Column
希少疾患の診断に、AIは本当に使えるか——無作為化臨床試験で21ポイント向上を記録したLLM「RaDaR」の実力
320億パラメータのオープンソース推論LLM「RaDaR」を使った医師支援の無作為化臨床試験で、診断正答率が約21ポイント向上した。地方病院や専門医不在地域での希少疾患診断支援に向けた実装案を解説する。
こんにちは。Affectosphere Group の井下です。
「希少疾患の診断には平均7年かかる」という話を聞いたことがあると思います。
患者が何人もの医師をたらい回しにされ、ようやく正確な診断に辿り着く——その間に進行した病状は取り戻せない。希少疾患の診断遅延は、世界中で未解決のままになっている深刻な課題です。
2026年6月にarXivで公開された研究（Chen et al., arXiv:2606.24510）は、この問題にLLMで真正面から向き合っています。しかも「机上の実験」ではなく、実際の医師を対象にした無作為化臨床試験というかたちで。
今日の3点
- 希少疾患に特化した320億パラメータのオープンソースLLM「RaDaR」を開発。49,170件の実臨床症例と104,666件の合成症例で訓練している。
- 無作為化臨床試験で、RaDaR支援群の医師はインターネット検索のみの対照群より診断正答率が約21ポイント高かった。
- 遡及的なケース分析では、約61%の症例で電子カルテに記録された確定診断日より早い段階に「診断の手がかり」が存在していたことを発見した。
① 無作為化臨床試験という選択の重みを理解する
LLMの医療応用研究の多くは、ベンチマークデータセットでの性能評価に留まります。「GPT-4よりAccuracyが高い」という類の比較です。
この研究が異なるのは、実際の医師を対象に無作為化試験を設計した点です。RaDaR支援群と対照群（インターネット検索のみ）に医師をランダムに割り振り、同じ症例で診断を競わせています。
臨床試験という設計は、AIが「賢いシミュレーション」ではなく「実際の医師の判断を変える」かどうかを問うことを意味します。この問いに正面から答えた研究は、まだ非常に少ない。
そして結果は、約21ポイントの向上でした。統計的な数値であることに注意は必要ですが、これは医療現場で使える差です。
② 49,170件の実症例がモデルを変える
RaDaRが一般的なLLMと異なる根拠のひとつが、訓練データの構成です。
フリーテキスト形式の実臨床症例49,170件に加え、合成症例104,666件でモデルを訓練しています。希少疾患は定義上「データが少ない」領域ですが、公開症例の丹念な収集と高品質な合成データで補完することで、実用レベルの訓練コーパスを構築しています。
さらにRaDaRは、一般的なLLMが苦手とする「段階的な推論」に特化して設計されています。症状→鑑別疾患→確定根拠という医師の思考プロセスに沿った推論ができるよう訓練されている。
これは汎用LLMとの本質的な違いです。GPT-4やClaudeに希少疾患の症状リストを貼り付けても、それらはあくまで「言語的に自然な回答」を生成します。RaDaRは希少疾患診断の論理構造を学習している。
③ 61%の症例に「もっと早く診断できた」証拠があった
遡及的分析の結果は、見逃しにくい数字を示しています。
調査した症例の約61%で、電子カルテに記録された確定診断日より前の段階に、診断につながる手がかりが残っていました。
つまり情報はカルテの中にあった。ただ、散在する記録をつなぎ合わせて希少疾患の可能性に気づく余裕が、現場の医師になかっただけです。
RaDaRのような支援ツールが電子カルテに統合されていれば、この61%の症例で診断が早まっていた可能性があります。「7年」が「4年」になるだけでも、患者の人生は大きく変わります。
医療機関への実装提案——どう試すか、KPIをどう設定するか
想定するのは、希少疾患・難病外来を持つ中規模以上の病院と、そのシステム部門・医療情報部です。
まず実装の形として有望なのは、電子カルテへのRaDaR統合です。
主訴・現病歴・検査値・家族歴を入力として、鑑別疾患リストと各疾患の根拠スコアを出力するアシスタント機能として実装します。RaDaRはオープンソースモデルなので、自院の電子カルテシステムにAPIとして組み込むことが可能です。クラウドに患者データを送らず、オンプレミス環境で動作させる選択肢もある。
次に部署の観点では、希少疾患外来または確定診断までに複数診療科をまたいでいるケースを扱う集学的チームでのパイロット運用から始めるのが現実的です。全科への展開は、パイロット後の効果測定次第で判断する。
KPIとして設定すべき指標は3つ考えられます。
1つ目は「最初の鑑別リストへの正解疾患の含有率」——AIが出した上位5疾患の中に確定診断が入っていたかの割合です。医師の見落とし防止の観点で最もシンプルな指標になります。
2つ目は「確定診断までの日数」です。RaDaR導入前後で同等の症例群を比較し、診断期間の短縮を測定します。これが最終的にビジネスインパクトを示す指標になります。
3つ目は「医師の受け入れ率」——外来でRaDaRの提案を実際に参照した割合です。精度がどれだけ高くても、医師に使われなければ意味がない。UXの改善指標として追跡します。
「専門医がいない地域」こそ最大の適用先
このモデルが最もインパクトを発揮できる場所は、大都市の大学病院ではないかもしれません。
希少疾患の専門医は集中しています。地方病院の総合内科医は、一生のうちに数例しか会わない疾患を正確に診断しなければならない。そこでRaDaRのような専門的推論を持つLLMが補助に入ることの価値は、専門医が揃った施設とは比較にならないほど大きい。
MedTech企業が地方医療機関に向けてこのモデルを活用した診断支援SaaSを構築するシナリオは、商業的にも社会的にも説得力があります。保険会社の立場からも、早期確定診断は無駄な検査費用の削減に直結するため、導入支援のインセンティブが働きやすい。
オープンソース設計は、こうした多様な展開を後押しします。特定の疾患領域に特化してファインチューニングすることも、技術的には開かれています。
まとめ——AIが「診断の壁」を下げる
RaDaRが示したのは、希少疾患診断という高度に専門化された領域でも、適切に訓練されたLLMが医師の判断を有意義に補完できるという証拠です。
無作為化試験という厳格な検証を経た約21ポイントの向上は、医療AIの文脈で珍しく説得力があります。そして61%という遡及的発見の数字は、診断支援AIの普及が「将来の話」ではないことを示唆しています。
では！
参考論文
- Haichao Chen, Songchi Zhou, Zhengyun Zhao, Shikai Hu, Xianghong Jin, Hongwei Ji, Li He, Shuli Li, Yiming Qin, Xin Tan, Runfeng Shi, Yih Chung Tham, Jiaye Zhu, Ye Li, Ye Jin, Longhao Cao, Dawei Li, Honghan Wu, Hongqiu Gu, Guanqiao Li, Tudor Groza, Chunying Li, Dian Zeng, Weihong Yu, Gareth Baynam, Saumya Shekhar Jamuar, Min Shen, Shuyang Zhang, Bin Sheng, Sheng Yu, Tien Yin Wong (2026). A specialized reasoning large language model for accelerating rare disease diagnosis: a randomized AI physician assistance trial. arXiv preprint.
※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。