AIの乳がん識別、専門家上回る グーグル発表、マンモ画像検診で
コメント
選択しているユーザー
マンモグラフィは「検診」と「診断」の時に用いられます。
「検診」に関しては、個別化検診に関する研究が今のトピックです。
具体的には、WISDOMやMyPeBSといった臨床試験では、乳癌リスクをAIで判断して検診間隔や検診モダリティを変える「リスク層別化乳癌検診」が有意義であるか、前向きランダム化比較試験で検証されています。
このようなリスク層別化とマンモグラフィの自動読影の相性はいいので、今後これらを合わせた研究が行なわれると思います。
「診断」に関しては、AIによって、人のマンモグラフィ読影技術もより向上すると思います。
いくらAIが進んだところで、手術する際にどこを切除するか判断するのは人間なので、診断から治療まで全自動になる時代が来るまでは、人のマンモグラフィ読影技術も高く保つ必要があります。
このニュースの元となるNature誌の記事を拝見すると、「人に読めなかったがAIに読めた乳癌」と「AIに読めなかったが人に読めた乳癌」のマンモグラフィ画像が掲載されています。これらを研究していくことで、AIの精度が上っていくことはもちろんのこと、今まで癌と判断できていなかった新たな所見が発見できるかもしれません。このような発見は、人の読影技術が向上するだけでなく、人類による癌への理解がより深まるかもしれません。
注目のコメント
これは期待！！
医療はなんでもAIにとってかわれる分野ではないけれど、
画像診断とか病理診断は、精度がヒトより上回るのであればぜひAIに活躍してもらいたい。
マンパワー的にも精度的にも、現場も患者さんも助かる。Googleが買収した英国Deep Mind社のプロジェクトだから、英国人のデータも含まれているようですね。
医療画像の診断では、人種の違いや診断機器メーカーの違いで、データと結果が異なることもあるそう。その意味で、英と米の比較は興味深い。
①英米モデル
学習：英76000＋米15000
評価：英25000、米3000
見落とし(False Negative)の改善：英2.7%、米9.4%
②英モデル
学習：英
評価：米
見落とし(False Negative)の改善：米8.1%
①と②を比較すると、米の結果が1%ほど違う。解釈が難しいが、1%レベルの改善には、各国の各医療機関のデータを学習させる方が良いのかも。
=参考=
Using AI to improve breast cancer screening
https://www.blog.google/technology/health/improving-breast-cancer-screening/日本も横断的に機関同士で医療データを共有しようとする試みがなされていますが、様々な問題があり、なかなか難しいようです。例えば、新しい組織が参加しようと思うと、これまで参加している全組織の倫理委員会で再度審査しなければならないなどちょっとむずかしいフレームワークになっているのだとか。また、学術利用限定で、営利目的の利用は不可。営利(=臨床)に使ったら行けないというのは、難しいと感じます。GoogleやAppleが積極的に医療AIの研究を進めていくなか、どうすべきか考えさせられます。
(ソースが示せないので話半分でお願いします)なくなった患者さんのデータは個人情報に当たらないことから、海外では積極的にそのようなデータを公開して共有するという試みも進んでいるそう。
医療データは佐々木 励さんが指摘されている通り人種だけでなく、機器の違いでもデータの取れ方が大きく異ることからそれをいかに吸収するかも課題。
