医療分野へのAIの活用事例 | 日本眼科AI学会主催ウェビナーレポート#2

記事をシェアする:

 

2021年11月、日本眼科AI学会が主催する3回シリーズ「オンライン教育セミナー これであなたもAIが怖くない」が開催されました。

緑内障の名医としても知られる山梨大の柏木賢治教授をオーガナイザーとし、国や大学、民間の研究所に所属する多くの眼科・医療の専門家と、先進テクノロジーの研究者や法律専門家を講演者としてお招きし、それぞれの知見を重ねて活用の裾野を拡げていこうという趣旨が医療業界においても注目されたこのセミナー。今回は、11月11日に開催された第2回『眼科でAIをどのように活用していくの?』の模様をお届けします。

第1回のレポートはこちらからご覧いただけます。

今回の教育セミナーの共同オーガナイザーである吉田彰氏によるオープニングトーク「AIを医療で活用していくための具体的な方策」でセミナーは幕を開けた。前回の振り返りを含んだ主な内容は以下となる。

 

・ AIという「パワフルな道具」を医療、および社会に実装していくには、現在のAIの特性かつ限界である「（人間を超越する高い能力を限定分野で発揮する）特化型AI」を複数組み合わせて行く必要がある。

・ 複数の特化型AIを組み合わせて医療現場で活用するためには、専門性や洞察力に優れた医療者たちが個々に取り組み道具としてのAIについてのリテラシーを持つだけでなく、チームとなって共創を進めて行く必要がある。

・ 共創の手法として、「人間中心」を理念に置き、改善や再考を何度も素早く重ねてより良いサービスや医療体験を提供するためのデザインシンキング*1やガレージ*2と呼ばれる手法が重要な役割を果たしている。それらを実践的に学べる場として、IBMは「Cognitive Technology Academy (IBM CTA)」というAI活用人材・組織を作るための網羅的な教育カリキュラムを提供している。

 

ここからは眼科医療における実践者たちの話を順に追っていこう。

 

眼科でAIをどのように活用していくの?

日常社会で眼底疾患をAIを用いてスクリーニングするための道筋 | 佐藤 真一（国立情報学研究所）

国立情報学研究所の佐藤氏からは「医療ビッグデータクラウド基盤構築とAI画像解析研究」が紹介された。

最初に、ここ10数年で「画像AI」が一般社会において急速に発展しているのに対し、医療においてはそのスピードが格段に遅い原因が「画像データの圧倒的不足」であると指摘した。ソーシャルメディアの普及により、多くの人が大量の画像（写真）をインターネットに公開するようになったものの、医療画像データは同じように扱われるものではなく、そのデータ量は相対的には少ないままだ。

しかし、従来との比較で言えば、医療画像は絶対量で言えば日々増大を続けている。だが、それを診断に活用できる医師は少ないままで、慢性的な不足状態だ。今後、医師の世界においても少子高齢化が進ことを考えれば、AIによる人材不足の補完が期待されるのも当然と言えるであろう。

医療AIの進展を難しくしているもう一つの理由が、「アノテーション」と呼ばれる「画像に対する意味づけ」作業の難易度の高さである。社会一般のデータは、そのデータ量の多さから、「誤り」が自動補完されることも珍しくない。また、医療とは異なり、アノテーションに求められる精密度も低い。その一方、先に述べたように医療データはデータ量が少ないことから誤りが自動補完されることがなく、高い精密性を維持するためにも専門医以外にはアノテーション作業が難しいのが実情だ。

 

こうした状況に対し、国立情報学研究所および佐藤氏が取ったアプローチが「クラウド基盤整備・AI画像解析」のための「医療ビッグデータ研究センター」だ。

大規模かつセキュアなデータ収集・解析基盤をクラウド上に用意し、日本眼科学会や日本病理学会、皮膚科学会や消化器内視鏡学会など、さまざまな学会にアノテーション付きの医療画像を提供してもらい、それを理化学研究所や東大、名大、九大などの大学の研究機関でAI画像解析をするという、オールジャパン・ワンチームの研究体制だ。各学会や医療機関が提供するデータ・フォーマットの違いなどは、クラウド側で吸収しているという。

この解析基盤により多くのデータと専門医によるフィードバックが蓄積・分析されるようになったことで、眼底画像AI判定においてその精度は従来の90.1%から96.2%へと大幅に上昇している（なお、この上昇値は学習データ量を数倍に増やして得られる効果に相当するものだ）。

 

包括的眼底疾患スクリーニングプログラムについて | 加藤 憲（日本眼科医療機器協会）

次に登壇した加藤氏からは、眼科医療に用いられる各メーカーの検査機器から出力される画像データ検証の取り組みが紹介された。

先の佐藤氏の発表にあったように、各機関が提供する画像データのばらつきを吸収することは、眼科画像データベースの構築と解析に大きな意味を持っている。とりわけ、それぞれのメーカー機器のカメラやレンズの違いは画像データの違いとなって表れるので、その違いが解析や判定に影響を与えないことを確証することは、眼科AIの今後の発展を左右しかねない重要なものである。

このセッションでは、6社7機器のデータ検証の様子をデモし、その結果に大きな違いがないこと（違いが十分に吸収される範囲であること）が示された。

 

