Lunit、病院業務からがんバイオマーカーまで…「医療AI」を全方位で拡大
TECHWORLD ·
✦ AI 要約
Lunitは科学技術情報通信部の「AI特化型ファウンデーションモデル」プロジェクトを完了し、医療特化型ファウンデーションモデル「LearningUnit 2.0」を公開した。
LearningUnit 2.0は300億パラメータ規模で設計され、実際の有効化パラメータは50億個水準であり、医療機関内部で稼働できるよう軽量化された。
LunitはHugging Faceにこれをオープンソースとして公開し、SITC 2026でAIバイオマーカー共同研究の結果も発表した。
BizCrushWant to follow Korean talks and live streams in real time?Try BizCrush Live
Lunitが医療AIの適用範囲を拡大している。Lunitは科学技術情報通信部の「AI特化型ファウンデーションモデル」プロジェクトを完了し、医療特化型ファウンデーションモデルである「LearningUnit 2.0」を開発して公開した。LunitはLearningUnit 2.0の開発事実を6日に発表した。
LearningUnit 2.0は300億パラメータ規模で設計された。ただし、実際の有効化パラメータは50億個水準である。これにより、LearningUnit 2.0は医療機関内部で稼働できるよう軽量化された。
このプロジェクトには23の産・学・研・病の参加機関がともに参加した。Lunitは約10カ月間コンソーシアムを主導した。Lunitはモデル開発を進め、医療現場での実証も行った。
Lunitは開発成果物をHugging Faceにオープンソースとして公開した。あわせて、米国免疫腫瘍学会(SITC 2026)でAIバイオマーカーの共同研究結果を発表した。
LearningUnit 2.0は、医療質問応答を超えて実際の病院業務を支援することを目標に設計された。このシステムは、臨床意思決定、救急室患者のトリアージ、多診療科診療、薬剤有害反応評価、保険審査・請求を支援し、データ分析と判断根拠の提示を基盤に後続業務へつなげるよう構成された。
このような構成を確認するため、国民健康保険公団一山病院、建陽大学病院、高麗大学医療院など全国9の医療機関で約6カ月間の現場実証が進められた。多診療科診療の評価では、AIが提示した治療方針の86.2%が臨床的に妥当と評価された。救急室の重症度分類では、専門医判断と1段階以内で一致した割合が98%だった。また、薬剤有害反応の因果性判定でも、専門医判断と1段階以内で一致した割合が98%と示された。保険審査・請求の評価では、モデル回答の85.6%が実務活用可能な水準と評価された。
Lunitは、こうした個別の現場実証結果とともに、医療知識推論・引用の事実性・医療会話の安定性など主要ベンチマークでも目標性能を達成したと説明した。
LunitはAIベースのがんバイオマーカー研究を拡大している。Lunitはモデル開発と並行してAIバイオマーカー研究の範囲を広げており、その結果を4〜8日に米国アリゾナ州フェニックスで開催される「SITC 2026」で「Lunit Scope」を活用した2件のグローバル共同研究として発表する。
このうちLabcorpとの共同研究では、卵巣がん患者339人の組織を分析し、相同組換え修復欠損(HRD)の有無による差を調べた。分析の結果、HRD患者群は腫瘍内の分裂中細胞密度がHRP患者群に比べ約1.5倍高く示された。さらに、HRD患者群の腫瘍変異負荷(TMB)は1Mb当たり6.2個であり、HRP患者群の腫瘍変異負荷(TMB)は1Mb当たり3.1個で、HRD患者群のTMBがHRP患者群に比べ約2倍であることが確認された。
研究陣は続いて、H&E画像のみでHRDの有無を予測するAIモデルを適用した。その結果、AIが算出したHRDスコアは、ゲノム検査で測定したゲノム不安定性スコア(GIS)と統計的に有意な相関関係を示した。
LunitはCellCartaと共同研究を行い、筋層浸潤性膀胱がん患者を対象に免疫チェックポイント阻害薬治療の前後組織を分析した。今回の共同研究は、免疫チェックポイント阻害薬治療の前後組織における反応群と非反応群の免疫細胞分布と腫瘍細胞との距離の差を比較する内容である。分析の結果、治療反応群ではT細胞が腫瘍細胞に隣接する傾向が見られ、非反応群では免疫細胞の浸潤が少なかった。また、非反応群ではT細胞と腫瘍細胞の距離が相対的に遠かった。
Lunitは今回の結果について、免疫チェックポイント阻害薬の反応が免疫細胞数だけでなく、細胞の位置と空間構造との関連可能性を確認したものだと説明した。これを基にLunitは、AIベースの組織分析を活用してがん細胞と免疫細胞の分布を定量化し、がん細胞と免疫細胞の空間的関係を定量化する方策を構想している。あわせてLunitは、このような定量化結果を治療反応予測に活用する方策も推進している。
これに関連し、Lunitのソ・ボムソク代表は、LearningUnit 2.0が特定疾患・単一機能に限定されない病院業務全般支援モデルであると明らかにした。ソ代表はまた、医療現場での実証・グローバル共同研究を基盤に、臨床・研究で活用可能な医療AI技術の高度化を推進していると説明した。
出典：TECHWORLD · キム・スンギ 原文：https://www.epnc.co.kr/news/articleView.html?idxno=409369
参考資料
本記事は、TECHWORLDの原文をもとにBizCrushがAIを用いて要約・再構成・編集したものであり、TECHWORLDの原文そのものではありません。
出典 TECHWORLD
原文を確認本記事は、TECHWORLDの原文をもとにBizCrushが要約・編集したものです。正確な引用や詳細は原文をご確認ください。
Keep reading
BizCrush