よむ、つかう、まなぶ。
提案書11（2003頁～2199頁）医療技術評価・再評価提案書 (24 ページ)
出典
| 公開元URL | https://www.mhlw.go.jp/stf/shingi2/0000190899_00011.html |
| 出典情報 | 中央社会保険医療協議会 診療報酬調査専門組織・医療技術評価分科会（令和5年度第1回 11／20）《厚生労働省》 |
ページ画像
ダウンロードした画像を利用する際は「出典情報」を明記してください。
低解像度画像をダウンロード
プレーンテキスト
資料テキストはコンピュータによる自動処理で生成されており、完全に資料と一致しない場合があります。
テキストをコピーしてご利用いただく際は資料と付け合わせてご確認ください。
⑫提案される医療技術の海外における公的医療保険（医療
保障）への収載状況
２）調べたが収載を確認できない
１）を選択した場合は、下の欄に詳細を記載。
※ 該当する場合、国名、制度名、保険適用上の特徴
（例：年齢制限）等
⑬提案される医療技術の先進医療としての取扱い
d. 届出はしていない
⑭その他
特になし
⑮当該申請団体以外の関係学会、代表的研究者等
特になし
１）名称
Performance of an artificial intelligence-based diagnostic support tool for early gastric cancers: Retrospective
study
２）著者
Mitsuaki Ishioka,1 Hiroyuki Osawa,6 Toshiaki Hirasawa,1 Hiroshi Kawachi,2
Kaoru Nakano,2 Noriyoshi Fukushima,7 Mio Sakaguchi,7 Tomohiro Tada,3,4,8
Yusuke Kato,3 Junichi Shibata,3,8 Tsuyoshi Ozawa,3,4 Hisao Tajiri5 and Junko Fujisaki1
３）雑誌名、年、月、号、ページ
Dig Endosc. 2022 Oct 14
４）概要
目的: 早期胃がん (EGC) を診断する内視鏡医の能力は、特に専門医と非専門医の間で異なります。
人工知能（AI）を用いたEGCの鑑別診断支援ツール「Tango」を開発し、内視鏡医との比較を行いました。
方法: Tango と内視鏡医 (専門医 34 名、非専門医 42 名) の診断性能を、150 の腫瘍性病変と 165 の非腫瘍性病変の静止
画像を使用して比較しました。 腫瘍性病変には、EGCおよび腺腫が含まれていました。 主要な結果は、タンゴがスペシャリ
ストよりも劣っていないことを示すことでした (感度に基づく)。 副次的な結果は、専門家に対するタンゴの非劣性 (精度に
基づく) と非専門家に対するタンゴの優位性 (感度と精度に基づく) でした。 Tango と専門家の感度の差の 95% 信頼区間
(CI) の下限が計算され、主要転帰において >-10% は非劣性と定義され、>0% は優越性と定義されました。 各パフォーマン
スのタンゴと内視鏡医との間の同等の差が計算され、10% 超を優越性と定義し、0% 超を非劣性と定義した。
結果: Tango は、感度に基づいてスペシャリストよりも優れており (84.7% 対 65.8%、差 18.9%、95% CI 12.3– 25.3%)、精
度に基づいて非劣性を示しました (70.8% 対 67.4%)。 Tango は、感度 (84.7% 対 51.0%) と精度 (70.8% 対 58.4%) に基づ
いて、非専門家よりも優れていました。
結論: EGC の AI ベースの診断支援ツールは、堅牢なパフォーマンスを示し、誤診を減らすのに役立つ可能性があります。
１）名称
Cost-effectiveness Analysis of the Artificial Intelligence Diagnosis Support System for Early Gastric Cancers
⑯参考文献１
２）著者
３）雑誌名、年、月、号、ページ
⑯参考文献２
４）概要
⑯参考文献３
⑯参考文献４
⑯参考文献５
Shion Yonazu1,2, Tsuyoshi Ozawa, MD, PhD2,3,Tamiji Nakanishi, PhD2, Kentaro Ochiai, MD, PhD2,4, Junichi
Shibata, MD, PhD2,3, Hiroyuki Osawa, MD, PhD5, Toshiaki Hirasawa, MD6, Yusuke Kato2, Hisao Tajiri, MD, PhD7,
Tomohiro Tada, MD, Ph D2,3,4
Submitted.
