乳がん診断のgame changerとなるか – AIによる超音波エラストグラフィの解析

腫瘍の良悪性判断は、臨床医と医学研究者にとって長年の課題であり続けている。正確に見極めるには腫瘍組織を直接取ってくる「生検」が必要となることが多いが、患者にとってその侵襲性は多大である。一方で、診断の遅れや偽陰性は治療機会を逸することにもつながる。今回は、AIを利用し、非侵襲的で高精度の乳がん診断を目指す新しい取り組みを紹介する。 近年、超音波エラストグラフィという新しい画像技術が実用化されている。生体組織の柔らかさは病理的に決定していることが多いため、悪性病変(特にがん)を組織の柔軟性から画像的に評価できるだろうというものだ。具体的には、組織に振動を加えた際のせん断波の伝播速度を計測するものが知られている。乳がん診断にも実際に適用が始まっているが、エラストグラフィの画像読影は時間を要すること、複雑なプロセスを経ること、専門家間での評価の隔たりなどが問題となっている。そういったなか、米南カリフォルニア大学の研究チームは今月公開される論文中で、畳み込みニューラルネットワークを利用し、この超音波エラストグラフィ画像から乳房腫瘍の良悪性を判断する取り組みを示している。 チームは12000枚の画像をアルゴリズムに学習させ、8割程度の診断精度を実現しているという。現時点ではあくまで研究途上であり、実臨床利用のためにはさらなる精度向上が欠かせないが、この研究は非常に斬新な手法を取り入れている点にも言及しておく必要がある。それは、実はこのサンプル画像が実画像ではなく、合成画像であるという点だ。臨床的に有効性の高いAIアルゴリズムを導くためには大量の画像データが必要になるが、実際的にはこのようなデータベースの構築はきわめて難しい。アルゴリズムを大量の合成画像で導き、現実的な数での実画像で妥当性の検証を行うことができるのであれば、医療AI開発は一層の進展をみせる可能性があると言える。

医療コミュニケーションをAIで改善することで、より良い治療を実現へ

医師と患者の医療コミュニケーションの良し悪しは、治療のクオリティーに直結する。そしてAI技術を使うことで、コミュニケーションがさらにスムーズになるかもしれない。AIは、(1)患者の健康状態の情報をオープンにすること、(2)医師がプレッシャーを感じている場面があれば、それを検出すること、(3)医師に本来必要のない検査をさせないこと、という3つの分野において、役に立つ可能性がある。 米メディアBecker’s Hospital Reviewによると、ニュージャージー州レバノンのダートマス健康政策・臨床診療所では、患者と医療提供者の間のコミュニケーションを改善させる研究を行っているという。関係者は「患者とのコミュニケーションスキルに関しては、学校でも習わず、臨床医の現場でも正式に評価されているとは言えない。事実、臨床医が患者との意思疎通に困っているというデータもある」と語る。 AI技術を使うことにより、患者とのコミュニケーションに関して、医師に個別にフィードバックすることが可能となる。米電子メディアMBNが報じたところでは、AIがまず単語やフレーズを記録し、医師と患者がどれほど理解し合っているかを確認する。そして両者のトーンや話し方を分析することで、臨床医のストレスポイントを検出したり、患者の身体的および精神的健康を可視化できるのだという。ヘルスケア産業において、AI活用の新たな使われ方が、いま注目されている。

AIを利用し非アルコール性脂肪肝炎を予測

アルコールをほとんど摂取しない人に起こる脂肪肝のうち、肝硬変・肝がんへの進行リスクがあるものを非アルコール性脂肪肝炎(NASH)と呼ぶ。NASHの確定診断のためには、実際に幹細胞を取って病理検査を行う必要があるが、近年、AIによってNASHを非侵襲的に予測しようという動きがある。 Gastroenterology & Endoscopy Newsの報道によると、米ボストンのOM1は、患者の臨床所見からNASHを予測する機械学習アルゴリズムの開発に取り組んでいるという。研究を率いるKathrym Starzyk氏は「肝生検は施行に一定のリスクがあるばかりか、一部の患者には施行そのものができない」と話し、新しい非侵襲的診断法の必要性を強調する。 日本国内においても肝炎ウイルスに感染のない肝がん患者数が増加しており、背景にはNASHの存在が指摘されている。NASHには生活習慣改善を含めた早期からの医療介入が必要だが、健康診断が広く行われている日本では、特に新しい非侵襲的診断法が有効に働く可能性もある。

