乳房インプラントの破損、AIはどこまで見抜ける？　超音波画像を解析　検証では59例をすべて検出　韓国の研究グループが報告

乳房インプラントの種類やリスクについて説明する医療現場。画像はイメージ。（出典：Adobe Stock）

　豊胸などで使われる乳房インプラントは、時間がたつと破損などのトラブルが起こることがある。

　そうしたインプラントの破損などを、乳房の超音波画像からAI（人工知能）が自動で判別する仕組みが開発された。

　韓国ソウル大学などの研究グループが2026年10月、美容外科学誌で報告した。

超音波画像から破損、被膜拘縮、血腫を判別

乳房インプラントの状態確認には、破損や周囲組織の変化を見つける検査が重要になる。画像はイメージ。（出典：Adobe Stock）

超音波診断をAIで支援→ 超音波検査はMRIより手軽な一方、画像の読み取りが医師の経験に左右されやすく、AIによる判定支援が検討された。

4種類の状態を判別→ 開発したAIは、乳房インプラントの正常、破損、被膜拘縮、血腫を超音波画像から見分ける仕組みとなっている。

女性908人の画像を使用→ 1022個のインプラントから得た1万4679枚の画像を使い、表面の状態や被膜の厚さ、液体のたまり方などを学習させた。

　乳房インプラントでは、破損のほか、インプラントの周囲にできる膜が厚く硬くなる「被膜拘縮」や、周囲に血液がたまる「血腫」などのトラブルが起こることがある。

　こうした異常を調べる方法の一つが超音波検査だ。MRIと比べて費用を抑えやすく、幅広い医療機関で利用できる利点がある。

　一方、超音波画像の読み取りには、医師の経験や技術によって判断が変わりやすいという課題もある。

　研究グループは、こうした課題をAIで補えるのではないかと考えた。

　今回開発したAIは、超音波画像から「正常」「インプラントの破損」「被膜拘縮」「血腫」の4種類を見分ける仕組みだ。

　研究では、乳房インプラント手術を受けた女性908人から集めた1万4679枚の超音波画像を使った。

　対象となったインプラントは1022個で、このうち791個は美容目的、231個は乳房再建を目的としたものだった。

　AIには、インプラントの表面の連続性や周囲の膜の厚さ、血液などの液体のたまり方といった画像の特徴を学習させた。1枚の画像だけを見るのではなく、検査で得られた一連の超音波画像を使って判断する点も特徴となっている。

検証ではインプラント破損59例をすべて検出

乳房インプラントは、時間の経過とともに破損などのトラブルが起こることがある。画像はイメージ。（出典：Adobe Stock）

破損59例をすべて検出→ 学習に使っていない197個のインプラントで検証し、医師の画像選択などの補助がある条件では、破損59例すべてを検出した。

被膜拘縮は33例中29例を検出→ 正常69例と血腫36例も見逃さなかった一方、被膜拘縮は軽度の変化や破損との併発例で見逃しがあった。

異常の位置も画像上に表示→ AIは異常がある場所を示すこともでき、長期的なチェックへの活用が期待されるが、他施設での検証が必要となる。

　研究グループは、AIの学習に使っていない174人、197個のインプラントを使って性能を確かめた。

　この中には、正常69例、インプラント破損59例、被膜拘縮33例、血腫36例が含まれていた。

　医師が診断上重要な画像を選ぶなどの補助を加えた条件では、AIは破損59例をすべて検出した。正常と血腫についても見逃しはなく、被膜拘縮では33例中29例を検出した。

　見逃した4例のうち2例は破損も同時に起きており、AIはより目立つ破損を優先して判定した。残る2例は変化が軽く、正常と判断された。

　複数の異常が同時に起きたケースでの判別や、わずかな変化の検出は今後の課題となる。

　また、このAIは異常の有無を判定するだけでなく、超音波画像のどこに異常があるのかを示すこともできた。研究グループは、将来的にインプラントの長期的なチェックを支える道具として活用できる可能性があると見ている。

　今後、ほかの施設でも同様の性能が得られるか、検証が必要になる。

参考文献

Yoo H, Kim BS, Ock JJ, Hong KY, Chang H, Kim S. Multi-class Identification and Quantification of Breast Implant-related Complications in Ultrasonography Using a Pathology-informed Lesion Graph: A Deep Learning Development and Validation Study. Aesthetic Surgery Journal. 2026 Oct 10:sjag221. doi:10.1093/asj/sjag221.
https://pubmed.ncbi.nlm.nih.gov/42856060/