RSNA AI Challengeとは？2026年は「膝MRI×読影レポート」のマルチモーダル対決

RSNA AI Challengeとは

RSNA（Radiological Society of North America＝北米放射線学会）は、放射線科医や医学物理士などが所属する国際的な学会です。 そのRSNAが毎年開催している医用画像AIのコンペティションが、RSNA AI Challengeです。

最大の特徴は、臨床から集めた本格的なデータセットが公開されることにあります。 医用画像は個人情報を含むため、研究目的であっても大量に手に入れるのは簡単ではありません。 RSNAは学会のネットワークを使って複数の施設からデータを集め、専門医が注釈（アノテーション）を付けたうえでコンペとして提供しています。 この「専門医が付けた正解」があるからこそ、世界中の研究者が同じ土俵で競うことができます。

会場となるのはKaggle（世界最大のデータ分析コンペティションのプラットフォーム）です。 参加は無料で、所属や国籍を問わずエントリーできます。 そして上位モデルはオープンライセンスで公開されるため、コンペが終わったあとも研究資産として残り続けます。

2026年のお題は「膝MRI」

2026年8月5日、RSNAは「RSNA Knee Abnormality Detection AI Challenge（膝の異常検出AIチャレンジ）」の開始を発表しました。 膝のMRI検査から、臨床的に重要な12の所見を検出・分類するという課題です。

膝のMRIは、靭帯・半月板・軟骨といった関節の構造をまとめて評価できる検査として広く使われています。 RSNAの発表では、骨髄の病変や関節液の貯留、滑膜炎、ベーカー嚢腫など、症状の原因となり対応が必要になる所見も描出できるとされています。

同時に課題も示されています。RSNAは、MRIの読影結果は読み手や診療環境によってばらつきがあり、筋骨格領域を専門的に学んだ放射線科医へのアクセスは限られていると述べています。 つまりこのコンペは「AIで速くする」だけでなく、どこで撮っても一定の水準で所見を拾えるようにするという、医療の均てん化に近い狙いを持っています。

今年の「初めて」が3つある

2026年のチャレンジには、RSNA自身が「いくつもの初めてがある」と説明する新規性があります。順に見ていきます。

① RSNAとして初の筋骨格系MRI

これまでのRSNAチャレンジは、肺炎・頭蓋内出血・肺塞栓・腹部外傷など、胸部・頭部・腹部が中心でした。 膝をはじめとする筋骨格（Musculoskeletal）領域が主題になるのは初めてです。 膝MRIは関節内部の状態を評価する標準的な検査と位置づけられており、そこを正面から扱う点が今回の特徴になっています。

② 画像＋読影レポート本文という初のマルチモーダル

最も大きな変化がこれです。従来のコンペは「画像」と「整理済みのラベル」が配られる形式でした。 たとえば「この検査は出血あり／なし」という具合に、答えが表（テーブル）にまとまっている状態です。

2026年はそこが違います。学習に使えるのは、実際に書かれた読影レポートの文章です。 しかも英語だけではなく、約12の言語が混在しています。 チャレンジの共同リーダーであるNaveen Subhas医師は、医用画像と多言語の読影レポートを組み合わせた初のデータセットであり、これが参加者に求める水準を引き上げると述べています。

③ 初めての「効率性」部門

賞金総額$77,000のなかに、最も効率的なモデルに対する賞が初めて設けられました。 精度を上げるだけであれば、巨大なモデルを大量に組み合わせる（アンサンブルする）方法があります。 しかしそれは、実際の医療機関で動かすには重すぎることが少なくありません。

推論にかかる時間とGPUのコストは、そのまま導入のハードルになります。 「精度は最高だが、1件の判定に数分かかり高性能なGPUが常時必要」というモデルは、日常の業務には乗りません。 効率性部門の新設は、コンペの評価軸が研究上の指標から、実装できるかどうかへ一歩近づいたことを示しています。

最大の難所は、レポートが表になっていないこと

このコンペが「最も現実に近い」と言われる理由は、データの生々しさにあります。 チャレンジ共同リーダーのPo-Hao Chen医師は、参加者は実際の診断レポートから学ばなければならず、そこでは所見が複雑で、答えがきれいに表にまとまってはいないと説明しています。

実際、読影レポートには機械学習にとって扱いにくい性質がいくつもあります。

• 断定しない表現が多い……「〜を否定できない」「〜の可能性がある」といった記述は、あり／なしのラベルに変換しづらい
• 否定形の扱いが難しい……「断裂は認めない」という文にも「断裂」という語は含まれる。単純にキーワードで拾うと真逆のラベルになる
• 書き手ごとの癖がある……同じ所見でも、表現・粒度・記載の順序が施設や読影者によって異なる
• 言語をまたいで揺れる……2026年はその揺れが約12言語ぶん重なる
• 過去の情報が混ざる……既往や術後の記述が、現在の所見と同じ文書に並ぶ

