医療分野において機械学習と深層学習の導入が急速に進む中、診断精度の向上と業務効率化がもたらされている一方で、膨大な計算処理に伴う電力消費、電子廃棄物の増加、カーボン排出量の増大といった環境的課題が深刻化しています。特に医療画像分類タスクに取り組む研究者らは、自らのデータに最適なモデルを試行錯誤によって探索する過程で、無駄なエネルギー消費と資源浪費を余儀なくされてきました。 こうした背景から、本研究は医療画像分類に特化したモデル推奨システムMedicalRecの開発を目指しました。3,000件の医療画像分類関連論文から収集されたデータセット「MedicalRec-Bench」には、皮膚がん分類、腫瘍分類、創傷分類、乳がん、MRI分類といった様々なタスクで検証された5,000件以上のモデル実績が記録されています。データセットは特徴量の数に応じて4つのバージョンに分類されており、5特徴量のMedicalRec I から18特徴量のMedicalRec IVまで段階的に複雑性が増しています。 推奨システムの実装にはトランスフォーマーベースのモデルが採用されました。このアーキテクチャにより、評価時にHitRate@100で最大75.5%という優れた性能を達成しています。12個の基本モデルとの比較評価においても、本システムの有効性が実証されています。 データセットとその実装コードはGitHubで公開されており、医療分野の研究者による継続的な改善と応用が期待されています。