【武藏野大學】數據科學部學生論文獲工學與資訊領域國際期刊《IEEE Access》刊登
武藏野大學數據科學部三年級學生遠藤一護的論文在《IEEE Access》發表。該研究針對AI綠內障診斷的精度提升，分析了超過12,000張眼底影像，證實加入解剖學資訊對於提升診斷精度的效果有限，並強調了醫療AI在多元臨床環境下驗證泛化性能的重要性。
📋 文章處理履歷
- 📰 發表: 2026年5月26日 19:10
- 🔍 收集: 2026年5月26日 10:31
- 🤖 AI分析完成: 2026年5月28日 12:56（收集後50小時25分鐘）
武藏野大學（東京都江東區，校長：小西聖子）數據科學部數據科學科三年級學生遠藤一護所撰寫的論文，已發表於全球最大的工學與資訊領域學術團體IEEE（電機電子工程師學會）旗下的國際學術期刊《IEEE Access》。該論文同時收錄於IEEE學術論文數據庫「IEEE Xplore」，全球的研究人員與技術人員皆可查閱。
【研究內容】
本次發表的論文總結了關於提升AI綠內障診斷精度的研究成果。研究特別針對「加入視神經位置與形狀資訊是否真能提升診斷精度」進行了驗證。過去的研究多以單一醫院拍攝的約1,000張眼底影像為對象，證明AI診斷的有效性。而本研究為驗證該有效性在不同醫療環境下是否依然成立，利用了全球公開的開放數據，分析了包含19種數據集、共計12,000張以上的眼底影像。
研究結果顯示，雖然能對視神經區域進行高精度分析，但加入視神經資訊後對診斷精度的提升效果十分有限。即使在特定數據集中可見改善，但在不同的拍攝環境下，往往無法穩定地發揮足夠的診斷性能。
這項研究對於醫療AI領域廣泛採用的「加入解剖學資訊可提升診斷性能」這一觀點，提出了大規模數據驗證的重要性。此外，研究成果也指出，醫療AI若要應用於實際臨床現場，除了在單一環境下的高精度外，驗證其在多樣化拍攝環境下能否穩定運作至關重要。
【論文概要】
標題：「The Limited Utility of Segmentation Integration in Glaucoma Classification: A Large-Scale Diagnostic Evaluation」
作者：遠藤一護、福原慶久
刊登媒體：IEEE Access（第14卷）
頁碼：67738 – 67755
電子刊登：IEEE Xplore
發行日期：2026年5月4日
【各方評論】
■ 數據科學部三年級學生 遠藤一護：
「本研究透過多元的臨床數據，重新檢視了AI綠內障診斷的泛化性能。在分析12,000多張影像的過程中，我們發現了僅在特定環境下有效的方法在實務上的侷限性。希望這種基於實證的方法，能成為開發真正適用於臨床現場醫療AI的基石。」
■ 數據科學部講師 福原義久：
「這項研究證明了具備數據科學知識的學部生，也能跨領域對醫學研究做出貢獻。遠藤同學憑藉高超的技術，充分利用校內計算機資源完成了研究，期待他未來的表現。」
【研究內容】
本次發表的論文總結了關於提升AI綠內障診斷精度的研究成果。研究特別針對「加入視神經位置與形狀資訊是否真能提升診斷精度」進行了驗證。過去的研究多以單一醫院拍攝的約1,000張眼底影像為對象，證明AI診斷的有效性。而本研究為驗證該有效性在不同醫療環境下是否依然成立，利用了全球公開的開放數據，分析了包含19種數據集、共計12,000張以上的眼底影像。
研究結果顯示，雖然能對視神經區域進行高精度分析，但加入視神經資訊後對診斷精度的提升效果十分有限。即使在特定數據集中可見改善，但在不同的拍攝環境下，往往無法穩定地發揮足夠的診斷性能。
這項研究對於醫療AI領域廣泛採用的「加入解剖學資訊可提升診斷性能」這一觀點，提出了大規模數據驗證的重要性。此外，研究成果也指出，醫療AI若要應用於實際臨床現場，除了在單一環境下的高精度外，驗證其在多樣化拍攝環境下能否穩定運作至關重要。
【論文概要】
標題：「The Limited Utility of Segmentation Integration in Glaucoma Classification: A Large-Scale Diagnostic Evaluation」
作者：遠藤一護、福原慶久
刊登媒體：IEEE Access（第14卷）
頁碼：67738 – 67755
電子刊登：IEEE Xplore
發行日期：2026年5月4日
【各方評論】
■ 數據科學部三年級學生 遠藤一護：
「本研究透過多元的臨床數據，重新檢視了AI綠內障診斷的泛化性能。在分析12,000多張影像的過程中，我們發現了僅在特定環境下有效的方法在實務上的侷限性。希望這種基於實證的方法，能成為開發真正適用於臨床現場醫療AI的基石。」
■ 數據科學部講師 福原義久：
「這項研究證明了具備數據科學知識的學部生，也能跨領域對醫學研究做出貢獻。遠藤同學憑藉高超的技術，充分利用校內計算機資源完成了研究，期待他未來的表現。」
常見問題
遠藤一護さんの論文はどの学術誌に掲載されましたか？
世界最大級の工学・情報分野の学術団体IEEEの国際学術誌「IEEE Access」（第14巻）に掲載されました。
どのような研究内容ですか？
AIによる緑内障診断において、視神経の位置や形状情報を追加することで診断精度が向上するかを、12,000枚以上の大規模な眼底画像を用いて検証した研究です。
研究で明らかになった主要な成果は何ですか？
視神経領域の解析は高精度に行えたものの、その情報を追加しても診断精度の向上効果は限定的であり、異なる環境下では性能が不安定になる場合があることを明らかにしました。
この研究の意義は何ですか？
「解剖学情報を加えれば精度が上がる」という通説に対し、大規模データを用いた汎化性能検証の重要性と、実臨床での安定性の必要性を示した点にあります。
遠藤一護さんは他にどのような活動をしていますか？
学外のハッカソンでの優秀賞受賞や、技育祭2025での「ラムダ賞」受賞など、AI分野の技術開発にも積極的に取り組んでいます。