創傷の臨床写真を撮影した。患者は同意書に署名した。データ点は堅実だ。だが投稿先のジャーナル──The Lancet 、NEJM 、JAMA ──は写真そのものではなく、病変の解剖学的文脈を示すクリーンなライン画を要求する。医療イラストレーターへの依頼は 1 枚 $300–$1,500 で納期 2–3 週間。投稿締切は金曜だ。
これこそ AI 医療イラスト (AI medical illustration) が埋めるために生まれたギャップだ。現代の領域特化型画像モデルは、解剖図、病理イラスト、写真 → 図変換を 1 枚あたり約 10 分 で出版品質に仕上げる──費用はごく一部だ。機能するワークフロー──解剖生成、写真 → 図、機構図、最終調整──と、AI が制作パイプラインに入るときに医療系著者が守るべき倫理ルールを通しで歩く。
臨床写真から医療ライン画へ：AI ワークフロー（SciFig で生成した図） 透明性に関する注記：本記事の図は SciFig AI で生成され、科学的正確性については著者がレビューしました。引用された主張はピアレビュー済みの情報源にリンクしています。
現代研究における医療イラストの姿
医療イラスト (medical illustration) は、臨床・解剖・病理の内容を、ジャーナル投稿、教育、患者コミュニケーションに適した図に視覚的に翻訳すること だ。研究論文での使用は 3 カテゴリが主軸：解剖図 （生殖器系、消化管、骨格構造）、病理イラスト （疾患機構、炎症カスケード、免疫応答）、手術 / 手技模式図 （手技概要、機器配置、介入経路）。
ジャーナル間での量は相当だ。
2022 年の Council of Science Editors による臨床ジャーナル監査 では、
オリジナル研究論文の 64% が、データプロットと臨床写真以外に最低 1 枚の医療イラストを含んでいた 。これらの図は働き者だ──テキストでは伝わらない文脈、特に当該専門外の読者向けの文脈を確立する。最近まで、制作には医療イラストレーター（修士レベルの訓練、時給 $80–$120）か、医療イラスト用プラグインライブラリと組み合わせた Adobe Illustrator での丁寧な手作業が必要だった。
3 種類の医療イラスト：解剖、病理、手術（SciFig で生成した図） AI 医療イラストは制作経済を変える。領域特化モデル──ここでは SciFig の
Nano Banana Pro 2K を例に──は、自然言語記述から解剖・病理イラストを生成し、参照写真をアップロードしてスタイルや構造のマッチングも可能だ。
vector-canvas での簡単な調整工程を経て、出力は出版可能なベクターになる。
AI 医療イラストの違い（と注意すべき点）
汎用画像モデル（DALL·E、Midjourney、Stable Diffusion）は 見た目はもっともらしいが微妙な解剖エラーを含む医療イラスト を生み出す：大動脈弓が逆向きの心臓、腎尿細管ループが髄質側ではなく皮質側にある腎臓、小脳が不釣り合いに大きい脳。エラーは非専門家には見破れず、関連解剖を教えるレビュアーには即座に明らかだ。
ここで 領域特化モデルが評判を勝ち取る 。SciFig の医療イラスト生成は生物学・臨床文献に固定されており、汎用 AI に共通する 3 カテゴリのエラーを減らす：解剖学的不正確 （臓器トポロジー、血管走行、神経経路の方向）、スケール違反 （細胞小器官が大きすぎる、解剖構造が不釣り合い）、ラベリングエラー （構造の誤ラベル、用語の誤り、解剖方向の反転）。
心臓解剖の比較：汎用 AI vs SciFig の参照グラウンディング（SciFig で生成した図） 残る注意は本物で、名前を付ける価値がある。すべての AI 生成医療図には解剖学的正確性の人手レビューが必要だ ──モデルはエラー率を減らすが、ゼロにはしない。研究者は提出前に出力を権威ある解剖参考書（Gray's Anatomy、Netter's Atlas、当該臨床ジャーナルの過去図）と照合すべきだ。レビュー工程は 1 枚 2–5 分で、ファインチューニングが届かなかった残余エラーを捕捉する。
写真から図表変換を実践で見る
ラボ写真を撮影 — SciFigがクリーンなラベル付き科学図表に変換。
ツールを探索 臨床写真があってライン画が必要なとき、
