← ニュース一覧
Databricks Blog2026年10月8日
医用画像AIの真のボトルネックはモデルではなくデータにある
英語原文から AI が翻訳しました。 英語版を見る
要約
医療画像AIにおける最大のボトルネックはモデルのアーキテクチャではなく、断片化されたデータインフラです。臨床およびR&Dへの影響を最大化するには、画像資産を集約し、大規模に匿名化し、EHR、オミックス、治験データと直接結びつけるガバナンスの効いたlakehouse基盤が必要です。
* **概要:** 病院、学術機関、医療機器メーカー、製薬業界において医用画像AIの成果が期待を下回る理由と、R&D全体でより強固なデータ基盤がどのようなものかを示す現場からの視点。 * **課題:** 画像は医療において最も豊富なデータである一方で、PACS、CRO、中央検査室にサイロ化され、匿名化が難しく、バイオマーカーや患者層別化を駆動する他のデータモダリティと連携されることがほとんどない、最も扱いにくいデータです。難しいのはモデルではなくデータです。 * **要点:** 最前線にあるのはより優れたモデルではなく、その下にあるデータ基盤です。画像を1か所でガバナンスし、クエリ可能にし、大規模に匿名化し、（ガバナンスされたlakehouseパターンを介して）EHR、オミックス、治験データとリンクさせます。データを正しく整えれば、モデルの構築は容易になります。