乳がんリスクAI検査が米国拡大、マンモ画像で予防医療は変わるか

マンモ画像が予防情報になる転換点

米国で、通常の乳がん検診に使われるマンモグラフィ画像から、今後5年以内に乳がんと診断されるリスクをAIで推定するサービスが全国展開されました。対象となるのはClairityの「Clairity Breast」で、FDAでは「Allix5」としてDe Novo承認を受けたソフトウェア医療機器です。

重要なのは、このAIが「いま写っているがんを見つける装置」ではない点です。放射線科医の読影後に、画像に含まれる微細なパターンをもとに将来リスクを数値化し、追加検査や予防策を医師と相談する材料にする仕組みです。乳がん検診が、がんの有無を確認する場から、リスクに応じた予防設計の起点へ広がる可能性があります。

背景には、米国で乳がんが女性に最も多いがんの一つであり続けている現実があります。米国がん協会は2026年、女性の浸潤性乳がん新規診断を約321,910例、死亡を約42,140人と推計しています。死亡率は1989年以降44%低下した一方、罹患率は近年上昇傾向にあり、50歳未満では上昇ペースがやや速いとされています。

Clairity Breastの仕組みと利用条件

FDA承認が示す用途と限界

Clairity Breastは、両側のスクリーニング用マンモグラムを解析し、その撮影時点から5年以内に乳がんと診断される、または乳がんを発症する確率を推定します。FDAのDe Novo文書では、機器分類はクラスII、製品コードはSEZ、規制番号は21 CFR 892.8500です。De Novo申請は2024年9月6日に受理され、2025年5月30日に承認判断が出ています。

解析対象は、HologicのLorad SeleniaおよびSelenia Dimensionsで取得された直接取得2D画像です。合成2D画像や、デジタル乳房トモシンセシス画像そのものは対象外です。4つの標準ビューを入力し、PACSからDICOM画像を受け取り、HL7経由でリスク値を返す設計です。つまり、単体アプリというより、医療機関の画像情報システムに組み込まれるSaMDです。

FDA文書は限界も明確にしています。Allix5は乳がんを診断・検出するものではなく、治療方針を直接指示するものでもありません。結果は読影終了後に医療者が参照する補助情報であり、単独で意思決定に使うことは想定されていません。さらに、乳房インプラントがある患者では有効性が示されておらず、5%を超えるスコア、特に10%を超えるスコアは過大評価の可能性に注意が必要です。

性能評価では、5つの米国検証施設から集めた77,511件の検査、44,112人の患者データが用いられました。全体集団での5年AUCは0.70、現時点のがんを除外した集団では0.66でした。AUCは、将来乳がんになる人とならない人をどれだけ識別できるかを示す指標で、1.0に近いほど識別性能が高い値です。FDAは、全体では事前に定めた性能基準を満たしたと判断しましたが、サブグループごとの校正には課題も残りました。

249ドルで始まる消費者向け導線

2026年10月1日、EverlywellはClairity Breastを全米の消費者向けプラットフォームで提供すると発表しました。これにより、過去12カ月以内の条件を満たすスクリーニング用マンモグラムがある人は、新たな撮影をせずにAIリスク評価を申し込めるようになりました。価格は249ドルで、FSAやHSAの利用も案内されています。

Everlywellの説明では、購入後に利用者が過去のマンモグラム情報を入力し、医療記録の取得同意を行います。Clairity側が画像施設から画像を取り寄せ、適合する画像であれば解析し、結果はMyEverlyのポータルに提供されます。画像が取得できない、または互換性がない場合には返金される仕組みです。

リスク区分は、5年リスクが1.7%未満なら平均リスク、1.7%から2.9%なら中間リスク、3.0%以上なら高リスクとして説明されています。中間または高リスクでは、医療者と追加スクリーニングやリスク低減策を相談することが促されます。年1回の再評価も推奨されていますが、これは標準的な検診の継続を置き換えるものではありません。

