新着Pick
60Picks
Pick に失敗しました

人気 Picker
今回の研究では、6名の放射線科医と機械学習モデルにそれぞれ同じCT画像を読ませてどのぐらい正確に肺がんとそれ以外を区別できるのか比較検討したようです。すると、機械学習を用いた方が偽陽性率(本当はがんではないのに検査でがんと言ってしまう確率)が11%、偽陰性率(本当はがんなのに検査でがんではないと言う確率)が5%低下したと報告しています。

ノーベル賞受賞者であるDaniel Kahnemanが唱えるところの人間のfast thinkingとslow thinkingのうち、前者のfast thinking、パターン認識のところには現在の機械学習がよく馴染むと考えられており、医療の業界ではCT画像などはまさにその典型かと思っています。

臨床医学において近年重要視される個別化よりもむしろ、客観性、一貫性が重要となる領域ですから、このあたりは今後機械学習の導入が進んでいくでしょう。
>"4万2000枚あまりの肺のCT画像を使って"

(こんなにも教師画像を引っ張ってくるなんてさすがアメリカ…逆立ちしても敵わなさそう…実際、日本での画像AI読影研究は適切な教師画像を集めるのに難渋しているみたいです。それに専任できるマンパワーの確保から難しいらしくて…😔)
(誤字修正)
山田さんがいつも通り的確に記載されています。

年齢や喫煙歴や家族歴など統合する情報はあるにせよ、健診での画像診断はそもそもパターン認識ですので、AIに分があるでしょうし、今後はそちらに任せられるようになると思います。
もはや血液検査の機械の中で何が起こっているのかなんてことは誰にもわからないけど結果を使って医療しているのと同じでしょう。

それでも、病気によっては検査結果の解釈には本人からの話(問診)や身体所見を統合する必要があったりしますので、その辺はまだまだ通常の内科医の診断が残っていくのかもしれませんし、画像には出ないレベルでの診断であったり、問診や身体所見との組み合わせで診断精度を上げることが医者の仕事になるのかもしれません(診断学においては)。
治療においても部分的に人の力はほとんど要らなくなるかもしれませんね。

変わっていくのが楽しみです。
グーグルやスタンフォード大学などの研究グループが「ネイチャー・メディシン」に発表したとのこと。
CBCTの画像でも行けるかな?