photo-to-figure ツール が正しい入口だ。ワークフローは 3 ステップ：写真をアップロード、何を強調し何を抽象化するかを記述、生成する。
皮膚科病変写真の場合、プロンプト例：
「前腕の黒色腫の臨床写真をラベル付き医療ライン画に変換。表示：病変境界、非対称性、色彩変動、周囲健常皮膚の文脈。ラベル：病変、周辺、真皮表皮接合部。スタイル：医療教科書、ソフトクロスハッチシェーディング、クリーンなリーダー線、匿名化（患者を特定する皮膚のひだや毛のパターンなし）。」
出力は、臨床内容（病変境界、色、非対称性）を保ちながら識別特徴を抽象化した、出版可能なライン画になる。倫理準拠で重要な 3 点：写真の元患者は同意していなければならない 、ライン画は元画像に写真的に逆工学できてはならない 、そして 得られた図は同意付き臨床写真からの AI 生成としてキャプション付け されなければならず、写真の直接複製として扱ってはいけない。
3 段階の photo-to-drawing ワークフロー（SciFig で生成した図） 病理標本の場合、ワークフローは同じで、プロンプトを細胞構造（上皮 vs 間質、炎症性浸潤 vs 腫瘍性）を強調するように調整する。内視鏡像なら解剖学的目印と内腔の向きを強調。パターンは画像モダリティを越えて転移可能──変数は何を保ち何を抽象化するかだ。
ステップ 2：テキストプロンプトから解剖図を生成する
ソース写真のない解剖図には、
text-to-figure ツール が記述プロンプトから生成する。正確性はプロンプトの具体性に依存する──曖昧なプロンプトは教科書汎用のイラスト、具体的なプロンプトは論文掲載可能なものを生む。
4 つの一般的な解剖ニーズに対する実用プロンプト：
解剖図 実用プロンプト 女性生殖器系 「女性生殖器系の解剖イラスト、前方ビュー、ラベル：子宮、卵管、卵巣、子宮頸部、膣。医療教科書スタイル、ソフトパステルカラー、リーダー線ラベル、白背景。」 消化管 「ヒト消化管の解剖図、前方ビュー、口腔から直腸まで完全、ラベル：食道、胃、小腸（十二指腸、空腸、回腸）、大腸（盲腸、上行 / 横行 / 下行結腸、S 状結腸）、直腸。医療教科書スタイル。」 骨格系（前方） 「ヒト骨格の解剖イラスト、前方ビュー、ラベル：頭蓋骨、鎖骨、胸骨、肋骨、脊柱、骨盤、大腿骨、脛骨、腓骨。成人男性プロポーション、医療教科書スタイル。」 主要筋群 「主要骨格筋群、前方ビュー、ラベル：大胸筋、三角筋、上腕二頭筋、腹直筋、大腿四頭筋（直筋、外側広筋）、前脛骨筋。医療教科書スタイル、ソフト解剖カラーパレット。」
4 つの解剖プロンプト例と出力グリッド（SciFig で生成した図） いずれも、プロンプト構造は一貫している：
エンティティ、ビュー、ラベル（列挙）、スタイル錨、背景 。フレームワークは細胞図に使ったものと同じだ（E-S-S-V の詳細は
動物細胞チュートリアル を参照）。
ステップ 3：病理イラストと疾患機構図を作る
病理イラストは疾患プロセスが分子・細胞レベルでどう動作するかを示す。解剖図よりプロンプトが難しい──エンティティが抽象的（経路、シグナルカスケード）で、空間関係（どのタンパク質がどれを活性化し、どのコンパートメントで、どの順序で）が重要だからだ。
JAK/STAT シグナリングカスケード ──炎症、腫瘍学、免疫介在性疾患研究で一般──の実用プロンプト：
「JAK/STAT シグナリング経路の分子イラスト。表示：細胞表面受容体へのサイトカイン結合（細胞外）、JAK のリン酸化（膜近傍）、STAT のリクルートと二量化（細胞質）、二量体の核膜孔を通る転位、STAT の DNA 上 GAS エレメントへの結合（核）。シグナル流方向を示す矢印。すべての主要タンパク質にラベル。分子生物学教科書スタイル、層状の細胞コンパートメントを可視化。」
出力は標準的な機構を正しい方向性で捉える──STAT のリン酸化は二量化に先行、二量体は核へ転位、遺伝子転写が続く。ここが汎用画像モデルが最も頻繁に失敗する場所だ ：順序を逆にする（STAT が先に転位、次に二量化）、GAS エレメントを省略、JAK を誤った細胞内コンパートメントに配置するなど。
JAK/STAT シグナリング経路を正しく描いた図（SciFig で生成した図） 他のよくある病理図──がん細胞転移カスケード、免疫シナプス形成、補体活性化、インフラマソーム集合──にも同じプロンプト構造が、エンティティとコンパートメントを調整して適用できる。
