マンモグラフィは乳がん検診のゴールドスタンダードだが、そのガイドラインは「○○歳〜××歳の女性は毎年マンモグラフィを受けるべき」といった画一的な設定にならざるを得ず、個人に最適化した検診を行うためのデータ活用とツール開発は遅れている。米MITコンピュータサイエンス・人工知能研究所（CSAIL）の研究者らは、「機械学習を用いて、個別最適化した検診を行う技術」を開発している。
MITのリリースでは、リスクベースの検診ガイドラインを作成するツール「Tempo」を紹介している。Tempoは、誰がどのタイミングで検診および診断を得たかを解析するAIモデルを用い、6ヶ月後や3年後といった個人ごとに最適なマンモグラフィの再受診時期を推奨する。幅広いスクリーニング設定に対応し、利用する臨床医はツールに対して新たなトレーニングの必要なく、早期発見とコストのトレードオフを選択できる。モデルを外部検証したスウェーデンのカロリンスカ研究所では、Tempoの利用によって従来の定型的な年1回の検診よりも優れた早期発見を達成しながら、マンモグラフィの必要施行数は全体で25%削減されたとする。米マサチューセッツ総合病院（MGH）では、早期発見の効果は約4.5ヶ月分とシミュレートされている。Tempoの検証成果はNature Medicine誌に発表された。
インタビューに対し、論文著者でCSAILの博士課程在籍中のAdam Yala氏は「Tempoのフレームワークは柔軟で、リスクモデルやアウトカム指標がさらに洗練されていくことで、実用性の向上が期待できる。この技術をがん検診の個別化に役立てたい」と語っている。
関連記事：
