生成AIは爪の病気を見分けられるか──皮膚科専門医の診断と照合し、33症例で検証

「この爪の変色は、何かの病気だろうか」。そう気になったとき、スマートフォンで撮影して生成AIに尋ねる。そうした行動は、もう珍しいものではなくなりました。

しかし、その回答はどこまで信頼できるのでしょうか。医療に関わる情報を扱う立場として、私たちはこの問いを確かめておく必要があると考えました。

調べた限り、爪の疾患に絞ってAIの画像診断精度を検証し、その結果を公開したデータは見当たりません。

そこで治験ジャパンでは、皮膚科専門医の診断が確定している爪のトラブル33症例をAIに提示し、専門医の診断と照合する検証を行いました。本記事では、その設計と結果、そして検証を通じて見えた課題を報告します。

※本記事は医療情報の検証および疾患啓発を目的としています。AIの回答は医学的な診断ではありません。

なぜこの検証を行ったのか

生成AIの普及にともない、体の不調について医療機関を受診する前にAIへ相談する人が増えています。爪は、その流れと相性のよい部位です。

体の表面にあって自分でも撮影しやすく、変色や変形に気づいたとき、すぐに写真を撮って尋ねることができます。

爪の変化は、自己判断が難しい

一方で、爪のトラブルには見た目が似ていても原因がまったく異なるものが数多くあります。

たとえば爪が黒く変色していた場合、ぶつけたことによる内出血（爪甲下血腫）のこともあれば、悪性黒色腫（メラノーマ）という皮膚がんの初期症状であることもあります。前者は時間の経過とともに消えていきますが、後者は早期の診断と治療が必要です。

また、爪の変化は貧血や甲状腺の異常といった全身の状態を反映していることもあります。見た目が似ているからといって、同じ原因とは限りません。

爪に絞った検証データが見当たらない

皮膚疾患全般については、AIによる画像診断の研究が進んでいます。Esteva らが Nature に報告した検討では、皮膚がんの分類において、深層学習モデルが皮膚科医と同等の精度を示したとされています^※2。

ただしこれらは、医療用に開発・訓練されたモデルを対象とした研究です。一般の人が日常的に使う汎用の生成AIが、爪という限られた部位についてどの程度の精度を示すのか。それを示した公開データは見当たりませんでした。

臨床試験の支援を通じて医療に関わる立場として、私たちは実際に確かめてみることにしました。以下はその記録です。

検証の設計

検証は2026年4月に実施しました。

正解データと監修

本検証では、東京都済生会中央病院皮膚科の川島裕平先生の監修のもと、皮膚科専門医の診断が確定している爪疾患およびその周辺のトラブルの症例画像33件を用いました。専門医の診断を「正解」とし、AIの回答と照合しています。

症例には、陥入爪や巻き爪といった頻度の高いものから、翼状爪やヘルペス性ひょう疽のような比較的まれなもの、さらに悪性黒色腫のように早期発見が重要なものまで、幅広く含まれています。判定基準の設定および結果の解釈についても、川島先生に監修をいただきました。

使用したAIモデル

Googleの生成AIモデル「Gemini Pro」を使用しました。医療専用に開発されたモデルではなく、一般の利用者が広く使える汎用モデルであることが選定の理由です。

「専門家が使う診断支援ツール」ではなく、「生活者が実際に使う可能性のあるAI」を想定しています。

判定基準

各症例の画像をAIに提示し、疾患名を推測させました。その回答を専門医の診断と照合し、次の3段階で判定しています。

• 正答（〇）：疾患名が一致したもの。「爪甲点状凹窩」と「爪甲点状陥凹」のような同義語は一致として扱いました。
• 部分点（△）：状態の把握は正しいが、正確な疾患名に至らなかったもの。または、第一候補は誤っていたが、鑑別すべき疾患として正解を挙げていたもの。
• 誤答（×）：異なる疾患と判断したもの。

3段階とした理由は、正誤の二択では実態を捉えきれないためです。たとえば「爪が厚くなっている」という状態を正しく認識しながら、その原因となる疾患名を取り違えるケースがあります。こうした回答を単純に誤答とすると、AIの挙動を正確に評価できません。

