2026年7月21日火曜日

HPVワクチンをめぐる日本の"失われた8年"と、私たちが検証すべきこと

「子宮頸がんワクチン」という呼び方に、以前から違和感があります。

HPVワクチンが子宮頸がん予防に重要であることは間違いありません。日本では女子への定期接種として導入され、子宮頸がん予防を中心に説明されてきたため、この名称が広まった経緯も理解できます。

しかし、このワクチンが予防する対象は「子宮頸がん」だけではありません。

HPV(ヒトパピローマウイルス)は、子宮頸がんのほか、肛門がん、外陰がん、腟がん、陰茎がん、中咽頭がん、尖圭コンジローマなどにも関係します。厚生労働省自身も現在は正式に「HPVワクチン」という名称を用い、HPVが複数のがんや疾患に関与することを説明しています。

それでも社会では、いまだに「子宮頸がんワクチン」という言葉が使われます。この呼び方は一見わかりやすいようでいて、ワクチンの本質を狭めてしまいます。

HPVワクチンは、女性だけの、子宮だけの問題ではない。まず、この点から問い直す必要があります。

「子宮頸がんワクチン」という名称がつくる誤解

病名を冠したワクチン名には直感的なわかりやすさがありますが、「子宮頸がんワクチン」と呼ぶことで、少なくとも三つの誤解が生じます。

第一に、女性だけに関係するワクチンという印象を与えます。HPVは男女ともに感染し、男性でも中咽頭がん、肛門がん、陰茎がんなどの原因となります。感染の伝播も男女双方が関与するため、HPV予防は本来、性別を超えた感染症対策です。

第二に、子宮頸がんだけを防ぐワクチンという誤解を招きます。実際にはワクチンの直接の標的は「がん」ではなく、がんの原因となるHPV感染です。子宮頸がんは、その予防効果が最も早く、最も明確に示された疾患の一つにすぎません。

第三に、接種の意味が「婦人科領域の特殊な問題」に閉じ込められます。しかしHPVワクチンは、B型肝炎ワクチンと同様に、感染症を防ぐことで将来のがんを予防するワクチンです。医学的には「子宮頸がんワクチン」よりも「HPVワクチン」と呼ぶほうが正確です。

名称は単なる言葉の問題ではありません。言葉は、その政策を誰の問題として認識するかを決めます。

HPVワクチンは「特殊なワクチン」ではない

HPVワクチンをめぐる議論では、しばしば「がんワクチン」という強い言葉だけが前面に出ます。しかし、その作用は極めて標準的です。

HPVワクチンは、HPVの外殻を模倣したウイルス様粒子を抗原として免疫を誘導し、将来のHPV感染を予防します。ウイルスの遺伝情報は含まれないため、ワクチンからHPVに感染することはありません。

つまりこれは、がん細胞を直接攻撃する治療用ワクチンではなく、発がん性ウイルスへの感染を防ぐことで将来のがんを減らす予防ワクチンです。

2025年に『New England Journal of Medicine』に掲載されたESCUDDO試験では、12〜16歳の女子2万人以上を対象に、2価または9価HPVワクチンの1回接種と2回接種が直接比較されました。その結果、HPV16型・18型の持続感染予防において1回接種は2回接種に非劣性であり、4つの接種群すべてで非接種者と比較したワクチン有効率は97%以上でした。

世界ではいま、「本当に効くのか」から「どうすればより多くの人に届けられるか」へと議論が進んでいます。その一方で日本では長い間、このワクチンを社会としてどう受け止めるかという入口で立ち止まり続けました。

日本で起きた「空白の8年」

日本では2013年4月、HPVワクチンが定期接種に組み込まれました。ところがそのわずか2か月後の2013年6月、厚生労働省は接種後に報告された多様な症状を受けて、積極的勧奨を差し控えました。

定期接種そのものが中止されたわけではありません。しかし自治体から対象者への個別通知が事実上止まったため、多くの人にとっては「国が勧めないワクチン」と受け取られました。

積極的勧奨が再開されたのは2022年4月です。厚生労働省も、2013年から2021年まで勧奨が差し控えられ、その間に接種機会を逃した世代が生じたことを認め、キャッチアップ接種を実施しました。

「一時的な差し控え」と呼ばれましたが、実際には約8年半に及びました。ワクチン政策において8年は、「一時的」と呼ぶにはあまりに長い時間です。その間に、対象年齢を過ぎた世代が生まれました。

接種率はほぼ消失した

積極的勧奨の差し控え後、日本のHPVワクチン接種率は急落しました。研究によって算定方法は異なりますが、新たな対象世代の少なくとも1回接種率は、2016年に0.3%まで低下したと報告されています。

これは「少し接種率が下がった」という話ではなく、公的な予防接種プログラムが実質的に機能しなくなったに等しい状態です。

ここで重要なのは、個々の保護者や少女が接種をためらったことを責めることではありません。国から案内が来ず、テレビや新聞では深刻そうな症状が繰り返し報じられ、「積極的には勧めない」と説明されれば、接種を見送るのは自然な判断です。

責任を個人の「リテラシー不足」に還元してはいけません。問題は、個人が合理的に判断するための情報環境が整えられていたかどうかです。

報道は「症状」を伝えた。しかし「比較」を伝えただろうか

接種後に体調を崩した人の訴えを報道すること自体は必要です。接種後に生じた症状を軽視したり、訴える人を一括して否定したりすることは適切ではありません。症状がある人には、原因の確定とは別に、医療的・心理社会的支援が必要です。

