病院で撮ったレントゲン写真をAIに見てもらう！

輸入：

日常生活では、健康診断のために病院に行くことが避けられません。でも、ご存知ですか？ AIはひっそりと医療診断プロセスに入り込み、人類の健康を守るための戦いに参加しています。

この防衛戦において、AIは医療画像認識において特に優れたパフォーマンスを発揮しました。次はAI画像認識から始まり、AI+医療がどのように技術を実践し社会に貢献できるかを見ていきます。

医療画像認識の難しさ：

病院で治療や健康診断を受けると、大きなレントゲン写真やCT、MRIなどの画像を撮られることがありますが、これらの医療画像を効率的かつ正確に解釈するのは簡単ではありません。

CT画像やMRI画像を撮影する場合、実際には1枚の写真だけではなく、数十枚、数百枚の画像が同時にスキャンされます。放射線科医は、多数の画像から最も可能性の高い病変を選別し、他の医師に参照用に渡すという作業に非常に時間がかかります。

「2018年医療AI技術・応用白書」によると、中国の医療画像データは毎年30％増加しているのに対し、医療画像診断医の数は毎年4.1％しか増加していない。三次医療機関の放射線科医が毎日何万枚もの医療画像を検査することは珍しくありません。

これほど仕事量が多いと、よく訓練された医師でもミスをしてしまうのは必然です。

また、医療画像診断を用いても、初期段階では診断が難しい病気もあります。肺がんを例に挙げてみましょう。国際がん研究機関（IARC）の2022年のデータによると、肺がんは中国で最も発症率と死亡率が高いがんです。

「早期肺がんの診断に関する中国専門家コンセンサス（2023年版）」によると、肺がんを早期段階（ステージI）で診断し、積極的に治療することができれば、5年生存率は77％～92％に達する可能性がある。しかし、ステージIII～IVで診断された場合、5年生存率はわずか10％～36％です。

しかし、ステージ I の肺がんには明らかな臨床症状がなく、X 線から特定することは困難です。低線量のスパイラル CT スキャンを使用する必要があり、放射線科医は多数の CT 画像を注意深く区別する必要があります。肺がんの初期段階では、一部の病変が良性の結節と混ざっており、区別が困難です。

AIならもっと上手くできる:

畳み込みニューラルネットワーク（CNN）の登場以降、AIは画像認識の分野で急速な進歩を遂げています。同時に、ディープラーニングアルゴリズムの助けを借りて、AI はラベル付けされた医療画像を学習に使用し、人間の医師による診断を支援することができます。特定の病気の診断に関しては、彼らのパフォーマンスはトップクラスの人間の専門家のそれに匹敵します。

たとえば、2019 年の研究では、肺がんの早期診断における AI の利点が実証されました。

研究者らは、アルゴリズムのトレーニングに、45,000件を超えるラベル付き胸部CTスキャンのデータを使用した。訓練を完了した後、科学者たちはAIモデルに新しいCT画像を分析させ、その結果を6人の専門放射線科医が出した結果と比較した。

結果によると、AIによる診断の見逃し率は人間の医師よりも5％低いことがわかった。 AIの偽陽性率も人間の医師より11%低い。偽陽性とは、肺がんではないのに肺がんであると誤診される状況を指します。これは、この AI モデルの検出精度がプロの人間の医師の検出精度に劣らないことを示しています。

このようなモデルが普及すれば、医師の負担が大幅に軽減され、より多くの人が早期に治療を受けられるようになることは間違いないだろう。

そして、そのような技術の普及はすでに始まっています。

2021年、わが国の三次医療機関の一部では、小さな肺結節に対するAI支援診断システムを導入した。このシステムは、CT画像に映る結節が肺がんの病変であるかどうかを判定できるほか、肉眼では判別できない小さな結節も識別できるため、医師のより正確な判断を支援します。

特筆すべきは、2024年1月にこのシステムが北京市通州区の新華病院と永楽店コミュニティ健康サービスセンターという2つの民間病院で初めて試験導入されたことである。このようなシステムが地方の病院に普及すれば、医療資源の偏在の問題は大きく緩和されるだろう。

もちろん、これまでは肺がんの早期診断の例を挙げただけです。 AIはそれ以上のことができるのです。乳がんの診断、糖尿病網膜症の検査、皮膚疾患の写真認識、心血管疾患や脳血管疾患の診断やスクリーニングなどに重要な役割を果たします。

AI支援診断の登場は医療・健康産業に大きな変化をもたらし、人々の健康を守ることになるかもしれません。

AI画像認識にはまだ欠点がある:

AI 認識の精度は、高品質のラベル付きデータに依存することは否定できません。医療画像データのラベル付けは、一般的なデータのラベル付けとは大きく異なります。

たとえば、一般の人は写真に写っている道路、信号、歩行者、自転車などの物体を簡単に区別できるため、自動運転車のトレーニングデータセットに注釈を付けることができます。

しかし、医療画像データのラベル付けは経験豊富な医師に依存しており、トレーニングデータの入手が困難になっています。

しかし、医療画像の認識と分析は比較的新しい研究分野です。世界中で多くの科学者がこの分野の研究に取り組んでいます。 MICCAI などの協会は、コンピューター サイエンス、医学、工学、物理学の分野における多数の専門家を統合し、毎年何千もの学術論文を発表しています。

今後もAI技術が医療・健康産業の発展を促進し、より多くの人々がより良い医療を享受できるようになると信じています。

参考文献:

Han B、Zheng R、Zeng H 他中国におけるがんの発生率と死亡率、2022年[J]。国立がんセンター雑誌、2024年、4(1):47-53。

中国呼吸器医学会。 （2023年）。早期肺がんの診断に関する中国の専門家のコンセンサス（2023年版）。中国結核呼吸器疾患ジャーナル、46(1)、1-18。

劉雲琴、李盛錦。肺がんの早期診断に関する研究の進歩[J]。臨床医学の進歩、2024年、14：2406。

Ardila D、Kiraly AP、Bharadwaj S 他低線量胸部CTを用いた3次元ディープラーニングによるエンドツーエンドの肺がんスクリーニング[J]。ネイチャーメディシン、2019年、25(6):954-961。

2018 医療 AI テクノロジーとアプリケーションに関するホワイト ペーパー

著者: 雲吉宇科学創造チーム

査読者: 秦増昌、北京航空航天大学オートメーション科学・電気工学部准教授

この記事は科学普及中国創造育成計画によって制作されました。転載の際は出典を明記してください。