インタラクティブな放射線レポート作成のための離散拡散言語モデル

AI（人工知能）の進化は目覚ましいですが、特に医療分野での活用は、私たちの健康や命に直結するため、非常に慎重に進められています。これまで、医療現場で使われるAI、特に「医療基盤モデル」と呼ばれるものは、文章を左から右へと順番に作っていく「自己回帰型」という方式がほとんどでした。これは、人間が文章を書くのと似たイメージですが、どうしても時間がかかってしまうという課題がありました。

そんな中、新しい技術が登場しました。それが「拡散言語モデル」というものです。これは、文章を生成する際に、最初から完璧な文章を作ろうとするのではなく、ノイズ（雑音）だらけの状態から、少しずつノイズを取り除いていくことで、より自然で質の高い文章を作り出すという考え方です。まるで、ぼんやりとした絵に少しずつピントを合わせていくようなイメージでしょうか。この技術は、一般的な文章生成では自己回帰型に匹敵する性能を示していましたが、医療分野への応用は遅れていました。

今回、この拡散言語モデルを医療分野、特に放射線科のレポート作成に応用するための研究が進みました。研究チームは、「DiffusionGemma-26B」という拡散言語モデルを、医療画像に関する質問応答のデータを使って訓練しました。そして、同じ規模の自己回帰型モデル「Gemma-4-26B」と比較したのです。その結果、驚くべきことが分かりました。拡散言語モデルは、自己回帰型モデルと同等か、それ以上の性能を示したのです。さらに、ファインチューニング（微調整）されたモデルでは、最先端の画像と文章を扱うAIとも戦えるレベルに達しました。しかも、文章を作り出すスピードは3.5倍から4.4倍も速いというのですから、これは大きな進歩と言えるでしょう。

この拡散言語モデルのすごいところは、スピードや性能だけではありません。放射線科医にとって非常に役立つ「ドラフト作成機能」があるのです。これは「任意の順序でのインフィル」、つまり、レポートの途中の一部を修正したり、書き加えたりすると、AIがその前後の文章を自然に補完してくれるという機能です。例えば、レポートの特定の箇所に間違いを見つけた場合、その部分だけを修正すれば、AIが残りの文章を自動で整えてくれるのです。これは、医師の負担を大きく減らし、より迅速かつ正確なレポート作成を可能にするかもしれません。