しかし、医療報道にはもう一つの責務があります。それは、時間的に接種後に起きたことと、ワクチンによって起きたことを区別することです。

ワクチンは健康な多数の人に接種されます。その後には偶然にさまざまな病気や症状が発生します。接種後に起きたという事実は重要ですが、それだけで因果関係が証明されるわけではありません。

必要なのは、次のような比較です。

  • 接種者で症状がどれほど多かったのか
  • 非接種者にも同様の症状がどれほど起きたのか
  • 年齢や性別などを調整しても差があるのか
  • 国内外の大規模データで再現されるのか
  • 接種しないことによる疾病リスクはどの程度か

ところが、日本の新聞報道を分析した研究では、2013年の象徴的な症例報道以降、副反応を扱う記事の割合と否定的な論調が急増し、公的機関の科学的見解は相対的に小さく扱われたと報告されています。ある分析では、2013年以降、HPVワクチン関連記事の86.6%が有害事象に言及していました。

批判すべきなのは、患者の症状を報じたことではありません。症状の映像や個別事例を繰り返し提示する一方で、頻度、因果関係、比較対象、ワクチンを受けないことのリスクを、同じ重さで伝えなかったことです。

個別事例には顔があり、映像があり、強い感情があります。一方、将来発生するがんは統計の中に埋もれます。この非対称性を放置すれば、報道は意図せずしてリスク認知をゆがめます。

「両論併記」は公正とは限らない

医療報道では、しばしば「賛成派」と「反対派」を同じ人数だけ登場させることが公平だと考えられます。しかし科学的な論点において、公平とは発言時間を半分ずつ配分することではなく、エビデンスの量と質に応じて重みづけすることです。

大規模疫学研究、各国の安全性監視、国際機関の評価と、個別症例からの推測を、単に「意見が割れている」と並列に扱えば、視聴者には科学的合意が存在しないように見えてしまいます。

WHOのワクチン安全性諮問委員会は、HPVワクチンの安全性を継続的に評価し、推奨を変更するような安全性問題は確認されていないと繰り返し表明してきました。

もちろん、「国際機関が安全と言ったから議論終了」ということではありません。科学は常に更新され、未知の有害事象への監視も続ける必要があります。ただし、疑いが存在することと、因果関係が確立していることは同じではありません。この区別を曖昧にする報道は、「慎重」なのではなく、結果的に不正確です。

行政は「報道に押された被害者」ではない

マスメディアだけを責めれば済む話でもありません。最終的に政策を決めたのは行政です。

2013年当時、接種後に生じた症状について調査し、支援体制を整える必要があったことは否定できません。公衆の不安を無視して接種を押し進めれば、かえって信頼を失った可能性もあります。

しかし問題は、差し控えを決めたこと自体ではなく、その後の政策プロセスにあります。

  • 解除条件は明確だったのか
  • どのデータがそろえば再開するのか
  • 検討期限は設定されていたのか
  • 接種しないことで生じる不利益を継続的に評価したのか
  • 社会に対して定期的に検証結果を説明したのか

緊急的な停止措置には、必ず出口戦略が必要です。出口のない「当面の差し控え」は、時間の経過とともに事実上の恒久政策になります。

日本では再開まで約8年半を要しました。厚生労働省は2021年11月に差し控え状態を終了することが妥当と判断し、2022年4月から個別勧奨を再開しました。ここで問われるべきは、なぜ再開したのかだけでなく、なぜそれほど長く再開できなかったのかです。

反ワクチン言説を「市民の素朴な不安」だけで処理してよいか

ワクチンへの疑問を持つこと自体は不合理ではありません。健康な子どもに接種する以上、保護者が安全性を慎重に考えるのは当然ですし、接種後の症状を訴える本人や家族が説明を求めることも当然です。

しかし、そこに政治的・商業的なメッセージや組織的な活動が加わると、話は別です。一部の活動では、次のような情報発信が行われます。

  • 時系列上の出来事を因果関係として断定する
  • 個別症例を一般化する
  • 大規模研究を「製薬企業寄り」と一括して退ける
  • 不確実性を「隠蔽の証拠」と解釈する
  • 訂正された情報を繰り返し流通させる
  • 接種による利益をほとんど提示しない

科学的懐疑とは、あらゆるデータを疑うことではありません。新しい証拠によって自分の見解を修正できることが、科学的態度です。「安全性に疑問を投げかける」という行為が、長期間にわたって反証を受けても同じ結論を維持し続けるなら、それは次第に検証ではなく信念の表明になります。

ただし、特定の団体について「ワクチンを撲滅しようとした」と意図まで断定するのは慎重であるべきでしょう。批判すべきなのは推測された内心ではなく、その発信がどのような根拠に基づき、訂正可能性を備え、どのような社会的結果をもたらしたかです。

被害を語るなら「接種後」だけでなく「未接種後」も語るべきだ

予防接種には接種による利益と不利益がありますが、接種を見送る判断にも利益と不利益があります。

医療の意思決定で比較すべきなのは、「接種すること」と「何もしないこと」ではありません。実際には、接種することで生じ得る有害事象と、接種しないことで将来生じ得るHPV感染・前がん病変・がんの比較です。

日本の接種率低下による将来影響を推計したモデル研究では、積極的勧奨の停止が継続した場合、将来的に多数の子宮頸がん症例と死亡が追加的に生じる可能性が示されました。モデル研究であるため数字には前提と不確実性がありますが、「接種しない選択にも集団レベルの代償がある」ことを可視化した点は重要です。