生体分子の研究にも機械学習を活用

生体分子(体内にある物質)の特定に、機械学習を活用する技術が開発された。 ヨーロッパ分子生物研究所(European Molecular Biology Laboratory)のダニエル・フランク氏らの研究チームは、既存のSmall angle X-ray scattering (SAXS)と呼ばれる生体分子の特定に、機械学習による分析を取り入れる方法を確立した。 生体分子を特定するためには、数多くの組み合わせを検証する必要がある。この検証に機械学習を取り入れることで、「検証不要の無駄な組み合わせ」を省き、効率よく有力な候補が絞り込めるようになる。同チームは、488,000パターンの無駄な組み合わせをトレーニングデータとして活用し、アルゴリズムの精度を上げたという。 参考文献: Machine Learning Methods for X-Ray Scattering Data Analysis from Biomacromolecular Solutions Photo: monsitj / iStock

米国 Invistics社 – 機械学習で院内の医薬品窃盗を追跡するソフトウェア

医療関係者による病院内からの医薬品の窃盗は、転売・乱用など目的は様々だが少なからず発生する。しかもその一部には発覚しないものや報告されない潜在的なケースが一定数あり、持ち出された医薬品から重大な事件につながることもある。これまで見つけにくかった医薬品窃盗を、機械学習によって効果的に追跡・検出するソフトウェアを紹介する。 AI in Healthcareの報道によると、米国Invisitics社の医薬品在庫管理システムは機械学習を応用し、窃盗のリスクが高い医療関係者の行動パターンにフラグを立てて検出するという。アメリカ麻薬取締局(DEA)に準拠した初めてのソフトウェアであり、アメリカ国立衛生研究所(NIH)によってサポートされ、あらゆる電子カルテや自動調剤システムと連動するとのことである。 Invistics社のプレスリリースで、CEOのTom Knight氏は「医療関係者の約10%が医薬品を盗み、その多くは報告されていない」と語っている。システムの真の陽性率は90%を超えると同社は発表しており、従来では検出が難しかった医薬品の盗難を追跡し、今後も多くのシステムと連携することでさらにデータを集積して精度を高めるとしている。

凪いだ海から昨日の嵐を見分ける目 – 隠れた心房細動を識別するAI技術

心房細動は不整脈の一種で、放置すると脳梗塞や心不全のリスクを高める。治療介入が必要となる重要な疾患だが、心房細動は不整脈の発現タイミングや持続時間がまばらで、平時には心電図変化がみられないことが診断の遅れを招いていた。米メイヨークリニックの研究チームは、非発作時の心電図からも心房細動の存在を識別できるAIアルゴリズムを構築した。 学術誌The Lancetに公表されたチームの論文によると、18万人を超える患者から約65万件の「不整脈発作のみられない心電図画像」を用いてこのアルゴリズムを導いたという。AIは、医師の目には正常所見にしか見えない心電図波形からも、潜在的な心房細動の存在を83%の正確性をもって識別できた。 非発作時にも心房細動を識別できるようになることは、診断の見逃しや遅れを直接的に予防する。持続的な心電図測定を実現するデバイスなど、比較的専門性の高い医療的設備の乏しい環境においても大きな助けとなるだろう。凪いだ海から昨日の嵐を見分ける目 - 医療AIの革新的なアプローチは他疾患にも拡張されていくに違いない。

新型コロナウイルスに早期警告を発したAI – カナダ発スタートアップ BlueDot

中国の武漢から感染が拡大した新型コロナウイルスに対して、WHOは先週、国際的な緊急事態を宣言した。各国が事態の沈静化に協働するなか、AIは今回のような公衆衛生の危機にどのように立ち向かうことができるのだろうか? Forbesでは、その一例としてカナダ発のスタートアップBlueDotのAIを紹介している。米国疾病予防管理センター(CDC)がコロナウイルスに対する独自の警告を発したのが1月6日。それに先んじること1週間前の12月31日に、BlueDotのAIプラットフォームによる最初の警告が発せられていたことで話題となった。BlueDotはトロント大学の感染症科の医師で公衆衛生部門の教授であるKamran Khanらによって開発された。彼はかつてSARSが流行した際に最前線で医療に従事した経緯をもつ。BlueDotのAIプログラムは、世界の航空ネットワークなどの膨大なデータを処理して国際的な感染症アウトブレイクに警告を発することができるという。 Kamran Khanは「BlueDotでは自然言語処理と機械学習の利用で、65言語の膨大なテキストデータを処理し、24時間体制で15分ごとに100以上の疾病の発生を追跡しています。この作業を人力で行うことに時間とエネルギーを費やすのではなく、医療専門家らが実際の対応方法に集中することを可能にしたいのです」と語っている。

