機械学習とは？ 仕組み・種類・医療AIでの使われ方を初心者向けに解説

機械学習とは？ 一言でいうと「データからパターンを学ぶ」

機械学習（Machine Learning）とは、コンピュータが大量のデータからパターンやルールを自動で学び取り、未知のデータに対して予測や判断を行う技術のことです。「機械（コンピュータ）が、自分で学習する」——名前のとおりの仕組みです。

これまでのプログラムと何が違うのか。「迷惑メールを見分ける仕組み」を例に考えてみましょう。

従来のやり方（ルールベース）では、人間がルールを1つずつ書きます。「件名に“当選”が入っていたら迷惑メール」「URLが10個以上あったら迷惑メール」…。しかし迷惑メールの手口は次々に変わるため、人がルールを書き続けるのは大変です。

一方機械学習では、発想が逆転します。ルールを人が書く代わりに、「迷惑メールの例」と「普通のメールの例」を大量に見せて、コンピュータ自身にパターンを見つけさせるのです。データさえ用意すれば、ルールは自動で学習されます。

AI・機械学習・ディープラーニング・生成AIの関係

ニュースでは「AI」「機械学習」「ディープラーニング」「生成AI」といった言葉が、ほぼ同じ意味のように飛び交います。しかしこれらは、大きいものの中に小さいものが入る「入れ子（マトリョーシカ）」の関係にあります。下の図のように整理すると、一気に分かりやすくなります。

それぞれの言葉の意味を整理すると、次のようになります。

• AI（人工知能） … いちばん広い概念。「賢く振る舞うコンピュータ」全般
• 機械学習 … AIを実現する代表的な方法。データからパターンを学ぶ
• ディープラーニング（深層学習） … 機械学習の一種で、「ニューラルネットワーク」という仕組みを使う特に強力な方法。画像認識や音声認識で力を発揮する
• 生成AI … ディープラーニングの応用。文章や画像を“生成”する技術（ChatGPTなど）

つまり関係は 「AI ⊃ 機械学習 ⊃ ディープラーニング」、そしてディープラーニングの応用として生成AIがある、という構造です。本記事のテーマである機械学習は、このAIの“中心”に位置すると覚えておけば十分です。

機械学習の3つの種類（教師あり・教師なし・強化学習）

機械学習は、「何をヒントに学ぶか」によって、大きく3つの種類に分けられます。これはG検定・E資格でも頻出の超基本です。医療の例とあわせて見ていきましょう。

① 教師あり学習（正解つきで学ぶ）

「正解（答え）つき」のデータで学ぶ方法です。たとえば「この検査データの患者は“悪性”だった」という答えを大量に見せて、新しい患者が悪性か良性かを予測させます。機械学習の中でも最もよく使われ、さらに次の2つに分かれます。

• 回帰 … 数値を予測する（例：検査値から血圧の値を予測）
• 分類 … 区分を予測する（例：腫瘍が悪性か良性かを判定）

② 教師なし学習（正解なしでグループ分け）

正解のないデータから、データ自身の構造やまとまりを見つける方法です。代表がクラスタリングで、「似た特徴をもつ患者を自動でグループ分けする」といった使い方をします。正解（診断名）が分かっていなくても、データの傾向からこれまで気づかなかった患者のタイプを発見できることがあります。

③ 強化学習（試行錯誤で上達する）

試行錯誤をくり返し、うまくいけば報酬を与えることで上達させる方法です。ゲームAIやロボットの制御で有名です。医療では治療方針の最適化などで研究が進んでいますが、まずは「教師あり・教師なしの2つ」を押さえれば十分です。

機械学習は医療でどう使われている？

機械学習は、すでに医療のさまざまな場面で活用が進んでいます。「医療AI」と呼ばれるものの多くは、その中身が機械学習でできています。代表的な例を見てみましょう。

• 画像診断支援 … CT・MRI・レントゲン・病理画像などから、異常の候補を検出して医師の読影を支援する。医療AIで最も実用化が進む分野
• 疾患リスク・重症化の予測 … 検査値やバイタル、既往歴などから、再入院リスクや重症化の可能性を予測する
• 問診・カルテ業務の効率化 … 音声をテキスト化する、長いカルテを要約する、入力を補助するといった事務負担の軽減
• 創薬・ゲノム解析 … 膨大な化合物データや遺伝情報から、有望な候補を絞り込む

これらに共通するのは、「人間が一つずつルールを書くのが難しい複雑な判断を、大量のデータから学ばせている」という点です。複数の検査項目が複雑に絡み合う医療データは、まさに機械学習が力を発揮しやすい領域だと言えます。

機械学習を実際に学ぶには？ ブラウザで手を動かす

ここまで読んで、機械学習の全体像はつかめてきたはずです。しかし、本当に理解が進むのは「自分の手でモデルを動かしてみたとき」です。概念を読むだけでなく、実際にコードでデータを学習させ、予測させてみると、一気に腑に落ちます。

とはいえ、いきなり環境構築（Pythonやライブラリのインストール）でつまずくのはもったいない話です。そこでおすすめなのが、ブラウザだけで動かせる無料の学習環境から始めることです。

当サイト「医療AIナビ」では、環境構築ゼロ・完全無料で機械学習を学べる「機械学習入門コース」を公開しています。特徴は次のとおりです。

• AIの知識ゼロからOK … AI・機械学習・ディープラーニングの関係から、やさしく解説
• 環境構築不要・ブラウザ完結 … ページを開けば、その場で scikit-learn（機械学習の定番ライブラリ）が動く
• 医療データが題材 … 乳がん診断データで「悪性か良性か」を予測するなど、現場をイメージできる教材
• 予測モデルを自分の手で … 回帰・分類・クラスタリング、モデルの評価（混同行列・再現率）、過学習対策まで、全12レッスンで体験できる

機械学習は数値計算（NumPy）やデータ整形（pandas）の上に成り立っています。当プラットフォームでは、Python初学者コース → NumPy → pandas → 機械学習という4つの無料コースを、つまずかない順番で用意しています。まったくの初心者でも、順に進めば自然に機械学習までたどり着けます。

体系的に学ぶなら、AI資格（G検定・E資格）も視野に

機械学習の知識を体系的に身につけ、客観的に証明したいなら、AI資格への挑戦が近道です。機械学習はどちらの資格でも中核テーマになっています。

まずは知識を幅広く問う G検定（ジェネラリスト検定） から始めるのがおすすめです。非エンジニアでも取得を目指せます。エンジニアとして実装力まで証明したい方は E資格 が目標になります。どちらを先に取るべきか迷う場合は、G検定とE資格どっちを先に取るべき？ もあわせてご覧ください。

まとめ：機械学習は「データから学ぶAI」

機械学習とは何か、その全体像を見てきました。最後に、この記事の要点を振り返ります。

• 機械学習とは「データからパターンを自動で学び、未知のデータを予測する技術」。人がルールを書く従来手法とは発想が逆
• 関係は AI ⊃ 機械学習 ⊃ ディープラーニング。機械学習はAIの中心的な手段
• 種類は教師あり（正解つき）・教師なし（正解なし）・強化学習（試行錯誤）の3つ
• 医療では画像診断支援・リスク予測・カルテ効率化・創薬など幅広く活用されている
• 本当の理解は自分の手でモデルを動かしたときに進む。まずはブラウザの無料コースから

機械学習は、専門家だけのものではありません。仕組みの概要をつかみ、ブラウザで1つモデルを動かしてみる——その小さな一歩が、医療×AIの学びの入り口になります。