この種の将来被害は、個々のニュースにはなりにくいものです。接種後の症状は接種日と発症日が近く、映像として伝えやすい。一方、十数年後に発症するがんは、かつて接種機会を逃したこととの関係が見えにくい。だからこそ報道と行政には、目の前の不安だけでなく、見えにくい将来リスクを同時に示す責任があります。

「副反応を訴えた人」と「ワクチン推進」を対立させてはいけない

この問題を論じる際、最も避けるべきなのは二者択一です。接種後に症状を訴えた人を尊重することと、HPVワクチンの集団接種を推進することは両立します。

因果関係が確定していなくても、症状は現実です。診断名が定まらなくても、生活上の困難に対する支援は必要です。同時に、個々の症状の存在からワクチン全体の安全性や有効性を否定することはできません。

患者を守ることと公衆衛生を守ることは、本来対立しません。むしろ、接種後の症状に対する相談窓口、診療体制、救済制度を充実させることは、ワクチン政策への信頼を支える条件です。「症状を認めればワクチンを否定することになる」「ワクチンを推奨するなら症状を否定しなければならない」という構図そのものが誤りです。

マスメディアに求めたい「その後」の報道

当時、危険性を大きく報じた報道機関には、その後の検証も同じ規模で報じてほしいと思います。たとえば次のような点です。

  • その後の国内外の安全性評価
  • 接種者と非接種者を比較した研究
  • 海外で確認された前がん病変・浸潤がんの減少
  • 日本の接種率がどれほど低下したか
  • 接種機会を逃した世代への影響
  • 2022年に勧奨が再開された科学的根拠
  • 当時の報道に修正すべき点がなかったか

スウェーデンの全国データでは、若年期の4価HPVワクチン接種は、浸潤性子宮頸がんリスクの大幅な低下と関連しました。つまり議論はすでに、感染や前がん病変だけでなく、実際の浸潤がん減少を確認する段階へ進んでいます。

危険性を速報することだけがジャーナリズムではありません。速報時の判断がその後のエビデンスに照らして妥当だったかを検証することも、同じくらい重要です。「当時はその時点の情報を報じただけだ」という説明だけでは不十分です。報道によって社会の行動が大きく変化したのであれば、その社会的影響も検証対象になるからです。

専門家側にも反省は必要である

ここまでメディアと行政を批判してきましたが、医療者や研究者にも責任があります。専門家はしばしば、次のような失敗をします。

  • 相対リスクだけを示して絶対リスクを示さない
  • 「安全です」と断言し、不確実性を説明しない
  • 専門用語を並べ、生活者の疑問に答えない
  • 接種後症状を訴える人への共感を欠く
  • 誤情報を訂正する際に、相手を愚かだと扱う

科学的に正しい情報も、伝え方を誤れば届きません。信頼は論文数だけでは回復しません。「因果関係は確認されていない」と説明するだけでなく、症状のある人を誰が診るのか、何が分かっていて何がまだ分からないのか、どの程度の頻度なら判断が変わるのか、新しい安全性情報をどう監視しているのかを、具体的に示す必要があります。

専門家が「正しい側」、市民が「理解していない側」と決めつける構図では、次の危機でも同じ失敗が起きます。

ESCUDDO試験が突きつける皮肉

ESCUDDO試験では、HPVワクチン1回接種が2回接種に劣らないことが示されました。これは世界にとって朗報です。接種回数を減らせれば、医療アクセスの乏しい地域でも、より多くの少女にワクチンを届けられます。

しかし日本の文脈で見ると、やや皮肉でもあります。世界が「2回必要だったワクチンを、どうすれば1回で広く届けられるか」を議論している間、日本では長く「そもそも接種を案内してよいのか」という段階にとどまっていたからです。

接種回数を1回に減らせるかもしれないという科学的進歩の前に、日本では「ゼロ回の世代」が大量に生まれました。この事実は、静かに、しかし重く受け止める必要があります。

誰かを糾弾するだけでは、次の失敗を防げない

この問題について怒りを感じる人は少なくないと思います。将来防げたかもしれないがんがある。接種機会を逃した人がいる。科学的根拠よりも強い映像や言葉が社会を動かした。行政の決定が長期間修正されなかった。それに対して「誰が責任を取るのか」と問いたくなるのは自然です。

ただし、特定の新聞社、政治家、患者団体、活動家を一括して悪者にするだけでは、問題の構造を見失います。HPVワクチンをめぐる混乱は、症例報道を重視するメディア、不確実性に弱い行政、リスクコミュニケーションが不得手な専門家、感情的情報が拡散しやすい社会、予防効果が目に見えにくいワクチンの特性、女性の性や生殖をめぐる文化的な語りにくさが重なって生じました。

必要なのは怒りを抑えることではなく、怒りを再発防止のための問いに変えることです。

今後、最低限必要なこと

第一に、名称を「HPVワクチン」に統一することです。「子宮頸がんワクチン」という表現を直ちに禁止する必要はありませんが、公的文書・報道・教育現場では原則として「HPVワクチン」を用い、子宮頸がん以外の疾患や男性にも関係することを説明すべきです。

第二に、リスクを必ず比較で示すことです。接種後に報告された症状だけでなく、非接種者での発生頻度、接種によって防げる感染・前がん病変・がんの数を併記する必要があります。