背景と目的: 医療分野への人工知能 (AI) の導入により、医師の診断能力が向上しました。 ただし、臨床環境で AI 技術を
採用することの経済的影響を分析した研究はほとんどありません。 この研究では、国民皆保険制度が導入された日本におい
て、臨床医が早期胃がん（EGC）と非がん病変を区別することを支援するために設計されたコンピュータ支援診断（CADx）シ
ステムの費用対効果を評価しました。
方法: マルコフ モデルを使用したデシジョン ツリーを構築して、AI 導入前の現状と比較した CADx 使用の累積的な費用対
効果を分析しました。 ベースケース分析を実施した後、いくつかのパラメータを変更して感度分析を実施しました。 主な結
果は、増分費用対効果比 (ICER) でした。
結果: base-ase 分析で表された現状と比較して、日本市場における CADx の ICER は、質調整生存年 (QALY) あたり 798.71 米ドルと予測されました。 感度分析は、予想される ICER がすべてのケースで QALY あたり 50,000 米ドルの支払い
意思額のしきい値内にあることを示しました。
結論:
EGC に CADx を使用すると、誤診が減少し、日本での費用対効果の向上に貢献する可能性があります。
１）名称
２）著者
３）雑誌名、年、月、号、ページ
４）概要
１）名称
２）著者
３）雑誌名、年、月、号、ページ
４）概要
１）名称
２）著者
３）雑誌名、年、月、号、ページ
４）概要
※⑮については、1.の「主たる申請団体」および「上記以外の申請団体」以外に、提案される医療技術に関する研究、会合、論文発表等を実施している学会
等の関連団体や研究者等の名称を記載すること。
2026
保障）への収載状況
２）調べたが収載を確認できない
１）を選択した場合は、下の欄に詳細を記載。
※ 該当する場合、国名、制度名、保険適用上の特徴
（例：年齢制限）等
⑬提案される医療技術の先進医療としての取扱い
d. 届出はしていない
⑭その他
特になし
⑮当該申請団体以外の関係学会、代表的研究者等
特になし
１）名称
Performance of an artificial intelligence-based diagnostic support tool for early gastric cancers: Retrospective
study
２）著者
Mitsuaki Ishioka,1 Hiroyuki Osawa,6 Toshiaki Hirasawa,1 Hiroshi Kawachi,2
Kaoru Nakano,2 Noriyoshi Fukushima,7 Mio Sakaguchi,7 Tomohiro Tada,3,4,8
Yusuke Kato,3 Junichi Shibata,3,8 Tsuyoshi Ozawa,3,4 Hisao Tajiri5 and Junko Fujisaki1
３）雑誌名、年、月、号、ページ
Dig Endosc. 2022 Oct 14
４）概要
目的: 早期胃がん (EGC) を診断する内視鏡医の能力は、特に専門医と非専門医の間で異なります。
人工知能（AI）を用いたEGCの鑑別診断支援ツール「Tango」を開発し、内視鏡医との比較を行いました。
方法: Tango と内視鏡医 (専門医 34 名、非専門医 42 名) の診断性能を、150 の腫瘍性病変と 165 の非腫瘍性病変の静止
画像を使用して比較しました。 腫瘍性病変には、EGCおよび腺腫が含まれていました。 主要な結果は、タンゴがスペシャリ
ストよりも劣っていないことを示すことでした (感度に基づく)。 副次的な結果は、専門家に対するタンゴの非劣性 (精度に
基づく) と非専門家に対するタンゴの優位性 (感度と精度に基づく) でした。 Tango と専門家の感度の差の 95% 信頼区間
(CI) の下限が計算され、主要転帰において >-10% は非劣性と定義され、>0% は優越性と定義されました。 各パフォーマン
スのタンゴと内視鏡医との間の同等の差が計算され、10% 超を優越性と定義し、0% 超を非劣性と定義した。
結果: Tango は、感度に基づいてスペシャリストよりも優れており (84.7% 対 65.8%、差 18.9%、95% CI 12.3– 25.3%)、精
度に基づいて非劣性を示しました (70.8% 対 67.4%)。 Tango は、感度 (84.7% 対 51.0%) と精度 (70.8% 対 58.4%) に基づ
いて、非専門家よりも優れていました。
結論: EGC の AI ベースの診断支援ツールは、堅牢なパフォーマンスを示し、誤診を減らすのに役立つ可能性があります。
１）名称
Cost-effectiveness Analysis of the Artificial Intelligence Diagnosis Support System for Early Gastric Cancers
⑯参考文献１
２）著者
３）雑誌名、年、月、号、ページ
⑯参考文献２
４）概要
⑯参考文献３
⑯参考文献４
⑯参考文献５
Shion Yonazu1,2, Tsuyoshi Ozawa, MD, PhD2,3,Tamiji Nakanishi, PhD2, Kentaro Ochiai, MD, PhD2,4, Junichi
Shibata, MD, PhD2,3, Hiroyuki Osawa, MD, PhD5, Toshiaki Hirasawa, MD6, Yusuke Kato2, Hisao Tajiri, MD, PhD7,
Tomohiro Tada, MD, Ph D2,3,4
Submitted.
背景と目的: 医療分野への人工知能 (AI) の導入により、医師の診断能力が向上しました。 ただし、臨床環境で AI 技術を
採用することの経済的影響を分析した研究はほとんどありません。 この研究では、国民皆保険制度が導入された日本におい
て、臨床医が早期胃がん（EGC）と非がん病変を区別することを支援するために設計されたコンピュータ支援診断（CADx）シ
ステムの費用対効果を評価しました。
方法: マルコフ モデルを使用したデシジョン ツリーを構築して、AI 導入前の現状と比較した CADx 使用の累積的な費用対
効果を分析しました。 ベースケース分析を実施した後、いくつかのパラメータを変更して感度分析を実施しました。 主な結
果は、増分費用対効果比 (ICER) でした。
結果: base-ase 分析で表された現状と比較して、日本市場における CADx の ICER は、質調整生存年 (QALY) あたり 798.71 米ドルと予測されました。 感度分析は、予想される ICER がすべてのケースで QALY あたり 50,000 米ドルの支払い
意思額のしきい値内にあることを示しました。
結論:
EGC に CADx を使用すると、誤診が減少し、日本での費用対効果の向上に貢献する可能性があります。
１）名称
２）著者
３）雑誌名、年、月、号、ページ
４）概要
１）名称
２）著者
３）雑誌名、年、月、号、ページ
４）概要
１）名称
２）著者
３）雑誌名、年、月、号、ページ
４）概要
※⑮については、1.の「主たる申請団体」および「上記以外の申請団体」以外に、提案される医療技術に関する研究、会合、論文発表等を実施している学会
等の関連団体や研究者等の名称を記載すること。
2026