お問い合わせ

03-5677-3930WEB

ブログ

2019年2月17日

10476:グーグルのAI、眼のスキャン画像から50タイプの疾病を特定:記事紹介

清澤のコメント:DM joint accademic networkで高橋秀穂先生に「眼科の最新AI事情」を聴きました。研究は世界的に相当進んでいるようですが、グーグルや中国の研究規模はけた外れに大きい様です。(印象録準備中)当記事は最大の研究チーム関連の一般記事採録です。

グーグルのAI、眼のスキャン画像から50タイプの疾病を特定

2018年8月29日 10:30 DeepMind

( ディープマインドの共同創業者ムスタファ・スレイマン。)

・グーグル傘下のAI企業ディープマインドが研究を発表した。網膜のスキャン画像から約50の疾病を特定できるAI。
・ディープマインドはAIは専門の臨床医と同じくらいの診断能力を持つ。
・この研究プロジェクトの全情報は匿名化されている。
・同社はイギリス国民保健サービスの病院にこのテクノロジーを5年間、無料で提供する計画。
グーグル傘下のAI企業ディープマインド(DeepMind)は、網膜の3Dスキャン画像から50タイプ以上の眼の疾患を検出できるAIを開発した。


記事の要旨:2018年8月13日、ロンドンのムーアフィールズ眼科病院との共同研究の成果を医学雑誌「Nature Medicine」で発表した。( “Clinically applicable deep learning for diagnosis and referral in retinal disease”. ​Nature Medicine (2018),  DOI: ​https://doi.org/10.1038/s41591-018-0107-6)

AIは、糖尿病性網膜症や加齢黄斑変性などの眼疾患を専門の臨床医と同じくらい正確に診断した。

ディープマインドの共同創業者ムスタファ・スレイマン氏によると、この研究で特に重要な点は、AIが医師の信頼を大きく獲得できるレベルの「説明能力」を備えていること。

「医者は診断のベースとなったセグメンテーションを確認できる」

AIはブラックボックスではない。ある疾患の兆候が表れたスキャン画像の該当部分にラベルを付け、診断についての信頼性をパーセンテージで示すことができる。「研究のブレークスルー」であり、次のステップは臨床の現場でAIが機能することを証明すること。臨床現場での実証には数年かかる。ディープマインドはイギリス国民保健サービスの病院に5年間、無料提供する。
眼のスキャン画像の判定をAIで行うことができれば、プロセス全体をスピードアップできる。
「将来、人々は地元の眼鏡店に行き、そこで光干渉断層計(OCT)で眼をスキャンする。そして、AIは眼に疾患のある患者を極めて初期段階で発見できるようになるだろう」とムーアフィールズ眼科病院の眼科医長ピアース・キーン(Pearse Keane)氏は語った。

ディープマインドのAIは、約1万5000件の眼のスキャン画像を使って学習した。同社は画像の疾患エリアにラベルを付け、ラベルが付けられた画像をAIに読み込ませた。2年半のプロジェクトには「莫大な投資」と25人のスタッフ、そして同様の眼科病院研究者が参加した

グーグルが医療データにアクセスすることへの懸念も
グーグルは2014年、ディープマインドを約570億円で買収。同社は世界のトップ棋士を破ったAI「AlphaGo(アルファ碁)」で知られる。主な問題は、アメリカの一民間企業であるグーグルがディープマインドの医療部門が必要とするセンシティブな医療情報にアクセスできるのかどうかだ。これに対し、ディープマインドは「ラベル付きデータは他の研究者も利用できる。医学発展に取り組んできた対等な者同士の、極めてオープンな協力関係。今回の成果を誇りに思う」とのこと。

[原文:Google’s DeepMind AI can accurately detect 50 types of eye disease just by looking at scans (GOOG)]

(翻訳:Hughes、編集:増田隆幸)

ネイチャー記事抄録: 公開日: 2018年8月13日

網膜疾患における診断と紹介のための臨床的に適用可能なディープラーニング

要旨:画像診断の量および複雑さは、それを解釈するための人間の専門知識の利用可能性よりも速いペースで増加している。 人工知能は、いくつかの一般的な疾患の二次元写真を分類することにおいて非常に有望であることを示しており、そして典型的には数百万の注釈付き画像のデータベースに依存している。 今までのところ、三次元診断スキャンを用いて現実の臨床経路において専門家の臨床医の能力を達成するという課題は未解決のままである。 ここでは、主要な眼科病院に紹介された患者からの臨床的に不均一な3次元光コヒーレンストモグラフィースキャンのスキャンに、新規のディープラーニングアーキテクチャを適用します。 私たちは、わずか14,884回のスキャンでトレーニングした後に、視力を脅かす一連の網膜疾患について専門家のそれに達するかそれを超える紹介勧告を行うことでパフォーマンスを発揮します。 さらに、我々は私たちのアーキテクチャによって生成された組織セグメンテーションは、デバイスに依存しない表現として機能することを示しています。 異なる種類の装置からの組織セグメンテーションを使用するとき、紹介の正確さは維持されます。 私たちの仕事は、現実世界で複数の病理学にわたる法外なトレーニングデータ要件なしに、より広い臨床使用に対する以前の障壁を取り除きます。

Categorised in: 糖尿病網膜症・加齢黄斑変性 (網膜疾患)