第三に、政策決定に期限と解除条件を設けることです。「一時停止」「当面見合わせ」といった措置には、再評価時期、必要なデータ、解除基準を明記すべきです。

第四に、報道機関による自己検証です。過去の報道が社会行動に及ぼした影響を検証し、その後のエビデンスを継続的に報じる必要があります。

第五に、接種後症状への支援を対立軸から切り離すことです。症状のある人を支援することは、ワクチンの有効性を否定することではありません。支援体制の充実は、むしろ健全な接種政策の一部です。

おわりに――問うべきは「誰が悪かったか」だけではない

HPVワクチンをめぐる日本の経験は、単なる過去のワクチン論争ではありません。科学的に不確実な出来事が起きたとき、社会がどのように判断し、どのように修正するかという問題です。

接種後の症状を報じることも、慎重に安全性を検証することも必要でした。しかし、慎重であることと判断を長期間停止することは同じではありません。疑問を持つことと、反証後も同じ情報を拡散し続けることも同じではありません。両論を紹介することと、証拠の重みを無視して並列に扱うことも同じではありません。そして、接種によるリスクだけを語り、接種しないことによるリスクを語らないことは、中立ではありません。

HPVワクチンをめぐって日本が失ったものは、接種率だけではありません。科学・行政・報道に対する信頼です。

だからこそ必要なのは、過去をなかったことにすることでも、誰かを感情的に断罪することでもありません。何が報じられ、何が報じられなかったのか。何を根拠に政策が止まり、なぜ再開に8年を要したのか。その間に接種機会を失った人々に、社会はどう向き合うのか。これらを記録し、検証し、説明することです。

「HPVワクチン」という正確な名称を使うことは、その小さな第一歩かもしれません。

2026年7月14日火曜日

「医療システム学習」とは何か?

 

「医療システム学習」は
医療AIをどう変えるのか

NeuroVFMが示した、日常診療データから汎用モデルを育てる新しい発想

この記事の要点

医療システム学習(health system learning)とは、研究用に厳選したデータセットではなく、医療機関の日常診療で自然に蓄積される画像・記録・検査結果を、基盤モデルの学習環境として活用する考え方です。NeuroVFMは、524万件を超えるMRI・CTボリュームから汎用的な神経画像表現を学習し、この発想を具体的に示しました。

対象:医療者、臨床研究者、医療AIの導入・開発担当者

2026年7月14日

生成AIや画像基盤モデルは、インターネット上の膨大な公開データを使って急速に発展してきました。しかし、医療の中でもとりわけ神経画像は公開データが少なく、一般的なAIの「学習資源」から取り残されてきました。MRIやCTには顔貌など個人を識別し得る情報が含まれ、公開や共有が難しいためです。

この制約に対する一つの答えが、NeuroVFM論文で提示された「医療システム学習」です。

医療機関が日常診療の中で生み出す未選別のデータを、そのまま大規模自己教師あり学習の土台にする。これは単なるデータ量の拡大ではなく、医療機関そのものをAIの学習環境として捉え直す発想です。

1.「医療システム学習」とは何か

NeuroVFM論文では、health system learningを「日常の臨床運用で生成される未選別データから直接学習すること」と位置づけています。ここでいう未選別(uncurated)は、品質管理をしないという意味ではありません。研究者が疾患、年齢、重症度、装置、撮像プロトコルを手作業で絞り込み、きれいな研究用コホートを作る前に、臨床現場で実際に生じている多様性を保ったまま事前学習へ使う、という意味です。

従来型AIとの違い

従来の医療AIは、特定疾患・特定タスクのために、専門家がラベル付けしたデータセットを作り、その範囲内で高い性能を目指してきました。医療システム学習は、まず幅広い臨床データから汎用表現を学び、その後に診断、予後予測、レポート生成など複数の用途へ適応させます。

2.NeuroVFMは何を学んだのか

NeuroVFMは、Michigan Medicineに20年以上蓄積された566,915件の検査、合計5,239,579のMRI・CTシリーズを用いて学習されました。MRIは約365万、CTは約159万で、脳だけでなく頭部、頸部、顔面、眼窩まで含まれます。重要なのは、疾患別に整えた研究用データではなく、PACSに蓄積された臨床画像の大部分を学習対象とした点です。

項目

NeuroVFMの特徴

学習データ

524万件超の臨床MRI・CTボリューム

学習方法

画像のみを使う自己教師あり学習(Vol-JEPA)

対象範囲

脳・頭部・頸部・顔面・眼窩

下流タスク

診断、異常検出、予後予測、レポート生成

特徴

MRIとCTを共通の神経解剖学的潜在空間に配置

表1.NeuroVFMの設計概要

3.Vol-JEPAを臨床家向けに理解する

NeuroVFMの中心技術は、3次元画像向けのJoint-Embedding Predictive Architecture、すなわちVol-JEPAです。通常の画像生成モデルは、隠した部分の画素を細かく復元しようとします。一方、JEPAは、見えている領域から隠された領域の「意味表現」を予測します。

たとえば、脳MRIの一部だけを見せられたモデルが、隠れた領域について、単なる濃淡ではなく「ここには側脳室がある」「この空間配置なら基底核が続く」「この信号パターンは病変を含む可能性がある」といった高次の表現を推定するイメージです。撮像条件の細部より、解剖構造、病変、空間関係を学びやすいことが利点です。

