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。」

FACT BOX · 重點整理

  • 來源：PR TIMES
  • 分類：調查
  • 相關組織：IEEE (Institute of Electrical and Electronics Engineers)
  • 原文日期：2026年5月4日