医療画像解析の分野では、3D CT基盤モデルの急速な発展が予測モデリングに新たな可能性をもたらしている。従来の放射線医学的特徴量抽出（ラジオミクス）は再現性の低さと撮像プロトコルの変動に対する感度の高さが問題とされてきたが、3D CT基盤モデルはこうした課題を克服する有望な代替手段として注目されている。しかし、これらのモデルが臨床現場で広く利用可能になる一方で、学習済みの特徴表現が異なる臨床環境でどの程度般化するのか、また特定の下流タスクへの適応が必要かどうかを評価することが急務となっている。 本研究は、複数の3D CT基盤モデルを用いて頭頸部がんの再発生存率予測性能を検証した。合計3,644人の患者データを含む2つの公開データセットを対象に、様々な適応戦略とモダリティ融合メカニズムを評価したのである。その結果、異なる画像分布間で一貫して般化する特徴を特定することが極めて困難であることが明らかになった。外部検証コホートでの性能低下が顕著に観察され、モデルの汎用性に限界があることが示唆された。 最終的には、画像特徴と臨床データを統合するアプローチが予後予測において最も高い精度をもたらすことが判明した。しかし、現在のモデル世代において、異なる臨床環境下での普遍的な般化を達成することは依然として重大な課題として残されている。本知見は、基盤モデルの有望性を認めつつも、実臨床適用には慎重な検証と多角的なアプローチの必要性を示唆するものである。