画像検査の普及と人口高齢化の進展により、膵臓腫瘍の発見率が著しく上昇しています。膵臓腫瘍の種類ごとに生物学的挙動や患者予後に大きな差があり、臨床では正確な診断とリスク層別化が急務です。近年、画像オミクス、深層学習、多オミクス統合などの人工知能（AI）技術が、膵臓腫瘍の早期発見、サブタイプ識別、予後評価の効率を飛躍的に向上させています。早期診断用の代表的システムは曲線下面積（AUC）が0.98以上に達し、多オミクスAIモデルも個別化治療の予測を効果的に改善しています。しかし、データ共有の不足やモデルの説明可能性の問題が臨床応用を制限しています。将来的には標準化、説明可能性研究、多施設臨床検証を強化し、AIによる膵臓腫瘍の精密診断・治療推進が求められます。

膵臓腫瘍;人工知能;画像オミクス;深層学習