つまり参加者は、まず「文章から正解ラベルを作る」ところから戦うことになります。 そしてここで作ったラベルの質が、そのまま画像モデルの上限を決めます。 画像認識のコンペでありながら、自然言語処理の巧拙が効いてくる——これが2026年の構造です。

そもそも読影レポートは、「あとで読む人に伝えるための文章」であって、機械学習のために書かれたものではありません。 それを学習データとして使うということは、医療のデータをそのままの形で扱う練習でもあります。 実務でぶつかる壁と、このコンペの壁は、かなり近いところにあります。

歴代の課題で見る、医用画像AIのこの10年

RSNA AI Challengeは2017年から続いています。並べてみると、課題設定そのものが医療AIの進歩を映していることが分かります。

流れを追うと、「1枚の画像で1つの答え」から始まり、3次元データ、複数のモダリティ、そして画像＋テキストへと、扱う情報が着実に増えているのが分かります。 2025年に複数モダリティをまたぐ課題が出て、2026年に画像と文章をまたぐ課題が来た——という並びは象徴的です。

この方向性は、医療AI全体のトレンドとも一致しています。 実際の診療で、画像だけを見て判断が完結することはほとんどありません。 検査所見・経過・過去の記録を合わせて読むのが当たり前です。 コンペの課題が「表に整理されたラベル」から離れていくのは、その当たり前に近づいているということでもあります。

参加方法とスケジュール

参加はKaggleのコンペティションページから行います。Kaggleのアカウント（無料）を作り、コンペの規約に同意すればデータをダウンロードできます。 RSNAはすべての研究者に開かれているとしており、所属や国籍による制限はありません。

締切までは2か月ほどです。上位を狙うには短いですが、データを見て手を動かすだけでも十分に価値があります。 公開されているノートブック（他の参加者が共有する分析コード）を読むだけでも、実際に使われている前処理やモデル構成に触れられます。

参加しない人にとっての価値

「コンペに出るつもりはない」という方にとっても、RSNA AI Challengeを見ておく意味はあります。理由は3つです。

1. 医療AIの「まだ解けていない問題」が分かる

その年の課題は、現時点では自動化が難しく、かつ臨床的な意義が大きい領域から選ばれます。 2026年に膝MRIとレポート文が選ばれたことは、この2つがまだ十分に解けていないことの裏返しでもあります。 業界の関心がどこにあるのかを読む材料になります。

2. 上位解法が公開され、そのまま教材になる

RSNAのチャレンジでは、受賞モデルがオープンライセンスで公開されると明記されています。 さらにKaggleには、上位チームが解法を文章で共有する文化があります。 「3次元の医用画像をどう入力にするか」「不均衡なラベルをどう扱うか」といった実務的な工夫が、無料で読める形で残ります。

3. 資格の勉強とつながる

コンペで使われる技術は、AI関連資格の出題範囲と重なります。 畳み込みニューラルネットワーク、データ拡張、転移学習、評価指標——このあたりは E資格の学習範囲そのものです。 自然言語処理やマルチモーダルの話題は G検定でも扱われます。 教科書で読んだ用語が、実際の課題ではどう使われるのかを確かめる場として、コンペの解説を読むのは効率の良い方法です。

まとめ

2026年のRSNA AI Challengeの要点を整理します。

• お題は膝MRIから12の所見を検出・分類すること
• 学習データは5,000例超の膝MRI＋約12言語の読影レポート（世界16施設）
• RSNAとして初の筋骨格系MRI・初のマルチモーダル・初の効率性部門
• 難所は画像処理よりも自由記述のレポートからラベルを作るところ
• 締切は2026年10月22日、賞金総額$77,000、受賞モデルは公開される

個人的に最も興味深いのは、「答えがきれいに整理されていない」ことを、あえて課題にした点です。 整ったデータで高い精度を出すことと、現場のデータで使えるものを作ることの間には、大きな隔たりがあります。 そこを世界中の研究者が一斉に取りにいく2か月は、医療AIにとって間違いなく良い刺激になります。

本連載では続けて、Kaggleのルールと流れを整理した記事と、膝MRIの12所見をどう解くかという技術面の解説を公開しています。 医用画像AIの全体像は医用画像AI入門、 実装の第一歩はPyTorchでCT画像を分類する記事をあわせてご覧ください。