自治医科大学 放射線医学講座 医用画像研究室
Imaging Research Lab.

From foundation models to clinical validation in radiology AI

---

What's new

2026.01.16 AI利用時の視線パターン変化に関する研究が European Journal of Radiology Open に掲載されました。 → Eur J Radiol Open

2026.01.14 プログラム医療機器（SaMD）に関するレビュー論文が Japanese Journal of Radiology に掲載されました。 → Jpn J Radiol

2026.01.01 基盤モデル構築（TotalFM）の研究が arXiv で公開されました。 → arXiv

---

「点」ではなく「線」で、画像診断AIを考える

私たちは、画像診断AIの研究開発を行っています。ただし、単に「個別のAIモデル」を作ることだけを目標にはしていません。

現在、医療AI分野は非常に活気にあふれていますが、研究者や企業がそれぞれ単独で動くだけでは、臨床現場に役立つソリューションにはなかなか繋がりません。私たちは、より良い画像診断の実現を目指し、研究室全体として 「基盤（Foundation）」「応用（Specialized AI）」「評価（Evaluation）」 を一つの太い線でつなぐ、一貫した研究スタイルを持っています。

---

私たちが取り組む3つのレイヤー

1. 研究の土壌を創る：Foundation

質の高い研究には、強固な基盤が不可欠です。大規模な臨床データを確保し、それを研究に即応させるためのデータ整理技術の開発、さらにはあらゆる応用の核となる「Foundation Model（基盤モデル）」の構築に取り組んでいます。

2. 現場の課題を解く：Specialized AI

臨床の切実な課題を解決するAI開発を推進します。「医療者」と「技術者」の密接な対話から生まれたテーマを大切にしており、双方が深く関わることで初めて、現場で機能するAIが生まれると考えています。

3. 価値を証明する：Evaluation

開発して終わりではなく、そのAIが「どう使われ、どのように医療に貢献し、何に注意すべきか」を検証することも重要視しています。私たちはAIの開発者であると同時に、その価値や安全性を適切に評価するフロントランナーでありたいと考えています。

---

我々の強み

End-to-end research pipeline

放射線領域における基盤モデルの構築から、開発したAIの検証・評価に至るまでを一貫して実施できる研究パイプラインを有しています。放射線科医を含む医療従事者がエンドユーザーとして研究に参画し、実臨床を強く意識したAI開発および評価を行っています。

Large-scale real-world data infrastructure

自治医科大学附属病院の診療データおよび日本医用画像データベース（J-MID）を基盤とし、日本の実臨床で蓄積されたリアルワールドデータを用いた研究を推進しています。

Clinically realistic evaluation environment

研究用途として臨床仕様のPACS環境を独自に整備し、開発したAIを用いた読影実験やワークフロー評価を、実臨床と同等の条件下で実施しています。さらに、Eye-tracking 等を用いた多角的な評価にも取り組んでいます。

In-house computational resources

基盤モデルや3D医用画像を対象とした大規模な実験に対応可能なGPU計算資源を自前で整備し、継続的かつ柔軟な研究を可能としています。

---