目　的：本研究では読影支援人工知能（AI）が提示する健常眼からの逸脱度を視覚化したヒートマップ（HM）が，眼科専門医の読影精度と読影時間に与える影響を検証した．
対象と方法：対象は，眼科専攻医3名および眼科専門医3名の計6名．使用したカラー眼底画像は計200枚であり，緑内障，ドルーゼン，後期加齢黄斑変性（MD），網膜前膜（ERM），糖尿病網膜症（DR），併発症例，異常なし，およびダミー画像が含まれていた．各対象者は，AIを使用しない条件，およびAIによるHM表示付きの条件のもとで，上記5疾患の特徴を有するか5段階評価を行った．受信者動作特性（ROC）解析を用い，HM表示の有無による曲線下面積（AUC）値の差を検定した．統計解析には両側t検定（Bonferroni補正）を用い，各比較で両群のnが5以上の場合に限り実施した．
結　果：対象者全体の疾患別平均AUC値は，緑内障，ドルーゼン，MD，ERM，DRについて，それぞれHMなしで0.74〔95%信頼区間（CI）：0.65～0.83〕，0.70（0.59～0.80），0.85（0.79～0.92），0.80（0.72～0.89），0.81（0.75～0.86），HMありで0.73（0.62～0.83），0.64（0.55～0.73），0.81（0.71～0.92），0.74（0.60～0.89），0.75（0.67～0.83），p値は1.0，0.055，0.64，0.85，0.34であった．全5疾患平均のAUC値は，専攻医ではHMなし0.76（0.75～0.77），HMあり0.69（0.57～0.81），専門医ではHMなし0.80（0.74～0.86），HMあり0.78（0.63～0.92），全体ではHMなし0.78（0.75～0.81），HMあり0.73（0.66～0.81），p=0.07だった．平均読影時間は，HMなし13.4秒（95%CI，7.9～18.8），HMありで8.9秒（95%CI，5.8～12.0）でp=0.01であった．
結　論：本研究では，AIの判断根拠領域HM表示による，6名の眼科医の読影時間は約30%有意に短縮された一方で，診断精度には有意な差を認めなかった．（日眼会誌130：654-663，2026）