AIアルゴリズムが途上国の人々を失明から救うか

Googleが立ち上げたバイオベンチャー・Verilyは、独自に開発した糖尿病性網膜症診断AIシステムの有効性検証を、インドの医療機関の協力を得て大規模に進めている。インドでは、総人口13億人に対して医師が100万人しかいない。貧弱な医療提供体制をAIによって改善できるかにも、大きな注目が集まる。 英The Guardianの報道によると、このAIシステムは、2016年からの実臨床での検証とアルゴリズム改善により、現在では97%を超える精度で糖尿病性網膜症を診断できるという。眼科専門医のRamasamy Kim氏は「人間の医師と同等の診断能力を持つばかりか、ごく早期の人目には分からない変化も捉えられる」と実用性を高く評価する。 糖尿病性網膜症は主たる失明原因の1つであるが、自然に軽快することはなく、早期発見・早期治療が非常に重要となる。したがって、医療体制が整わず受診機会が乏しい途上国においては、同疾患による失明は増加の一途をたどっている。米The Wall Street Journalは、インドでは失明後に来院するケースが後を絶たないことを指摘し、僻地でのスクリーニング施設設立の必要性も報じている。

AIが看護師のケアを特別なものへ導くか?

看護師の思いやりに溢れたケアは、患者と家族の病院での経験にプラスの影響を与える。では、そのケアに対する患者満足度はどのように分析され、看護師らを導いていくだろうか。AIによって看護ケアに対する患者満足度を分析した研究がJournal of Nursing Administrationに発表された。 AI in Healthcareでは、米企業GetWellNetworkのメンバーによって行われた同研究の概要が紹介されている。入院患者がフィードバック用プラットフォームに提出したコメントに対して、自然言語処理・機械学習・感情分析を適用した結果、看護師の行動によって患者に伝わる最重要なテーマが「礼儀と敬意(courtesy and respect)」であると分かった。 著者らは、AIによって患者コメントを定性分析する研究が、患者と家族にとって最も有意義な看護師の行動を明らかにできると結論づけている。また、看護師らが主体的に同様の研究に関わり、医療AIの発展に寄与することを期待している。
226,351ファンいいね
67,905フォロワーフォロー
32,600購読者購読

Featured

Most Popular

AI画像診断でインドの結核を撲滅 – スタートアップ Qure.ai

結核の流行と薬剤耐性による大きな負担を抱えるインド共和国の事情について、以前にも紹介した(過去記事)。結核診断の遅れは周囲への感染拡大リスクを増大させる大きな課題である。ここでは、AIによる胸部X線画像診断で結核の早期診断に取り組むスタートアップQure.aiを紹介する。 インドでは、健診施設へのアクセスに10km以上歩くことが一般的にある。そして医師一人あたりが医療を提供する人口は11,082人との統計があり、一般に推奨される医師人口比の目安1:1000の10倍以上となる。この著明な医師不足は、結核の早期スクリーニングにも困難をもたらす。インド政府が解決策として参照したのは、かつて同様の流行状態を抱えた1950年代日本の取り組み - X線装置を載せた移動検診車によるスクリーニング - である。検診車の配備は進み、結核の流行地域に移動してのX線撮影が可能となった。そしてその次に現れた課題こそが、医師不足の状況で誰がそのX線画像を読影するかであった。 the better indiaの記事によると、Qure.aiが開発した胸部X線のAI診断システム「qXR」は、インドにおける診断プロセスの短期化を主眼に置く。Qure.aiはX線画像をクラウド上で診断するか、あるいはポケットサイズのデバイスでローカルに診断できるAI診断システムqXRを開発した。同社のアルゴリズムは、ローカルで動くハードウェアのスペック要件を50ドル程度で用意できるシングルボードコンピュータ「Raspberry Pi」に制限している。それにより1スキャンあたりのコストを1ドル未満に抑制することができたという。現地でAI画像診断を行うことで、これまでインドの医療事情から診断までに数週間を要していたスクリーニングを5分以内に短縮できた。 Qure.aiは「最小限のコストで結核を根絶する」目標を掲げている。同社のAIプロダクトは貧困を抱えるインド以外の国にも恩恵をもたらす可能性がある。また、既にかつての発展途上とは異なるが、日本の高コストな医療体質や医療過疎・地域差を考える上で、今一度原点に立ち返る参考にもなるのではないだろうか。

