セキュリティ & アイデンティティ

プライバシー重視の AI で脳腫瘍研究を後押し

2026年8月21日

Rene Kolga

Sr. Cloud Security Product Manager, Google Cloud

Peter Mattson

Software Engineer, Google

Gemini を今すぐお試しください

職場での AI 活用、その入り口に

今すぐ試す

※この投稿は米国時間 2026 年 8 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。

医療と AI の融合は、目覚ましいイノベーションをもたらしています。しかし現在、開発者は患者のプライバシー保護と、実世界の多様なデータに基づく検証と評価を両立させた、信頼性の高い医療 AI ツールを構築するという難題に直面しています。Google Cloud は、戦略的なコラボレーションと Confidential Computing を組み合わせてこの難題にアプローチしています。

検証プロセスにおいて患者のプライバシーと AI モデルの両方を保護するために、Google は MedPerf イニシアチブを通じて MLCommons と連携しています。今年の Google Cloud Next で初めて発表されたこのパートナーシップは、Confidential Computing を活用して、実際の環境で AI モデルをベンチマークするための安全なデータクリーンルームを確立するものです。

課題: データを見ることなく AI を評価する

テクノロジー業界と学術界に 125 以上のメンバーを擁するグローバルコミュニティである MLCommons は、医療 AI の評価を標準化するため、2023 年に MedPerf を立ち上げました。AI モデルのベンチマーク用オープンソースプラットフォームである MedPerf は、連携評価によるモデルテストを通じて臨床研究を推進しています。

Google Cloud Confidential Space を使用すると、ハードウェアで分離された高信頼実行環境（TEE）内で独自の AI モデルを評価できます。この特別な仮想マシンは、実行中のメモリを暗号化し、オペレーティングシステムを強化するため、病院や研究機関、その他の参加者、さらには Google であっても、評価中にモデルコードや患者データを閲覧することはできません。

医療 AI のベンチマークには高いコンピューティング負荷がかかるため、Confidential VM は CPU だけでなく GPU にも拡張されています。GPU 加速推論時においてもモデルの重みと患者データを保護するため、MedPerf は NVIDIA H100 GPU を搭載した Google Cloud の A3 マシンシリーズ上で稼働します。このシステムは、CPU の Intel TDX テクノロジーと GPU の NVIDIA Confidential Computing を組み合わせた構成となっています。

患者データがワークロードに投入される前に、システムは、承認されたコードのみが正規の Confidential Computing ハードウェアで実行されていること、および環境が適切にセキュリティ強化されていることを暗号によって証明します。

https://storage.googleapis.com/gweb-cloudblog-publish/images/image1_mNtQKea.max-2000x2000.png

実世界における医療 AI の評価: MedPerf と GCP Confidential Computing のデモ

ML Commons MedPerf が Google Cloud Confidential Computing と連携し、医療 AI モデルの安全な実環境評価を実現する仕組みをご紹介しています。

理論を大きな成果へ: 脳腫瘍研究のさらなる進展

このテクノロジーは、Federated Tumor Segmentation（FeTS）イニシアチブを通じて、すでに極めて重要な研究を推進する原動力となっています。膠芽腫などの脳腫瘍は症例数が少ないため、単一の病院だけで AI トレーニングの精度を高めるのに十分なデータを収集することは困難です。

さらに厄介なことに、ある病院では完璧に機能するモデルが、患者の属性、データの取得手法、さらには機器の差異により、別の病院では十分な性能を発揮できないケースがあります。

インディアナ大学の Spyridon Bakas 博士、ノースウェスタン大学の Yury Velichko 博士、カナダのアルバータ大学の Amber Simpson 博士といった先見の明のある研究者の協力を得て、Google Cloud 上の MedPerf は世界各地の脳 MRI の非公開データで AI モデルを検証し、潜在的なパフォーマンスギャップを特定しています。

たとえば、あるサイトでは 95% の精度を発揮するモデルが、別のサイトでは 63% の精度しか達成できない場合があります。Google の協働的アプローチは、臨床現場に届く AI ツールが、特定の層に偏らない真に代表的な患者集団で機能することを保証するものです。

臨床現場での信頼確立と検証

このコラボレーションによる成果は、臨床研究の最前線にいる方々の言葉に最もよく表れています。

ノースウェスタン大学放射線科准教授の Yury Velichko 博士は次のように述べています。「Google Cloud でのフェデレーションラーニングのテストを通じて、医療 AI の未来は、安全かつスケーラブルな、共同研究に適したクラウド環境にあることがわかりました。管理された研究室レベルの環境から一歩踏み出し、本番環境対応のインフラストラクチャでこれらのワークフローを検証できたことは、実際の臨床アプリケーションにおけるフェデレーションラーニングのパフォーマンスとセキュリティを評価する、またとない機会となりました。」

MLCommons の MedPerf リードである Alexandros Karargyris 氏は次のように語っています。「医療 AI は世界中の患者に多大な恩恵をもたらす可能性を秘めています。しかしそれを実現するには、評価に用いるベンチマークが臨床医、研究者、規制当局から信頼されるものでなければなりません。MedPerf を Google Cloud の Confidential Computing インフラストラクチャ上に構築することで、プライバシー、知的財産、ベンチマークの整合性を損なうことなく、実際の患者データで AI モデルを厳密にテストできる未来に向けた大きな一歩を踏み出せました。」