臨床的な意味

自己教師あり学習では、すべての画像に診断ラベルを付ける必要がありません。したがって、希少疾患、非典型例、術後変化、低品質画像、施設固有のプロトコルなど、通常の研究データセットから除外されがちな情報も、事前学習の材料になり得ます。

4.何ができるようになったのか

NeuroVFMは、凍結した画像エンコーダに軽量な診断ヘッドを接続した評価で、多数のMRI・CT診断タスクにおいて既存の基盤モデルを上回りました。さらに、MRIとCTが共通の神経解剖学的潜在空間に埋め込まれ、モダリティや撮像方向をまたいで同じ解剖構造が近接する表現を獲得していました。

脳年齢推定、Alzheimer病、軽度認知障害の進行、Parkinson病、ASD、頭部CT異常など、複数の外部課題へ転用できた。

オープンソースLLMと接続すると、放射線診断レポートの正確性、緊急度判断、専門家選好が改善した。

存在しない所見の記載、重大な誤り、臨床的に危険なハルシネーションが減少した。

データ量とモデル規模を増やすほど性能が向上するスケーリング傾向が示された。

5.なぜ「未選別」の日常診療データが強いのか

① 病気の多様性を自然に含む

日常診療には典型例だけでなく、併存疾患、術後、治療後、軽症、進行例、偶発所見が混在します。モデルは、教科書的な疾患像ではなく、現実の診療分布に近い表現を学べます。

② ラベル作成がボトルネックにならない

専門医による詳細なラベル付けは高価で時間がかかります。自己教師あり学習は、画像そのものを教師として利用するため、事前学習の規模を大きくしやすくなります。

③ 装置・プロトコルの差を学習できる

磁場強度、メーカー、スライス厚、造影の有無、緊急撮像などのばらつきは、通常はノイズとみなされます。しかし臨床実装を考えると、このばらつきへの耐性こそ重要です。

④ 一つのモデルを複数用途へ再利用できる

診断ごとに別々のモデルを作るのではなく、共通の画像表現を、診断、予後、トリアージ、レポート生成へ展開できます。

6.関連研究から見える大きな潮流

医療システム学習は、NeuroVFMだけの孤立したアイデアではありません。近年の医療AIでは、未ラベルデータ、医療システム規模の学習、汎用モデルという三つの流れが合流しています。

研究

データ領域

医療システム学習との関係

NYUTron

電子カルテ記載

医療システム規模の臨床記録から、死亡、再入院、在院日数など複数タスクへ適応

RETFound

網膜画像

未ラベル画像から汎用表現を学び、複数疾患へ転用

UNI

病理画像

大規模自己教師あり学習による汎用病理基盤モデル

Prima

神経MRI+レポート

画像とレポートの対応を利用した神経画像VLM

Delphi

疾患履歴

診断イベントの時間列から疾患の自然史を学習

表2.医療システム学習に連なる代表的研究

NeuroVFMの新規性は、これらの潮流を3D神経画像へ広げただけではありません。PACS全体を「研究用データの置き場」ではなく、継続的な学習資源として明示的に位置づけた点にあります。

7.期待だけでは見落とす、重要な限界

最大の落とし穴

単一医療システムのデータを大量に学習したモデルは、その施設の患者紹介パターン、検査適応、装置構成、撮像習慣、レポート文化まで学習します。モデルが学んだものを「医学そのもの」と誤認してはいけません。

単一施設由来のため、他施設・他国・異なる装置構成での再現性は十分に確立していない。

後ろ向きデータ中心で、患者アウトカムを改善するかは前向き臨床試験で未検証である。

未選別データには、診療上の偏り、欠測、重複、歴史的な撮像慣行が含まれる。

大規模モデルは平均性能が高くても、希少疾患、術後、金属、体動、低線量などで重大な失敗を起こし得る。

継続学習を行う場合、モデル更新に伴う性能変化と規制上の変更管理が必要になる。

8.臨床導入で本当に見るべき評価項目

基盤モデルの論文ではAUROCや平均精度が注目されます。

しかし、臨床導入で重要なのは「平均的に当たるか」だけではありません。重大な見逃しがどの場面で起こるか、低信頼時に人へ戻せるか、モデル更新後も性能が維持されるかを確認する必要があります。

自施設データを用いた外部検証と、時間をずらした時間的検証があるか。

年齢、性別、疾患群だけでなく、装置、磁場強度、プロトコル別の性能が示されているか。

偽陰性と偽陽性の臨床的コストが定義されているか。

出力確率が校正され、低信頼例を棄却できるか。

レポート生成で左右誤り、比較検査の捏造、存在しない所見が独立に評価されているか。

モデル更新、障害時の代替フロー、責任分担、インシデント報告が設計されているか。

9.日本の医療機関で実装するなら

日本で医療システム学習を進める場合、いきなり巨大モデルを学習するより、データ基盤、ガバナンス、外部評価を段階的に整える方が現実的です。

第1段階:データ地図を作る

PACS、EHR、検査部門システムに何が、どの形式で、どの期間保存されているかを棚卸しします。患者単位の重複、装置情報、プロトコル、レポートとの対応を確認します。