角膜疾患のAIを用いた診断支援の開発のための工夫 | 森 健策（名古屋大・情報研究科／名古屋大・情報基盤センター／国立情報学研究所ビッグデータ研究センター）

30年近く医用画像処理の研究に従事してきた森氏は、医療界におけるAIと機械学習の第一人者だ。森氏は最初にAIの現在までの道のりを整理し、AIの現状が「ディープラーニング」（インプットされるデータ群の特徴やパターンを識別して取り出す処理。脳の神経回路の一部を模した数理モデルをベースとしたもので、極めて複雑な式を近似することができる。）と呼ばれるものが中心となっていることを、「AIはどこまで認識しているのか?」という問いとして、「絵に描かれた餅の画像」を例にして以下のように参加者に伝えた。

 

画像認識 | これは、網の上に置かれた白く膨れた箇所を持つ物体である。

→ 画像理解 |  これは、絵に描かれた餅である。餅の概念とはなんであろうか?

→ 意味処理 |「絵にかいた餅」は食べることができない。欲求を実際に満たすことができない役に立たないものである。

 

そして、最近の取り組みとして紹介したのが「前眼部疾患症へのAI活用」である。

画像データから疾患症例の特徴を読み取り、治療法が大きく異なる「感染性」「非感染性」「正常」「瘢痕」の4種類に自動分類した。「感染性」「非感染性」「正常」に関しては、取り組み当初から80%台後半の高い精度が出ていたが、「瘢痕」に関しては70％中盤程度にとどまったという。

その後、4名の眼科専門医に協力してもらい分類失敗例をチェックし、特に判断が難しい画像を除去してデータセットを再作成した。そして角膜の濃淡変化や混濁のシャープさを高めるという「画像濃度値変換処理」を適用し、現在その精度を徐々に高めているところだ。さらに今後は、眼球表面の「画像光沢除去」の実施や、結膜の充血を考慮した評価法の開発などを検討しているという。

森氏の今回の取り組みで明らかになったのは、「画像処理」の知見が精度の向上に寄与するということである。今後は機械学習による画像分類だけでなく、画像処理に関する知識も研究の進展を大いに左右する要素となるであろう。

 

新しい眼科AI画像診断支援ソリューション | 髙橋 秀徳（自治医大）

オンライン教育セミナー第2回の最終セッションでは、自治医大発ベンチャー「DeepEyeVision社」のファウンダー兼CEOの髙橋氏が「DeepEyeVision 眼科AI画像診断支援ソリューション」について紹介した。

2016年に設立された同社は「AIで目から始まる健康を支援する」というキーメッセージを掲げ、眼科医の診断速度・精度の向上を目的とした画像診断AIを用いたクラウド型AI診断支援ソリューション「DeepEyeVision」を提供している。

髙橋氏がDeepEyeVisionを開発・提供することになったきっかけは、外来において、本来は患者の診察やケアにかけることのできる貴重な時間が、光干渉断層計（OCT）の読み取りに取られてしまっていることへの問題意識にあったという。AIとクラウドコンピューティングの技術を活用して読影医に候補となる疾患名をすばやく提示できれば、医師は患者と向き合う時間を今よりも大幅に増やせる。そしてそれこそが、末期まで自覚に乏しいという特性を持っているにもかかわらず、諸般の事情により見逃されてしまうことが少なくない失明性疾患の早期発見可能性を高めることにつながると話した。

 

髙橋氏は「医療の中でも、眼科は画像AI技術がもたらす恩恵を受けやすい領域だ」と言う。そして現在は、医療現場にすでに通信インフラを保有しているシーメンスヘルスケア株式会社と提携することで、臨床および医療サービスのデジタル変革をスピードアップし、患者のクオリティ・オブ・ライフ（QOL）の向上を目指しているという。

 

---

 

セミナーの最後には、オーガナイザーの柏木賢治教授からの「一般眼科医へのアドバイスを」という問いかけに、共同オーガナイザーである吉田彰氏が以下の返答を行った。

 

「今日の登壇者の方がたのような、AIやテクノロジーの知識が豊富な眼科医の先生たちは、例外的な存在です。一般眼科医の先生たちは、先進テクノロジーにはあまり詳しくないか、親しみを持っていないという方がほとんどではないでしょうか。

冒頭の話と重複しますが、今後は、一般眼科医の先生たちとIBMのようなテクノロジー・システム提供者が双方から歩み寄り、両者の学び合いを進めていくことが重要となるでしょう。共通理解を深めて信頼関係を構築していくためにも、患者様を常に意識の中心に置いて共に課題解決に取り組むガレージ手法やワークショップなどの取り組みが、今後ますますその有効性を高めていくのだろうと思っています。ぜひ、共に学び合っていきましょう」。

 

次回は、シリーズセミナー最終回「第3回 日常にAIを活用するための基礎知識を学ぼう」の模様を紹介する。

ウェアラブルEXPO特別セッション『「IoB: Internet of Bodies」が働き方を変える』レポート

 

 

問い合わせ情報

 

関連記事

医療分野へのAIの活用事例 | 日本眼科AI学会主催ウェビナーレポート#1

[事例] IoTで眼科医療に変革を起こすボシュロム社

地域に寄り添った解決策を | IBMの医療MaaSと共創の取り組み（北海道喜茂別町）

 

 

TEXT 八木橋パチ