【論文掲載】染色体検査（G-band法）の前準備工程を支援するAIの更新事例が、日本臨床検査医学会誌に掲載されました
本論文は、第72回日本臨床検査医学会学術集会の シンポジウム2「AI時代を乗り切る人材育成」での発表内容をまとめた総説です。
【論文情報】
| 表題 | ： | 染色体G-band検査におけるAI活用と人材育成 ―衛生検査所におけるAI更新による前準備工程の効率化― |
| 著者 | ： | 山下英俊*1、中村伊織*1,2、竹中福太*1、市村剛*2 （*1 合同会社H.U.グループ中央研究所 基盤研究部 *2 株式会社エスアールエル） |
| 掲載誌 | ： | 日本臨床検査医学会誌 74(5): 576-586, 2026. |
| 掲載誌情報 | ： | メディカルオンライン（日本臨床検査医学会誌 74巻5号） |
【研究の概要】
染色体G-band検査は、造血器腫瘍や先天性疾患の診断で用いられる検査です。染色体の大きな構造異常や数の異常を、細胞1つずつ直接観察できます。
解析の前には、検査員が顕微鏡画像から染色体を1本ずつ分ける「切り出し」と、番号順（1～22番、X、Y）に並べる「並べ替え」を行います。1検体あたり約20細胞、延べ約920本の染色体を扱うため、この前準備は大きな負担となっていました。
SRLでは2017年に、この前準備を支援するAIを外部委託で導入しました。2025年には、このAIを社内開発（内製）で全面的に更新しています。
【主な成果】
- 作業時間を約3割削減：更新後１年間の運用記録で、前準備工程の操作時間は更新前のAIと比べて平均30.8%短くなりました（幾何平均）。計画段階の見積（30%）とほぼ一致しています。
- 年間約1万時間の削減：実際の検査業務で削減された時間は、1年間の累計で約1万時間に達しました。
- 高い精度：2026年3月時点で、切り出しAIの平均適合率（AP75）は98.9％、並べ替えAIの正解率は94.5％でした。
- 現場の作業量に合わせた評価指標：一般的な精度指標が高いモデルの間でも、実際の作業量には差がありました。そこで「検査員の修正操作数」と「1検体あたりの総操作時間」を独自の指標として設計し、モデル選定に使いました
- 人材育成：AIの更新を通じて、検査部門のAIリテラシー向上と、研究開発部門との協力体制づくりにも取り組みました。
【よくあるご質問】
Q. 染色体検査で、AIは何に使われていますか？
A．本研究のAIは、解析の前に行う染色体の「切り出し」と「並べ替え」を支援します。切り出しにはTransformerベース、番号の判定と向きの判定にはCNNベースのAIモデルを使用しています。
Q. AIが染色体異常を判定するのですか？
A. いいえ。当社では、AIを検査の前準備の工程（染色体画像の切り出し・並べ替え）に限って使用しています。染色体異常の有無の判定にAIは使用していません。AIが処理した結果は、すべて検査員が確認し、必要に応じて修正します。そのうえで、染色体異常の有無は従来どおり検査員が判定します。
前準備の作業をAIが手伝うことで検査員の作業負担が減り、検査員は判定により集中できるようになりました。
Q. 他の検査室でも同じ効果が得られますか？
A. 効果の大きさは、処理する検体数、疾患の構成、検査の運用体制によって変わります。論文では、AIを導入・更新する際の評価方法や運用上の工夫についてもまとめています。
以上