第2段階:ガバナンスを先に決める

二次利用の法的根拠、倫理審査、オプトアウト、アクセス権、監査ログ、モデル更新権限を定義します。

第3段階:限定領域で自己教師あり学習を試す

まずは頭部CTや胸部CTなど、データ量が多く臨床課題が明確な領域で、表現学習と小規模な下流評価を行います。

第4段階:多施設検証へ進む

単一施設内の性能ではなく、地域、装置、診療機能が異なる施設で外部検証します。

第5段階:前向き実装研究を行う

診断精度だけでなく、読影時間、緊急所見の検出、患者アウトカム、医療資源配分への影響を評価します。

10.結論:医療AI開発の主語が「モデル」から「医療システム」へ

医療システム学習の本質は、「臨床データを大量に使うこと」ではありません。医療機関が日々生み出すデータの流れそのものを、汎用医療AIの学習環境に変えることです。NeuroVFMは、524万件を超える3D画像を用いて、疾患横断・モダリティ横断の神経画像表現を構築し、この発想が技術的に成立し得ることを示しました。

ただし、巨大な単一施設データから得られた高性能が、そのまま普遍的な臨床価値を意味するわけではありません。次の課題は、多施設での再現性、前向きな臨床効果、継続更新の安全管理です。医療AIの競争軸は、単一ベンチマークの最高スコアから、医療システムが安全に学び続けるためのデータ基盤と運用設計へ移りつつあります。

Take-home message

NeuroVFMが示したのは、PACSやEHRが単なる記録保管庫ではなく、汎用医療AIを育てる「学習インフラ」になり得るということです。今後の成否を分けるのは、モデルの大きさだけではなく、外部妥当性、ガバナンス、臨床ワークフロー、継続的な安全監視です。

主要参考文献

1. Kondepudi A, et al. Health system learning enables generalist neuroimaging models. Nature Medicine. 2026. doi:10.1038/s41591-026-04497-1

2. Moor M, et al. Foundation models for generalist medical artificial intelligence. Nature. 2023;616:259-265. doi:10.1038/s41586-023-05881-4

3. Jiang LY, et al. Health system-scale language models are all-purpose prediction engines. Nature. 2023;619:357-362. doi:10.1038/s41586-023-06160-y

4. Zhou Y, et al. A foundation model for generalizable disease detection from retinal images. Nature. 2023;622:156-163. doi:10.1038/s41586-023-06555-x

5. Chen RJ, et al. Towards a general-purpose foundation model for computational pathology. Nature Medicine. 2024;30:850-862. doi:10.1038/s41591-024-02857-3

6. Lyu Y, et al. Learning neuroimaging models from health system-scale data. Nature Biomedical Engineering. 2026. doi:10.1038/s41551-025-01608-0

7. Shmatko A, et al. Learning the natural history of human disease with generative transformers. Nature. 2025;647:248-256. doi:10.1038/s41586-025-09529-3

8. Assran M, et al. Self-supervised learning from images with a joint-embedding predictive architecture. CVPR 2023. doi:10.1109/CVPR52729.2023.01499

注:本稿は2026年7月14日時点の公開論文を基にした解説です。NeuroVFMは研究段階の基盤モデルであり、個別患者の診療判断へ直接使用できることを意味しません。

2026年7月12日日曜日

成人不明熱に対する現代的な外来アプローチ:最新レビュー

 

State-of-the-Art Review: Contemporary Ambulatory Approach to Adult Fever of Unknown Origin 

https://academic.oup.com/cid/article/82/6/909/8726777

原因不明の発熱(FUO)を抱える免疫不全でない成人患者に対し、現代の通院診療における診断アプローチを詳細に解説したレビュー論文です。主な内容は、2024年のデルファイ・コンセンサスに基づいた新しい診断基準の定義や、感染症、自己炎症性疾患、腫瘍といった主要な原因疾患の分類に焦点を当てています。地域や経済状況による疾患傾向の違いを分析しつつ、病歴聴取や身体診察から得られる診断の手がかり(PDC)を体系化し、段階的な検査手順を提示しています。また、血液培養や核医学検査などの最新技術の役割にも触れ、多角的な視点から現代的な臨床指針を構築しています。最終的に、根拠のない経験的治療を避け、共通の定義に基づいた効率的な評価を行うための新たなパラダイムシフトを提唱しています。






不明熱(FUO)診断の羅針盤:系統的6ステップと潜在的診断手がかり(PDC)の活用
1. はじめに:不明熱(FUO)の再定義と現代的アプローチ

臨床医にとって、原因不明のまま続く発熱は最も知的好奇心と忍耐を要求される領域です。これを「不明熱(FUO: Fever of Unknown Origin)」と呼びますが、2024年のDelphiコンセンサスにより、その定義は現代の診療実態に即して厳密に再定義されました。

初学者が陥りやすい罠は、安易に「なかなか下がらない熱」をFUOと呼んでしまうことです。最新の基準では、単なる時間経過だけでなく「質の高い初期的評価」の完了が必須条件となっています。

不明熱定義の変遷:1961年から2024年へ

項目
Petersdorf & Beeson (1961年)
最新のDelphiコンセンサス (2024年)
温度閾値
38.3°C(101.0°F)以上
38.3°C(100.9°F)以上
発熱回数
数回
3回を超える(>3 occasions)
期間
3週間以上
3週間以上
診断の不確実性
入院精査で1週間経過しても不明
「最低限必要な検査項目」を完了しても不明
対象患者
特に限定なし
免疫能が正常な成人に限定


診断上の意義:なぜ「ただの熱」と区別するのか?