ラボ写真を科学図表に変換
顕微鏡写真、サンプル画像、機器写真をアップロード — クリーンな図表を即座に取得。
無料で試す ステップ 4：ベクターキャンバスで調整しカスタムラベルを追加する
生成図は自分のレイアウトに合わせたラベル調整がよく必要だ。
ベクターキャンバスツール は図を階層化 SVG として開く：細胞小器官や構造が 1 レイヤー、ラベルが別レイヤー、リーダー線がさらに別レイヤー。これにより下層の解剖を描き直さずにラベルを再配置できる。
よくある調整作業：ジャーナル準拠のためのフォントサイズ （大半のジャーナルは最低 7–8 pt）、ラベル背景のコントラスト （着色解剖の上に重なるラベルには半透明背景）、矢印方向の調整 （自分のレイアウトで左から右に読むべきシグナル流）、用語のローカライズ （臨床読者向けに「腎小体」を「糸球体」へ）。
ベクターキャンバス：編集可能な腎臓イラストとラベル（SciFig で生成した図） 調整工程は 1 枚 2–5 分。マルチパネル構成に組み込む図（
レイアウト方法はこちら ）では、ラベル調整が最重要──パネル間のアライメントがクリーンな図と指摘される図の分かれ目だ。
医療イラスト倫理：開示、同意、2026 年の AI
AI 医療イラストは主要臨床ジャーナル全体で受け入れられる──ただし開示すれば。現行のベストプラクティス開示は Methods セクションに現れる 4 要素から成る：
使用ツール — 「Figures were generated with SciFig (https://scifig.ai)」 モデル / バージョン — 「using the Nano Banana Pro 2K model」 生成日 — 「between February 1 and February 10, 2026」 人手レビュー確認 — 「All figures were reviewed by the corresponding author for anatomical and scientific accuracy」
Methods セクション AI 開示の例（SciFig で生成した図） 臨床写真から派生した図には、同意開示が独立して明示的に必要だ：「Clinical photographs were obtained with patient written informed consent (IRB protocol #X-XXXX). Photographs were transformed into anonymized line drawings using AI-based image generation.」 同意記録 + 変換開示の組み合わせが、主要臨床ジャーナル全ての患者保護要件を満たす。
ジャーナル AI ポリシーの全景──どのジャーナルがどの文言を求めるかを含む──は
Are AI-Generated Figures Allowed in Journals? に文書化されている。AI が伝統的医療イラストに対して正しいアプローチかどうかの広い問いについては、
SciFig vs BioRender と
Free Scientific Icon Libraries 2026 で 2026 年における AI フリー代替の姿を確認できる。
よくある質問
AI 医療イラストとは何か、ストック医療画像とどう違うか？ NEJM や The Lancet などの臨床ジャーナルで AI 生成の医療イラストは使えるか？ 患者の臨床写真を AI 生成図に変換することは合法か？ AI 医療イラストは疾患機構の正確性（例：JAK/STAT）をどう扱うか？ AI はプロの医療イラストレーターを置き換えられるか？ 医療免責事項
本記事は研究発表向けの科学的図のデザインに焦点を当てた教育コンテンツ であり、医学的助言を構成するものではなく 、臨床判断に使用すべきではありません。本記事に記載されている疾患メカニズム、解剖学的参照、倫理的指針は、引用されたピアレビュー済み情報源から要約したものです。臨床実践においては、原典文献、公式ガイドライン、および認可を受けた臨床医にご相談ください。SciFig は科学的イラスト作成ツールであり、診断、治療、患者ケアに関する助言は行いません。
