研究の背景：基盤モデルとはAIにおける「万能な多機能ナイフ」である 皆さんもChatGPTをご存じだろう。この大規模言語モデル（LLM）は、人工知能（AI）技術のパラダイムシフトを象徴する機械学習システムである。ChatGPTのようなモデルは、特定のタスクのために設計された従来のAIモデルとは異なり基盤モデル（Foundation Model；FM）と呼ばれる、より汎用的なカテゴリに属する。 従来のタスク特化型モデル（Task Specific Model；TSM）は、特定の疾患名だけを完璧に知っている専門医のようなものである。専門分野外の領域（例：放射線画像 vs. 眼科画像）については全く知識を持たず、訓練された範囲外のデータには対応できない。それに対して、FMとは膨大な量の広範なデータを用いてタスク非依存的な方法で事前学習され、多岐にわたる下流タスクに対応可能な汎用AIモデルのことである。 事前学習とは、ラベルなしの広範なデータセットを用いて、モデルが一般的なパターンや知識を獲得する初期段階の学習であり、まさに人類の知識を詰め込んだ「百科事典の熟読」といえる。特定のクイズ（タスク）の答えを暗記するのではなく、膨大な情報（未ラベルデータ）から、世界（データ）の一般的な構造と意味を理解する基礎教育機関である。 TSMが特定の疾患診断（パンを切る）に特化した単一のナイフだったのに対し、知識を詰め込んだFMはいわばAI界の「万能な多機能ナイフ」である。一度この汎用的な基盤が構築されると、モデルは指示文（プロンプト）や追加の微調整（ファインチューニング）のための最小限のラベル付きデータしか必要とせず、ゼロショット学習や少数ショット学習で高い性能を発揮できる。 FMは研ぎ澄まされた刃（基礎知識）を持つため、わずかな教師データを用い少し調整するだけで、画像分類、セグメンテーション、報告書作成など、あらゆるタスクに対応できるのである。このように、FMはTSMと比較して、適応性、堅牢性、効率性が著しく向上している。 FMの構築は、主に大規模データにプラスして、技術的な進歩、すなわちニューラルネットワークアーキテクチャの進歩（特にTransformer）、自己教師あり学習（Self-Supervised Learning；SSL）やコントラスト学習などの学習アプローチ、および計算能力の相乗効果によって急速に進展した。以下にFMとTSMの違いをまとめておく（表1）。 表1．FMとTSMの比較 他方、医療AI分野の状況はどうなっているのか？今回は、私も著者に名前を連ねる「世界初となる真にグローバルな医療FMの構築」に関する書簡について触れながら解説する（Nat Med 2025年9月8日オンライン版）。