  • 診断的スチュワードシップの確立: 定義にある「最低限必要な検査項目(後述)」を確実に遂行することで、診断の質を平準化し、早期の専門医介入を促します。
  • 不必要な入院の回避: 現代の診断技術(PET/CT等)を駆使すれば、入院を待たずとも外来(Ambulatory)ベースで精緻な評価が可能です。
  • 「診断未確定」という予後情報の活用: 厳密な定義を満たした上で診断がつかない症例は、むしろ予後が良好(自然軽快の可能性が高い)という科学的事実を患者に提示できます。
不明熱を攻略する第一歩は、闇雲にレアケースを追うことではありません。まずは、原因の多くを占める「5つのカテゴリー」を俯瞰することから始めましょう。


2. 敵を知る:不明熱を構成する5つの疾患カテゴリー

不明熱の原因は多岐にわたりますが、論理的推論を維持するためには以下の5つの主要カテゴリーに分類して考えるのが定石です。

疾患カテゴリーの分布と特性

最新の国際共同研究(ID-IRI等)によると、疾患の内訳は以下の通りです。

  1. 感染症 (約52%): 依然として最大勢力です。結核(Mtb)、ブルセラ症、感染性心内膜炎、膿瘍などが代表的です。
  2. 非感染性炎症性疾患 (NIID) (9~26%): 高所得国で増加傾向にあります。成人スチル病、巨細胞性動脈炎(GCA)、自己炎症性疾患が含まれます。
  3. 腫瘍性疾患 (約11%): リンパ腫が圧倒的に多く、白血病や多発性骨髄腫、固形癌が続きます。
  4. その他 (約8%): 薬剤熱、甲状腺疾患(亜急性甲状腺炎など)、血栓塞栓症、詐熱。
  5. 診断未確定 (約20%): 質の高い検査を尽くしても到達できない層が存在します。

地理的要因がもたらすバイアス

患者の居住地や旅行歴は、推論の優先順位を劇的に変えます。

  • 東南アジア・南アジア: 結核が圧倒的(34.3%)であり、腸チフスや内臓リーシュマニア症も視野に入ります。
  • 地中海沿岸・中東: ブルセラ症や家族性地中海熱(FMF)の頻度が極めて高い地域です。
  • 高所得国(欧州など): 感染症の割合が低下し、GCAなどのNIIDの比率が上昇します。
【学習の洞察:専門医の視点】 不明熱診断の鉄則は、**「稀な疾患を探すのではなく、一般的な疾患の非典型的なプレゼンテーション(Atypical presentation)を疑う」**ことです。リンパ腫がリンパ節腫脹を伴わず発熱のみで現れる、といった事象こそが不明熱の正体です。


次に、これらの疾患を絞り込むための「羅針盤」となるPDCについて深掘りします。


3. 論理的推論の中核:潜在的な診断の手がかり(PDC)の活用術

不明熱の診断戦略とは、すなわち**PDC(Potential Diagnostic Clues)**の発見と検証の連続です。PDCとは、病歴、身体診察、初期検査から得られる、特定の疾患を想起させるあらゆる「小さなヒント」を指します。

PDCの具体例(Source Table 2より抜粋)

1. 病歴のPDC:背景に潜むリスク

  • 未殺菌乳の摂取: Q熱やブルセラ症を強く示唆します。
  • アンデス山脈への旅行歴: バルトネラ症(オロヤ熱)の重要な手がかりです。
  • 拍動性の頭痛・顎跛行: 50歳以上の患者では巨細胞性動脈炎(GCA)を疑うべきサインです。
2. 身体診察のPDC:専門医が見逃さない徴候

  • 相対的徐脈(Relative bradycardia): 発熱の割に脈拍が上がらない現象は、チフス、ブルセラ症、レプトスピラ症、あるいはオウム病などで見られます。
  • キャメルバック熱(Camel-back fever): 週に2回の発熱ピーク。ブルセラ症やレプトスピラ症で見られる古典的な発熱パターンです。
  • サーモンピンク疹: 成人スチル病の特異的な皮疹ですが、発熱時に一過性に出現するため、反復した診察が不可欠です。
3. 検査データのPDC:病態を反映する数値

  • PTH抑制を伴う高カルシウム血症: サルコイドーシスや結核などの肉芽腫性疾患において、肉芽腫組織がビタミンDを活性化(1,25-ジヒドロキシビタミンD産生)していることを示唆します。
  • 極めて高いフェリチン値(>2000 ng/mL): 成人スチル病やマクロファージ活性化症候群(MAS)の強力な指標です。
  • ALPの著明な上昇(>2100 U/L): 肝浸潤を伴う播種性結核や転移性肝癌を疑わせます。
【学習の洞察:PDCの罠】 過去の研究では、PDCの48%から最大81%が「誤導的(Misleading)」、つまり診断に結びつかなかったと報告されています。しかし、それでもPDCを追い続けなければなりません。なぜなら、PDCこそが、広大な鑑別診断という海を渡るための唯一の航路だからです。