Latest reviews

AIによる医療費削減を目指す米スタートアップ・KenSci

シアトルに本拠を置くスタートアップKenSciは、AI技術を利用した医療費削減に積極的に取り組み、世界中から大きな注目を集めている。2015年にワシントン大学のデータサイエンス研究チームから生まれた同社は、独自のAIプラットフォームの提供によって巨額の資金調達に成功した上、昨年にはMicrosoftのHealth Innovation Awardsにも選出されている。 テックメディアVenture Beatの報道によると、KenSciのAIプラットフォームは、集積された患者データから臨床的側面のみならず、医療経営的側面からも詳細な解析を行うことができ、患者にとって有害性のない効果的なコストカットを実現できるという。CEOのSamir Manjure氏は、このプラットフォームを「医療の現況を単純化し、行動しやすい形に集約するもの」とした上で、コストに終始するのではなく、常に人命が優先されることも強調する。 医療費の高騰は米国においても深刻な問題の1つで、2017年には計3.5兆ドルにもなり、これは米国GDPの17.9%にあたる。Geek Wireのインタビューでは、Manjure氏は「予測可能なものは予防が可能なもので、健康増進とコスト削減は両立できる」としている。既にシンガポールとインドにもオフィスを持つKenSciは、AIによる医療費削減を武器に更なる事業の拡大を目指している。

デジタルバイオマーカーで疾患予測 – 英Medopadが2500万ドルを調達

次世代医療のキーワードのひとつと言える「ウェアラブルデバイスによる疾患予測・モニタリング」は、近年その適用範囲を飛躍的に広めている。英国のヘルス系AIスタートアップMedopadは、昨年Tencentとの提携の元、パーキンソン病患者のリモートモニタリングシステムを開発し、大きな話題を集めた。 英メディアThe Telegraphの報道によると、Medopadはこのほど、製薬大手バイエルのベンチャーキャピタル部門・Leapsから新たに2500万ドルの資金を調達したことを公表した。これらの追加資金は、パーキンソン病や心疾患を含む複数の疾患群の発症を予測する「デジタルバイオマーカー」の臨床試験にあてられるという。MedopadのCEOであるDan Vahdat氏は「我々の野望はシンプルだ。人々があと5年、10年と長く生きられる世界を作りたい。手の打ちようがある疾病で早期に亡くなることはあってほしくないんだ」と話す。 Medopadは2011年に設立され、アプリやウェアラブルデバイスを用いた患者の生体信号モニタリングに特化した開発を続けてきた。昨年には競合にあたる米Sherbitを買収するなど、同分野における存在感を強めている。一方、生体データを利用した疾患予測・管理サービスは世界的に乱立が始まっているが、妥当な臨床試験がなされた例は多くない。精緻な医学的検証と科学的エビデンスの蓄積が、有効性の証明と差別化に繋がることは間違いない。

画像検査室での感染防止へ – COVID-19患者の画像スキャンを警告するAI技術

イスラエル・テルアビブを本拠とするAidocは、意図せずに新型コロナウイルス感染症を有する患者の画像スキャンを実施した場合、即座に医療者に警告するAIシステムを開発した。 The Times of Israelが19日報じたところによると、このAIシステムでは、画像検査室を介した感染拡大を防ぐため、CTスキャンに新型コロナウイルス感染症の所見を捉えた場合、速やかに医療者に警告するものであるという。既に同社の医療画像AIシステムは米国100以上の医療機関に導入されているが、今回の機能は米食品医薬品局(FDA)の認証を受けており、ソフトウェアアップデートによって既存のこれらシステムにも適用されるとのこと。 新型コロナウイルス感染症を持つ患者の画像スキャンを行った場合、各施設ごとの換気設備に応じて、適切な検査間隔を設けることが欠かせない。しかし、感染を疑っていない患者が感染していたケースへの対策は、臨床現場における大きな課題の一つとして挙げられてきた。

More News