外科AIの「80%以上」は何の基準か NEDO発表を読む

NEDOとDireavaが発表した外科特化型生成AI「Surgical VLM」の実証で、目標80%以上に対し報告された84.7%・82.9%・97.4%。何を測った数字か、発表本文で確認できない点とあわせて整理します。

結論

「目標80%以上を達成」は、外科特化型生成AI「Surgical VLM」を2026年2月20日に慶應義塾大学病院の胃癌手術の現場で動かした実証試験で、解剖学的正確性・臨床的有用性・文章の流暢性の3項目が80%以上かどうかを見た結果です1。段階は「実証」で、普及や日常利用の話ではありません。

この数字は、発表資料が「目標値」と呼ぶ基準に対して、発表側が報告した値です1。評価の母数、評価者、採点方法、症例数は、取得できた発表本文には書かれていませんでした。また、評価は医療教育現場の要求水準に対するものです1。患者の転帰や手術の安全性を測ったとは書かれていません。数字は「手術教育向けの水準を見た指標」として読むのが安全です。

根拠

発表の主体と内容

2026年3月27日付の発表は、NEDOとDireava株式会社の連名です1。ITmedia AI+も、Direavaが3月27日にSurgical VLMの開発を発表したと報じています2。連名の発表であり、論文など第三者による検証結果とは別のものです。

Surgical VLMは、術中画像を入力として解剖構造や手術状況を認識し、日本語の説明文を自動生成する視覚・言語統合型のAI基盤モデルと説明されています1。開発は、経済産業省とNEDOが実施するGENIACの一環です1。

目標と報告された結果

発表は、3項目で80%以上を満たすかどうかを検証したと書いています1。

評価項目 目標 報告された結果
解剖学的正確性 80%以上1 84.7%1
臨床的有用性 80%以上1 82.9%1
文章の流暢性 80%以上1 97.4%1

3項目とも目標を上回っていますが、余裕には差があります。流暢性は大きく上回る一方、正確性と有用性は目標との差が数ポイントです。ただし、各数値が何に対する割合なのか(出力文の数なのか、場面の数なのか)は本文から読み取れません。差が大きいか小さいかは、母数が分からないと判断できません。

資料から確認できること・できないこと

確認事項 取得した資料での状況
実施日と場所 2026年2月20日、慶應義塾大学病院の手術室1
評価項目の設定 手術教育に必要と考えられる項目を、同院の協力のもとで設定したと記載1
症例数・評価者・採点方法 発表本文に記載なし
図2(評価項目および性能) 図の題名のみ1。中身は未確認
第三者による検証 論文などは取得できていない

段階の読み方

事業期間は2025年8月4日から2026年3月31日です1。発表は、2026年中の事業化(サービス提供開始)を目指し、対応症例の拡大や操作性向上のための実証を追加するとしています1。胃癌手術以外での実証も今後進めるとあり1、同発表で報告された結果は胃癌手術での実証にとどまります。その後の実証状況は、取得した資料では確認できません。同発表では事業化は目標として示されており、実現したかどうかは取得した資料では確認できません。

表現の強さを分けて読む

  • 「国内初」は、2026年3月現在のディリーバ調べという注記つきです1。
  • ハルシネーションについて、発表は日本の専門医が監修した高品質な医療データのみを厳選して学習させたとし1、「極限まで排除した」と書いています1。ITmedia AI+は「リスクも低減させたという」と伝えています2。いずれも開発側の説明で、ハルシネーションの発生率などの測定値は取得本文にありません。
  • ITmedia AI+は、手術の進行を正確に把握したことを「Direavaの評価によれば」と伝聞で書いています2。
  • 同社の「手術映像認識プログラム・キノスラ」は、ロボット支援食道悪性腫瘍切除術向けに2025年12月9日付で製造販売承認を取得した別製品です1。Surgical VLMの承認状況は取得本文に記載がありません。キノスラの承認取得の記載を、Surgical VLMも承認済みである根拠にはできません。

参考までに、慶應義塾大学病院の一般・消化器外科は、2025年度の胃がんの診療実績を69件と公表しています3。これは同科の年間実績であり、実証試験の症例数とは別の数字です。同院の上部消化管班は、AIを用いた手術支援機器の開発に取り組んでいると自ら記載しています4。

よくある質問

Q. 84.7%は「100回のうち約85回正しい」という意味ですか。

そのようには読めません。発表本文は、各数値の母数や数え方を示していません1。「解剖学的正確性が84.7%」という書き方にとどまるため、場面数や出力文の数など、何を分母にした割合かは確認できません。

Q. 80%を超えたなら、手術で実用できる段階ですか。

発表自体が、評価を医療教育現場の要求水準に対するものとしています1。実証は慶應義塾大学病院の胃癌手術の現場で行われ、発表時点では事業化は2026年中を目指す段階でした1。実用や日常利用が確認された、とは読めません。

Q. 製造業や病院の担当者は、続報で何を確認すればよいですか。

次の点です。

  1. 評価した症例数と場面数。
  2. 評価者の人数と、採点基準。
  3. 目標値の根拠。
  4. 外れた例や誤りの種類の開示。
  5. 論文などの第三者検証。
  6. 胃癌以外への拡大状況1。
  7. 事業化が実際に始まったか。

これらが公開されるまでは、「実証で目標達成」を一つの施設での初期結果として扱うのが無難です。

出典


  1. 手術室に「頭脳」をもたらす外科特化型生成AIを開発しました(NEDO・国立研究開発法人新エネルギー・産業技術総合開発機構・Direava株式会社、2026-03-27) https://www.nedo.go.jp/news/press/AA5_101924.html (2026-11-13 確認) ↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩

  2. AIが外科手術を支援、術中画像を見て“アドバイス” 慶應医学部発のスタートアップ(ITmedia AI+、2026-03-27) https://www.itmedia.co.jp/aiplus/article/2603/27/1260327077/ (2026-11-13 確認) ↩↩↩

  3. 一般・消化器外科 | 慶應義塾大学病院(慶應義塾大学病院、発行日の記載なし) https://www.hosp.keio.ac.jp/shinryo/generalsurgery/ (2026-11-13 確認) ↩

  4. 一般・消化器外科 上部消化管班 | 慶應義塾大学医学部 外科学教室(慶應義塾大学医学部 外科学教室 上部消化管班、発行日の記載なし) https://www.surgery-med-keio.jp/ (2026-11-13 確認) ↩

関連記事

記事一覧 →