発表の要点: RaDaRは何を示したのか
清華大学医学部、北京協和医院、上海交通大学などを含む研究チームが、希少疾患の診断に特化した推論AI「RaDaR」を発表しました。企業が出した商用LLMではなく、大学・病院・研究機関が共同で開発した医療特化型LLMです。ランダム化比較試験（RCT）で医師の診断精度を21ポイント以上引き上げた、という研究結果が報告されています。RCTとは、AIを使う医師と使わない医師を分けて比べる臨床試験のことです。
しかもこのAIは、「約21倍も大きい競合モデル」を性能で上回っています。つまり、単に巨大なAIを使えばよいのではなく、希少疾患に特化して学習したAIが、医師の判断を実際に助ける可能性を示した研究です。
なぜこれが重要なのでしょうか。希少疾患は、患者数が少ないぶん医師でも出会う機会が限られ、正しい診断まで何年もかかることがあります。診断が遅れると、治療開始が遅れ、患者や家族の不安も長引きます。つまり今回の研究は、「珍しい病気をAIが早く見つけ、医師の判断を助けられるかもしれない」という点で意味があります。
2026年6月23日にプレプリントサーバーArXivに投稿されたこの論文は、まだ査読を経ていません。ただ、希少疾患の診断という「医療の中でも特に難しい領域」にAIが実際に踏み込み、しかもRCTという臨床試験の形で効果を測った点は、注目に値する内容です。
RaDaRとは何か: 小さな特化LLMが大型モデルを超えた理由
このAIの名前は「RaDaR（Rare Disease navigatoR）」といいます。開発主体は、清華大学医学部、北京協和医院の希少疾患部門、清華大学の統計・データサイエンス部門、上海交通大学のAI研究部門などを中心とする国際的な研究チームです。シンガポール、英国、豪州の医療・研究機関も著者所属に含まれています。パラメータ数は32Bで、いわゆる「推論特化型」の大規模言語モデルです。パラメータとはざっくり言えばモデルの「思考の複雑さを支える部品の数」のようなもの。
32Bはけっして小さくはありませんが、比較対象である同ジャンルの有力モデル「DeepSeek-R1」は671Bと、実に約21倍の規模を誇ります。それでもRaDaRは、評価されたオープンソースモデルの中で最も高い診断性能を示しました。
なぜそれが可能だったのか。答えはシンプルで、「希少疾患に絞った大量のデータで徹底的に鍛えた」からです。訓練には、公開されているフリーテキストの症例報告が約4万9,000件、さらに合成で作られた症例が約10万4,000件、合計15万件以上が使われています。一般的なAIが幅広い医療知識を学ぶのに対し、RaDaRは「希少疾患を見つけること」に特化して学習しています。
研究チームはまず、過去の実際の症例データを使ってRaDaRの能力を検証しました。その結果、61%超の症例で、「医師がこの病気を疑ったと記録された日」よりも前に、RaDaRは正しい診断を示していたことがわかりました。平均でおよそ1.87ヶ月、つまり「約2ヶ月早く」疑いを挙げられていた計算です。これは、その施設での平均的な診断プロセスの期間の約半分にあたります。
さらに研究チームはRCT、つまり「医師をAI支援あり・なしにランダムに分けた比較試験」を実施しました。その結果、RaDaRを使った医師グループの希少疾患診断精度は、使わなかったグループと比べて21.44ポイント高かったことが示されています。
なぜ希少疾患診断で重要なのか
希少疾患という言葉を聞いてもピンとこない方も多いかもしれません。一般に「希少疾患」とは、患者数が非常に少ない疾患の総称です。その種類は非常に多く、世界中で何百万人もの患者に影響を与えているとされています（論文原文より）。
希少疾患の最大の問題は「診断がつくまでに長い時間がかかる」ことです。医師の側からすれば、日常の外来でめったに見ない病気を見抜くのは困難です。患者は何年もかけて複数の科を転々とし、ようやく正しい診断にたどり着くケースが珍しくありません。診断が遅れれば、その間に病気は進行し、治療の選択肢が狭まります。
そこに「約2ヶ月早く疑いを挙げられるAI」が入ってきた意味は大きい。医師を「置き換える」ツールではなく、「見落としを拾い上げる補助線」として機能するかどうか、今回のRCTはその可能性を数値として示しています。
また、RaDaRがオープンソースで公開されている点も見逃せません。大企業が囲い込んだ商用モデルではなく、病院や研究機関が自由に使い、改良できる形になっています。コストや導入のハードルを考えたとき、これは現場への普及速度を大きく左右しうる要素です。
医師視点で見る評価と注意点
気をつけるべき点も正直に述べます。
まずこの論文はArXivへの投稿段階であり、専門家による査読はまだ通っていません。RCTの詳細、たとえばどれだけの医師を対象にしたか、統計的な有意差をどう確認したか、といった肝心な情報がまだ公開されていません。「21ポイント向上」という数字は印象的ですが、試験の規模や設計次第で評価はガラリと変わります。
次に、「61%の症例で診断を先取りできた」という数字は、過去の症例を後ろ向きに分析したものです。つまり「答えが出た後のデータ」を使った検証であり、リアルタイムの診断で同じ精度が出るかどうかは別の話です。
それを踏まえてもなお、注目したい点が二つあります。
一つは「大きければ強い」という常識への問いかけです。671BのモデルをパラメータでいえばはるかにしのぐRaDaRが32Bで実現したのは、汎用性を追うより「領域を絞った特化」の戦略が有効だという実証例でもあります。医療AIの開発においてこの発想は今後も広がっていくはずで、眼科・神経疾患・遺伝性疾患といった分野での同様の取り組みが続くと見ています。
もう一つは、RCTという設計の意味です。LLMを医療に応用した研究の多くは「このモデルはベンチマークで何点だった」という比較にとどまります。実際に医師とAIを組み合わせた場合に患者の診断精度がどう変わるかをRCTで問うたこと自体、研究設計としては踏み込んだ試みです。査読を経た後の詳細な内容が、今後の判断材料になります。
この研究をどう受け止めるべきか
清華大学医学部、北京協和医院、上海交通大学らの研究チームが開発した希少疾患診断支援AI「RaDaR」は、約2ヶ月の診断リードタイムと21ポイントの精度向上をRCTで示しました。ただし、査読前であること、RCTの詳細が未公開であることは踏まえた上で受け取る必要があります。
この情報をどう使うかは、読者の立場によって変わります。
医療機関や医療系スタートアップの方なら、「汎用LLMを医療に転用する」アプローチと「特定疾患に特化したモデルを作る」アプローチのどちらに投資するべきかを、改めて問い直すきっかけになるかもしれません。
患者家族や当事者の方にとっては、こうした技術がどの段階で実際の診断現場に届くかを追いかける視点が大切です。今すぐ使えるツールではありませんが、査読論文として正式に発表されたタイミングが、現実的な議論の出発点になります。
まず確認すべきことは一つ、査読済みの正式版が公開されたときに、RCTのサンプルサイズと統計的検定の詳細が明示されているかどうかです。そこで初めて、「21ポイント向上」の数字に実質的な重みが生まれます。