cell carcinoma from photographic images: a retrospective study. EClinicalMedicine. 2020;27:100558.
- Kouketsu A, Doi C, Tanaka H, et al. Detection of oral cancer and oral potentially malignant disorders using artificial intelligence-based image analysis. Head Neck. 2024;46(9):2253-2260.
- Schmidl B, Hütten T, Pigorsch S, et al. Artificial intelligence for image recognition in diagnosing oral and oropharyngeal cancer and leukoplakia. Sci Rep. 2025;15:3625.
- Warin K, Suebnukarn S. Deep learning in oral cancer—a systematic review. BMC Oral Health. 2024;24:212.
- Li J, Kot WY, McGrath CP, et al. Diagnostic accuracy of artificial intelligence assisted clinical imaging in the detection of oral potentially malignant disorders and oral cancer: a systematic review and meta-analysis. Int J Surg. 2024;110(8):5034-5046.
- Ren C, Wang C, Lin R, et al. The diagnostic value of artificial intelligence in oral squamous cell carcinoma: a systematic review and meta-analysis. J Stomatol Oral Maxillofac Surg. 2025;126(5S):102429.
- D’Cruz AK, Vaish R, Kapre N, et al. Elective versus Therapeutic Neck Dissection in Node-Negative Oral Cancer. N Engl J Med. 2015;373(6):521-529.
- Collins GS, Moons KGM, Dhiman P, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024;385:e078378.
- Sounderajah V, Guni A, Liu X, et al. The STARD-AI reporting guideline for diagnostic accuracy studies using artificial intelligence. Nat Med. 2025;31:3283-3289.
- 平岡慎一郎ほか．ハイパースペクトルイメージングの口腔粘膜解析dataを用いた新規口腔癌診断AIの開発．科学研究費助成事業 基盤研究(C)，課題番号23K09351，2023-2026.
- 穐山凌．超拡大内視鏡とAIを用いた口腔悪性腫瘍の新規診断法の開発．大阪大学博士論文．2025．
- 大阪大学歯学部・大学院歯学研究科．臨床研究 R7-E8「超拡大内視鏡を用いた口腔粘膜疾患診断支援AIの開発に関する研究」．
- 平岡慎一郎．口腔粘膜疾患診断支援AIの研究開発．INNERVISION. 2023;38(7):55-57.
