新着Pick
691Picks
Pick に失敗しました

人気 Picker
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。
このような「AIの精度が人間の能力を上回った」というニュースは今後もたくさん出てくる中で、そのようなAIをどのように使っていくかがポイントになってきます。
トラブルを防ぐために、AIが出した結果を人間が最終チェックした上で使っていくことが非常に大事になると思っています。
つまり、最終責任は人間(それがAIの開発者なのか利用者なのかは今後の議論次第)で、AIの結果を判断するために人間側に求められる知識・スキルは減らないのではないでしょうか。
研究報告自体もさることながら、Appleが自社のプロダクトに医療機器を溶け込ませていくのに対し、Googleは医療機器に自社のノウハウを溶け込ませていくという対比も興味深いと思います。

いずれにせよ、これまでのデジタル社会を2社が席巻してきたように、Apple vs Googleの構図がヘルスケアの世界をも飲み込もうとする、その始まりを予感させるような研究報告の一つです。

ここに、facebookがどう関わってくるか、あるいは新たな第3の「モンスター」が登場するのかも見ものです。

このような時代の潮流により、医療界が多大な恩恵を受けるのは間違い無いと思いますが、一方で急速に進みかねない「医療の商業化」という副作用にも注意を払う必要があるでしょう。
素晴らしい。画像診断はAIの学習がしやすい分野でしょうから、今後ますます発展することを期待します。
こういうニュースが出ると、人間かAIか、といった発想の議論がされがちですが、人間も完ぺきではないし、AIも完ぺきではないので、うまい相互補完関係を作れたらと思います。
先日内閣府の規制改革推進会議でも議論したのですが、例えばトンネルの定期点検は「健全性の診断の根拠となる状態の把握は、近接目視により行うことを基本とする」とされています。
最終的には近接目視を義務付けるとしても、その前段階のふるい落とし作業みたいなのに画像診断技術をもっと取り入れて、人間はAIが?をつけたところを集中的にチェックするといったことがあれば、全国の老朽化したインフラを効率よく検査できると思うわけです。
国土交通省「道路トンネル定期点検要領 」
http://www.mlit.go.jp/road/sisaku/yobohozen/tenken/yobo4_2.pdf
下記のWSJ記事に詳しいが「ときに上回る」こともあり、人間の専門家が上回るケースもある。
乳がん検査は見落としや偽陽性が多い。今回開発されたAIは、見落としについては米国でのテストで9.4%、英国では2.7%減少。また偽陽性は米国で5.7%、英国で1.2%減少させたとのこと。一方で、AIが見落としたものを人間の技師がもれなく見つけたケースもあったとのこと。
人間だけよりも良い結果のように見えるし、また組み合わせることで発見率も人間への負担も下がる結果に見える。
https://on.wsj.com/2tlwNYT
うちの母は昔おかしいと感じ、マンモを受けたのに異常見つからず、それでもおかしいと思い、、、と複数の病院でやっとガンの疑いがわかり、今度は針生検。
しかし、これもピンポイトで刺さらなければ陰性で、
また別で生検しやっと進行していた悪いやつを見つけました。
1回目で、じゃ大丈夫かーと、なる人も多いはず。

人の力だけでは、本当に難しいミクロな世界。

プロの技術+最新技術で、ぜひ革新を。期待しています!
見落としは偽陰性、過剰診断は偽陽性などと言いますが、画像診断における精度自体はAIが勝つのはそうだろうと思います。

その上で、まだ人間の目で明らかに癌でもAIで見落とされるケースなどがあるとダブルチェックは必要なわけで、専門家を上回るというより専門家がツールに使用するものとして十分な質を担保できるようになってきたと捉えるのが良いように思います。
画像診断する医師が不要というわけではありませんので。

また、実際は100%でなければ結果的に必要のない切除があったり、腫瘍らしくても経過を見るということもあるでしょう。
そこには医師と患者のコミュニケーションがあり、背景に様々なストーリーがあります。
画像診断に時間を割かなくてよくなればそういったところによりいっそう時間や手間を割けるので、早く臨床応用が進むと良いなと思っています。
以前から申し上げているとおり、画像診断の分野はAIの利用が最も早く進むと考えています。

マンモグラフィーの読影って簡単そうに感じるかもしれませんが、ドーンと腫瘍が写るわけではなく(そういうこともありますが)、非常に細かい石灰化や淡い陰影を見逃さずに見ていく必要があり、かなりの熟練を要します。しかもそれを数十人〜数百人の単位でチェックしていくのが乳腺科や放射線読影医の日常ですから、見逃しは当然起こります。AIはその専門医を上回るパフォーマンスを見せ始めているということ。ある意味当然と感じます。