熟練医が持つ「違和感」のモデル化 – 正常/異常のみのMRIスクリーニングシステム

放射線科医はその読影作業において、限られた時間のなかで緩急をつけた画像診断を行う。一見して「何かがおかしそうなもの」には時間を多く割く。一方で、自身の経験と高度専門知識に基づき、違和感を感じない画像は定式的な確認のみで済ませる。これはある意味で職人感覚に類するものだが、このような熟練医が抱くことのできる適切な「違和感」をモデル化する深層学習アルゴリズムが構築された。

権威ある学術団体「北米放射線学会(RSNA)」が21日公表したところによると、マサチューセッツ総合病院(MGH)やハーバード大学などの研究チームは、複数施設から収集された9,000を超える頭部MRI画像によって当該アルゴリズムをトレーニングしたという。畳み込みニューラルネットワークモデルはあえて「正常/異常」のみを識別するよう設計され、特定の候補診断名を挙げることはしない。これによってモデルのターンアラウンドタイムを大幅に改善するとともに、本来関心があるもの以外の所見を偶発的に捉える機会を逃さない(転倒に伴う脳損傷をチェックした際にも、脳腫瘍の存在を見逃さないなど)。また、このようにシンプルなアルゴリズムは放射線科医による画像読影への強力な支えとなる可能性もある。

同21日にRadiology: Artificial Intelligenceから公開されたチームの研究論文では、比較的良好なモデルパフォーマンスを示しているが、あくまで現時点では予備的研究成果と位置付け、さらなる精度向上と汎化性能の検証を続けるとしている。正常/異常のみを識別するアルゴリズムは興味深い視点であるが、所見に病的意義のないものも多く、異常の閾値をどこに設定するかによっては臨床フローを著しく阻害する可能性もある。「異常」に対しては臨床的重要度を付与して示すなどを考慮することが、臨床現場に受け入れられやすいスクリーニングシステムとしての発展の方向性かもしれない。

関連記事:

  1. 乳がん識別AI – 人の学習過程を模倣したAIが放射線科医のパフォーマンスを凌駕
  2. 胸部CT画像のAI定量評価で患者転機を予測
  3. MRI画像から腎容積を自動計算するCNNモデル
  4. 小児脳腫瘍をMRIから分類するAI研究 – 英ウォーリック大学

前の記事米国放射線科医の約30%がAIを使用 – 2020年ACR調査
次の記事マウントサイナイ医科大学 – 博士課程にヘルスケアAIコースを新設
TOKYO analytica
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、SBI大学院大学客員准教授、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。