検証結果

完全一致の正答率は54.5%でした。半数強の症例で専門医と同じ疾患名にたどり着いた一方、3分の1にあたる11件では異なる疾患と判断しています。

全33症例の判定一覧

結果から見えたこと

形の変化は捉えられる

AIが安定して正答したのは、形状や構造が典型的に変化する疾患でした。陥入爪と巻き爪は7例中6例で正答（1例は部分点）、匙状爪、ばち指、爪甲縦裂症、爪白癬、胼胝、尋常性疣贅なども正しく見分けています。

これらに共通するのは、爪の輪郭や表面の形に明確な変化が現れる点です。画像から抽出できる特徴が明瞭であり、かつ症例数が多く学習データも豊富であることが、精度につながっていると考えられます。

色の解釈でつまずく

対照的に、誤答が集中したのは色に関わる症例でした。

• 爪甲色素線条（縦の色素線）を、ボー線条（横溝）と誤認
• 爪甲下血腫（内出血による黒変）を、爪甲色素線条と誤認
• グリーンネイル（緑色への変色）を、黒色の色素沈着と誤認
• 爪甲剥離症（爪の浮き上がり）を、リンゼイ爪（色素異常）と誤認

色の異常を見分けるには、その色が「何によって生じているか」を判断する必要があります。血液なのか、色素細胞なのか、細菌なのか。

この判断には、色そのものだけでなく、境界の性状や経過、爪以外の所見を含めた総合的な観察が求められます。

2D画像だけでは届かない情報がある

今回の検証で浮かび上がったのは、平面の画像1枚から判断することの限界です。

実際の診察では、医師は爪に触れて硬さや厚みを確かめ、必要に応じてダーモスコピー（拡大鏡による観察）で色素の分布パターンを詳しく見ます。いつからどう変化したかという経過も聞き取ります。こうした情報は、写真1枚には写りません。

爪甲下血腫と爪甲色素線条の取り違え、鶏眼と疣贅の誤認は、まさにこの情報の欠落が影響したと考えられる例です。とりわけ外傷（血腫）や感染症（ひょう疽、ヘルペス性ひょう疽）といった急性の変化を、慢性疾患と取り違えるケースが目立ちました。

撮影条件という実用上の課題

爪は平面ではなく、湾曲した立体構造をしています。全体にピントを合わせるには相応の撮影条件が必要です。

一般の利用者がスマートフォンで接写した場合、被写界深度が浅くなり、観察したい部分にピントが合わないことがあります。AIに画像を提示する際、この撮影条件が精度を左右しうる点は、実用面での課題といえます。

本検証の限界

単一モデル・単一時点の結果である

使用したのはGemini Proの1モデルのみ、実施時期は2026年4月です。生成AIは短期間で更新されるため、別のモデル、あるいは同じモデルの別バージョンでは異なる結果になる可能性があります。

本検証は、特定の製品やサービスの優劣を示すことを目的としたものではありません。

症例数が限られている

33症例という規模は、統計的な結論を導くには十分とはいえません。正答率の数値は、あくまで今回用いた症例群における結果です。疾患の構成が変われば、数値も変動します。

撮影条件が統一されていない

用いた症例画像は、撮影機材や照明条件を統一したものではありません。前述のとおり撮影条件は精度に影響しうるため、条件を揃えた場合の結果は今回と異なる可能性があります。

プロンプトの影響を検証していない

AIへの指示（プロンプト）の内容によって、回答の精度は変わりうるとされています。今回は同一の条件で疾患名を推測させましたが、より詳細な指示を与えた場合や、症状の経過などの情報を添えた場合の変化については検証していません。

まとめ

皮膚科専門医の診断と照合し、爪のトラブル33症例で生成AIの画像診断精度を検証した結果、完全一致の正答率は54.5%、部分点を含めると66.7%でした。

形の特徴が明確で頻度の高い疾患については、専門医と同じ判断にたどり着く例が多く見られました。一方、色の解釈や、外傷・感染症といった急性の変化では誤答が目立ちました。触診やダーモスコピーによる情報がない状態で、2D画像のみから判断することの限界が、結果に表れたといえます。

特に、爪の黒い線や色の変化に気づいた場合は、自己判断せず皮膚科の受診をご検討ください。

検証実施：治験ジャパン

※本記事は独自検証をもとに構成しています。本検証は臨床研究として実施したものではなく、AIの回答は医学的な診断ではありません。爪の異常や痛みが続く場合は、自己判断せず皮膚科の受診をご検討ください。