DeepHealth 乳房超音波AI FDAクリアランス、読影37%短縮
2026年7月30日、RadNetの子会社DeepHealthが、スキャンと読影の最中に乳房の病変を検出、記述、報告するAIツールの510(k)クリアランスを発表し、DeepHealth 乳房超音波AI FDAクリアランスが実現しました。同社によると、放射線科医16人による研究で、ツールは読影時間を37%短縮しました。画像診断の事業者にとっては、すでに償還コードがあり、術者に左右される検査を狙ったもので、RadNetだけで年間推定70万件を超える検査が対象になります。
乳房超音波の標準化が難しい理由
乳房超音波は、プローブを持つ人と画像を読む人に大きく左右されます。RadNet CaliforniaのWomen's Imaging医療ディレクターであるJason McKellop医師によると、女性の約40%が生涯のどこかでこの検査を受けます。
「術者に大きく左右される非常に複雑な検査であり、画像の取得、読影、報告に大きなばらつきが生じることがあります。」 — Jason McKellop医師、RadNet California
画像診断の事業者にとって、ばらつきは検査の遅れ、報告のむら、超音波技師の手作業による記録に費やす時間の増加を意味します。
FDAがDeepHealthについてクリアしたもの
FDAは、病変の検出、特性評価、報告を自動化するAIツールDeepHealth Breast Ultrasoundに510(k)クリアランスを与えました。マサチューセッツ州サマービルに拠点を置くDeepHealthは、NasdaqにRDNTで上場するRadNetの完全子会社です。
クリアランスにより、製品は米国の顧客が商業的に利用できます。DeepHealthは、マンモグラフィ、乳腺密度の評価、乳がんリスク予測のAIツールとともに、業界で最も包括的な乳房プラットフォームの一部になったとしています。
スキャンと読影の中でAIがどう働くか
このツールは、検査の4つの段階をカバーします。検出では、標準的な超音波画像の中から、読影する医師が疑わしい軟部組織の病変を見つけるのを助けます。特性評価では、ACR BI-RADSに沿って、各病変の形状、向き、辺縁、エコーパターン、後方の特徴を記述します。
その後、主要な所見と印象の放射線レポートを下書きし、最終的な評価は放射線科医が握ります。超音波技師には、病変の測定値やその他の所見を標準の形式で抽出して整理し、手作業の記録と検査全体の時間を減らすことを狙います。
研究結果が示すもの
DeepHealthは、画像センターと病院の米国の専門医認定を受けた放射線科医16人による、複数読影者・複数症例の研究から3つの結果を報告しています。同社によると、ツールは乳房病変の位置特定で98%を超える精度を示し、乳がん検出の感度を8%改善し、放射線科医の読影時間を37%減らしました。
RadNetはまた、規制に沿った研究プロトコルの下で、実際の臨床の場でもツールを検証したとしています。これらの数字は同社自身のもので、プレスリリースは研究の全体を公表していません。
画像診断センターにとっての変化
事業としての根拠は、支払いとスループットにあります。顧客は、定量的な超音波組織特性評価のための既存のカテゴリーIII CPTコードによる償還を求められます。RadNetは今年末までにネットワーク全体にツールを導入する計画で、償還の対象となりうる乳房超音波検査は年間推定70万件を超えます。
RadNetの最高経営責任者Howard Berger医師は、年の後半の導入が収益とコスト削減の両方に寄与すると見込んでいると述べました。これは予測です。DeepHealth製品を販売するデジタルヘルス部門の年間経常収益は、2026年6月30日時点で1億550万ドルで、前年から97.2%増えました。
DeepHealthがRadNetの外でどう販売するか
DeepHealthの製品は、すでに親会社の外にも販売されています。RadNetによると、外部の顧客がデジタルヘルス収益の約63%を生み出しており、第2四半期に契約した新規事業の総契約額は約2100万ドルで、大半は病院と医療システムとの契約です。RadNetは442の自社運営の外来画像センターを持っており、超音波ツールは外部の買い手に届く前に大きな最初の拠点を得ています。
よくある質問
DeepHealth Breast Ultrasoundは何をしますか?
超音波技師と放射線科医を支援し、疑わしい病変を検出し、ACR BI-RADSに沿って特性を評価し、放射線レポートを下書きし、病変の測定値を整理します。最終的な評価は放射線科医が握ります。
AIによる乳房超音波は、医療機関が償還を受けられますか?
DeepHealthによると、はい。米国の顧客は、定量的な超音波組織特性評価のための既存のカテゴリーIII CPTコードによる償還を求められます。
RadNetはいつ、センター全体でツールを使いますか?
DeepHealthによると、ソリューションは今年末までにRadNetのセンターのネットワーク全体に導入されます。
MOZGIIの視点
私たちならこう作ります
医療でロボットやAIが最も役に立つのは、作業が反復的で、測定でき、確認しやすい場面です。位置決め、測定、記録、専門医が最初に見るべきものへのフラグ付けです。乳房超音波はその条件に当てはまります。画像は標準的で、記述はACR BI-RADSに従い、放射線科医はすでにすべての報告に署名します。
こうしたツールを作るなら、データから始めます。超音波画像、超音波技師の測定値、放射線科医の最終的なBI-RADSの記述、そして、あれば、がんを確定または否定する生検の結果です。モデルが病変の記述と報告を下書きし、放射線科医がすべての下書きを承認または修正します。修正はすべてレビュー用のセットに戻し、モデルと専門医が食い違う箇所をチームが見られるようにします。DeepHealthと同じく、最終的な評価は医師に残します。
画像が学習データと違うところで壊れます。新しい超音波装置、新しい拠点、走査の癖が違う超音波技師などです。多数のセンターに展開した後に、結果が静かにずれていく可能性があります。追跡する指標は1つ、放射線科医がAIの下書きの報告を変更する頻度で、拠点別、装置別に追います。変更率の上昇が、モデルがもうクリニックに合っていないことを示す最も早いサインだからです。
次に、画像が読影に十分でないときに、検査中に超音波技師へ知らせる、スキャン品質のチェックを作ります。
出典
この記事の事実の出典です。