それでは、これらの手がかりをどのように系統的なステップに組み込むべきかを見ていきましょう。


4. 実践ガイド:不明熱診断の系統的6ステップ

初学者は以下のアルゴリズムに従い、論理の迷子にならないように努めてください。

  1. ステップ1:包括的な病歴聴取と身体診察(リ・インベント) 「Step 1は一度で終わらない」ことを肝に銘じてください。新たな検査結果が出るたびに、もう一度家族歴や旅行歴、微細な身体徴候を再評価します。
  2. ステップ2:PDCに基づく検査 or 最低限必要な標準検査 PDCがあれば標的を絞った検査を行い、なければ以下の**「最低限必要な検査項目(Delphi 2024)」**を完遂します。
    • 血液: CBC, LFT, Ca, ESR, CRP, フェリチン, TSH, RF, ANCA, ANA
    • 微生物: 血液培養(3セット、5日間以上保持)、尿培養、HIV、IGRA(結核菌特異的インターフェロンγ遊離試験)
    • 画像: 胸部X線および腹部エコー、または胸腹骨盤CT
  3. ステップ3:発熱の客観的確認と詐熱の除外 全身状態が良好な場合、患者自身に温度記録をつけさせ、日内変動(早朝のnadirと夕方のpeak)の消失や、頻脈を伴わない高熱がないか(詐熱の疑い)を確認します。
  4. ステップ4:FUO基準の確定と18FDG-PET/CTの早期検討 標準検査で診断がつかない場合、18FDG-PET/CTを検討します。これは炎症や腫瘍の部位を一度に可視化できる強力なツールです。
  5. ステップ5:PET/CT陽性箇所への標的検査と身体診察の再開 PET/CTの結果に基づき、特定の部位を狙い撃ちした生検を行います。PET/CTが陰性の場合は、「重大な疾患の可能性が低い」という予後予測に基づき、再びステップ1(病歴の取り直し)へループします。
  6. ステップ6:専門センターへの紹介と経験的治療の検討 依然として診断がつかず、かつ病状が進行している場合にのみ、専門医と相談の上で経験的治療を考慮します。


5. 診断を確定させる高度なツール:画像診断と侵襲的検査

画像診断の特性と戦略的価値

  • 18FDG-PET/CT: 感度84~98%と極めて高く、特に感染症と腫瘍の検出においてNIIDを上回る有用性を示します。
  • MRI: 脳神経系、あるいはGCA(大血管炎)における血管壁の炎症評価(Halo signの確認など)に優れます。
  • PET/CT陰性の予後価値: PET/CTが陰性であった場合、陽性例と比較して自然軽快する確率が約6倍高いというデータがあります。これは「焦って侵襲的な検査を上乗せしない」ための安全弁となります。

類似症候群:炎症反応のみが高い場合(IUO)

臨床現場では、発熱の定義(38.3°C)は満たさないものの、CRP(>30 mg/L)やESRが持続的に高い症例に遭遇します。
これを「原因不明の炎症(IUO: Inflammation of Unknown Origin)」と呼びます。
IUOもFUOと同様の疾患スペクトラム(特にNIIDやリンパ腫)を持つため、FUOと同様の6ステップでアプローチすることが推奨されます。

侵襲的検査(生検)のロジック

闇雲な骨髄生検や肝生検は推奨されません。

  • 骨髄生検の適応: 血球減少(Hb <11 g/dL, Plt <15万)や、PET/CTでの集積がある場合に、血液腫瘍を狙って行います。
  • 肝生検の適応: 肝酵素異常がある場合にのみ検討します。


6. 臨床の落とし穴:経験的治療の原則と予後

不明熱管理において、最も避けるべきは「焦り」です。

[!CAUTION] 原則として、診断が確定する前に抗菌薬やステロイドを投与(経験的治療)することは控えてください。 一時的な解熱は「診断を隠蔽」し、リンパ腫や結核の確定診断を絶望的に遅らせる結果を招きます。

治療を待つべきではない「緊急事態」

以下の例外に該当する場合は、診断確定前でも直ちに治療を開始します。

  • 巨細胞性動脈炎 (GCA): 失明や脳梗塞という不可逆的合併症を防ぐため、強く疑えばステロイドを開始します。
  • 血行動態が不安定な症例: ショック状態にある場合。
  • 結核の高蔓延地域で強く疑われる重症例。
カウンセリングの極意

徹底的な検査をしても診断がつかない症例の最大75%は、時間の経過とともに自然に軽快します。医師が「わからない」と伝えることは敗北ではありません。「現時点で生命を脅かす重篤な疾患(癌や深刻な感染症)は否定されており、時間とともに良くなる可能性が高い」という積極的な見通しを共有することが、患者の不安を解消する鍵となります。



7. まとめ:初学者のためのFUO診断チェックリスト

明日の回診から、このチェックリストをポケットに入れておいてください。

  • [ ] **最新のFUO定義(Delphi 2024)**を満たしているか?(38.3°C超が4回以上、3週間以上)
  • [ ] 標準検査セット(CBC, CMP, ESR, CRP, フェリチン, TSH, RF, ANCA, ANA, 血液培養, UA, HIV, IGRA, CT)をすべて完了したか?
  • [ ] **IUO(原因不明の炎症)**の基準(CRP >30 mg/L等)に当てはまっていないか?
  • [ ] 相対的徐脈PTH抑制を伴う高Caなど、特定の疾患を指し示すPDCを見落としていないか?
  • [ ] 身体診察を**「繰り返し」**行い、熱が出た瞬間の皮疹や血管の圧痛を確認したか?
  • [ ] 安易なステロイド投与で、リンパ腫や結核の姿を消してしまっていないか?
  • [ ] PET/CTが陰性の場合、**「自然軽快の可能性が高い」**と患者に説明できているか?

HPVワクチンをめぐる日本の"失われた8年"と、私たちが検証すべきこと

「子宮頸がんワクチン」という呼び方に、以前から違和感があります。 HPVワクチンが子宮頸がん予防に重要であることは間違いありません。日本では女子への定期接種として導入され、子宮頸がん予防を中心に説明されてきたため、この名称が広まった経緯も理解できます。 しかし、このワクチンが...