利用対象にも制限があります。Everlywellは18歳未満、現在乳がん治療中の人、BRCA1やBRCA2など高浸透率の遺伝子変異が知られている人を対象外としています。Clairityの安全情報も、既知の乳がん関連遺伝子変異がある患者への使用を避けるべきだと示しています。遺伝性リスクが高い人には、画像AIよりも遺伝カウンセリングや専門的なハイリスク診療が優先されるためです。

AIリスク評価が既存モデルを補う理由

家族歴中心モデルの空白

従来の乳がんリスク評価では、年齢、初潮年齢、出産歴、家族歴、過去の乳房生検、乳腺濃度などを使うモデルが中心でした。GailモデルやTyrer-Cuzickモデル、BCSCモデルは臨床現場で広く知られています。ただし、これらは入力情報の取得に手間がかかり、家族歴を正確に把握できない人や、既存モデルの開発集団と背景が異なる人では限界が出ます。

マンモグラフィ画像AIの発想は、乳腺濃度という粗い指標だけでなく、画像全体の微細な構造を学習する点にあります。乳腺の左右差、組織パターン、過去の症例群と似た特徴など、人間が明示的に言語化しにくい情報をリスク推定に使います。これは、検診画像を「がんの有無を見る写真」から「将来リスクを含むデータ」に読み替える技術的転換です。

この発想は、濃い乳房への対応とも重なります。米国では2024年9月から、マンモグラフィ施設に乳腺濃度の通知が義務づけられています。濃い乳房は、がんをマンモグラム上で見つけにくくし、乳がんリスク自体も高めるとFDAは説明しています。一方で、USPSTFは、濃い乳房だけを理由に超音波やMRIを追加する利益と害のバランスについて、十分な証拠がないとしています。

ここにAI評価の余地があります。乳腺濃度は重要な情報ですが、濃いか濃くないかの二分法では、個人差を十分に表現できません。濃くない乳房でも将来リスクが高い人はおり、濃い乳房でも追加検査の利益が小さい人はいます。画像AIがより細かな層別化をできるなら、限られたMRI枠や医療費を、より必要な人に振り向ける手がかりになります。

査読研究が示す画像AIの上乗せ

画像AIによる乳がんリスク予測は、Clairity Breastだけで突然現れた技術ではありません。Miraiをはじめとする深層学習モデルでは、マンモグラムから1年から5年先のリスクを推定する研究が積み重ねられてきました。複数国の施設を含む検証では、モデルが施設や集団をまたいでも一定の性能を保つ可能性が示されています。

2024年にJournal of the American College of Radiologyに掲載された系統的レビューでは、2012年から2022年9月までの研究を調査し、16本の研究を対象にしました。AUCを報告した14研究では、画像のみのAIモデルの中央値が0.72、乳腺濃度や臨床リスク因子ベースのツールが0.61でした。早期研究段階ながら、画像AIが従来のリスク評価を上回る可能性を示す結果です。

2023年のRadiology研究では、Kaiser Permanente Northern Californiaのデータを用い、陰性のスクリーニングマンモグラムを5つのAIアルゴリズムで評価しました。5年リスク予測のAUCは、BCSC臨床リスクモデルが0.61だったのに対し、AIは0.63から0.67でした。AIとBCSCを組み合わせると0.66から0.68となり、画像情報と臨床情報を統合する方向も有望です。

2026年のJAMA Network Open研究では、67,019人の女性における123,091件のスクリーニングマンモグラムを解析しました。深層学習モデルは5年以内の乳がん予測でAUC 0.71を示し、乳腺濃度単独の0.53を上回りました。高リスク群では5年以内のがん発生率が6.2%で、低リスク群の1.0%より高く、偽陰性のスクリーニング結果もリスク層に沿って増えていました。

ただし、AUCが高いことは、すぐに健康アウトカムの改善を意味しません。検診戦略として価値があるかは、追加MRIでどれだけ早期発見が増えるか、偽陽性や生検がどれだけ増えるか、不安や費用負担がどの程度か、死亡率や進行がんを減らせるかで判断されます。研究室の予測性能と、現場で患者が得る利益のあいだには、まだ検証すべき距離があります。

全国展開で問われる精度と公平性

今回の全国展開で最も大きい論点は、AIが「誰にどの行動を促すのか」です。1.7%や3.0%という数値は、患者にとって直感的に理解しにくいものです。平均リスクと言われてもゼロではなく、高リスクと言われても必ず乳がんになるわけではありません。結果の伝え方が粗いと、必要な受診を控える人や、逆に過剰な不安から不要な検査へ進む人が出ます。

FDA文書も、過大評価と過小評価のリスクを明記しています。過小評価は追加検査の機会を逃す可能性があり、過大評価は不必要な画像検査や予防薬、心理的負担につながります。特に5%を超えるスコアでは、校正の問題が目立つ可能性があります。AIの数値は精密そうに見えますが、絶対的な未来予測ではなく、似た画像特徴を持つ集団の統計的推定です。

公平性も重要です。FDAの検証集団にはBlackまたはAfrican Americanの検査が37%含まれ、Clairityは多様な患者集団での検証を強調しています。これは、従来モデルが白人中心のデータから作られた歴史を考えると大きな意味があります。ただし、FDA文書では、アジア系、50歳未満、65歳以上、乳房インプラントありの一部サブグループで校正の不確実性が示されています。導入後の実データ監視が不可欠です。

費用とアクセスも見逃せません。249ドルで直接申し込めることは、医療機関にすぐ導入されない地域の利用者にとって入口になります。一方で、自費負担が前提なら、リスク評価を受けられる人と受けられない人の差が広がる恐れがあります。高リスクと判定された後のMRI、遺伝相談、予防薬相談が保険でどう扱われるかも、実際の有用性を左右します。

受診者が確認すべき三つの視点

Clairity Breastの全国展開は、乳がん検診AIが研究段階から商用サービスへ移る象徴的な出来事です。技術的には、既存のマンモグラフィ画像から新しい予防情報を引き出す点に価値があります。臨床的には、家族歴や乳腺濃度だけでは拾いにくいリスク層を見つけ、追加スクリーニングやリスク低減策の相談を早める可能性があります。

受診者が確認すべき点は三つです。第一に、自分のマンモグラムが対象機器と画像形式に合うか。第二に、AI結果が診断ではなく、医師と相談するためのリスク情報であること。第三に、高リスク判定の後に、MRI、遺伝相談、薬による予防、生活習慣改善などを現実的に選べる医療体制があるかです。

AIは、乳がん検診を「全員に同じ頻度で同じ検査」から「リスクに応じた検査と予防」へ近づける道具になり得ます。ただし、その価値はアルゴリズム単体では決まりません。正確な説明、保険制度、医療者の判断、そして導入後の公平性監視がそろって初めて、画像AIは予防医療の実力を発揮します。

参考資料:

• FDA De Novo Classification Request for Allix5
• FDA Device Classification Under Section 513(f)(2) DEN240047
• Clairity Patients
• Clairity About
• Clairity Breast Indications, Warnings and Precautions
• Everlywell Brings Clairity’s FDA-Authorized AI Breast Cancer Risk Assessment to Women Nationwide
• Clairity Breast Cancer 5-Year Risk Assessment | Everlywell
• NCCN Guidelines Update Recommends Breast Cancer Screening at Age 35 for High-Risk Women Identified by AI
• Clairity Announces Update to NCCN Guidelines to Include AI Mammogram-Based Risk Tool
• A Deep Learning Breast Cancer Risk Model for Precise Supplemental Screening
• Key Statistics for Breast Cancer | American Cancer Society
• Breast Cancer: Screening | USPSTF
• ACS Breast Cancer Screening Guidelines
• FDA Final Rule to Amend the Mammography Quality Standards Act