Google、異常ケース検出のターンアラウンド時間を28%短縮できるAIシステムを開発

最近、Google チームのもう一つの主要な研究成果が Nature 誌に掲載されました。研究成果は、主にディープラーニングによる胸部X線画像の正常と異常の違いや、病因が不明な結核とCOVID-19の2つの疾患の概要を明らかにした。

注目すべきは、AIシステムが異常ケースを優先するシミュレーションワークフローでは、異常ケースの処理時間を28％短縮できることであり、これは、AI評価システムがこれまでに見たことのない異常マークケースに安全に使用できるかどうかに関係しています。

9月1日には、「胸部レントゲン写真の正常と異常を区別するためのディープラーニングと、結核とCOVID-19という2つの未知の疾患への一般化」と題する関連論文がScientific Reportsに掲載された。

図 | 関連論文（出典：Scientific Reports）

Google Health チームのメンバーである Daniel Tse、Po-Hsuan Cameron Chen、Shravya Shetty が共同責任著者を務めます。

頻繁に使用される臨床胸部画像診断法として、胸部放射線検査は心臓胸部疾患の管理を導く上で重要な役割を果たします。胸部X線検査（CXR）における特定の異常の検出は、いくつかの人工知能システムの主な焦点となっています。

図｜胸部X線写真（出典：YouTube動画スクリーンショット）

ただし、CXR 異常の範囲は広いため、各 AI システムは 1 つ以上の事前に指定された状態を検出する必要があります。そこで、実際の状況と一致しないあらゆる可能性のある状況を検出するために、複数の別々の AI システムを用意する試みがなされました。

この課題に直面して、チームは CXR 線を正常と異常に分類する人工知能システムを開発し、詳細な評価を実施しました。 CXR システムを微調整するために、チームはディープラーニング システム (DLS) を開発し、インドの 5 つの都市にある 5 つの病院の約 24,800 人の患者のデータセットを特定しました。また、インド、中国、米国の 6 つの国際データセットで CXR システムの汎用性を評価しました。

図｜DLS研究デザインの模式図（出典：Scientific Reports）

これらのデータセットのうち 4 つは、AI が検出するようにトレーニングされていない病気に焦点を当てており、残りの 4 つは結核データセット 2 つと 2019 年コロナウイルス疾患データセット 2 つです。研究チームの調査結果は、新たな患者と原因不明の疾患を持つ患者に分類できるさまざまな胸部X線画像異常を含む大規模なデータセットを使用してAIシステムをトレーニングできることを示しています。 CXR AI モデルの継続的な開発を促進するために、チームは公開データセット用に収集したラベルを公開しています。

研究結果によると、信頼できる AI システムは、陽性 CXR における正常状態と異常状態を区別することができ、患者の日常的な運動と管理に一定のメリットをもたらします。

まず、放射線科医がより広範囲に検査を行う場合、AI アルゴリズムを使用して病気の可能性が低い症例を特定できるため、医療専門家は特定の鑑別診断を迅速に除外し、他の方向の病気の診断に多くの時間を費やすことができます。可能性のあるケースは優先的にレビューするためにグループ化され、テストの所要時間が短縮されます。

第二に、このような AI システムは、大規模な病気の発生時など、臨床需要が放射線科医の対応力を超えた状況において、放射線科医以外の人々のための最前線の診療現場ツールとして使用される可能性があります。さらに重要なのは、開発中に遭遇しなかった異常な CXR の AI 評価を実行して、新しい疾患や新しい疾患の症状に対する堅牢性を検証する必要があることです。

Googleの研究者らは論文の中で、場合によっては同社のディープラーニングモデルが放射線検出において大きな利点を持ち、放射線科医の作業効率を大幅に向上させることができると指摘した。

「比較的健全な外来診療であっても、非常に忙しい入院患者や外来患者の診療であっても、DLS システムは異常な CXR を優先して放射線科医が迅速に解釈できるように支援します」と研究チームは述べています。

この研究では、研究チームは特定の条件下でこれらのデータのパフォーマンスを評価し、DLS の検証に役立て、同じデータを他の研究のベンチマークに使用しました。

DLSが逆転写ポリメラーゼ連鎖反応（RT-PCR）の感度に及ぼす潜在的な影響をより深く理解するために、研究チームはCOVID-19症例のより詳細な分析を実施しました。この症例では、最初の検査でRT-PCR検査の結果が「偽陰性」となり、これはRT-PCR検査で陰性であったが、その後5日以内に陽性と判定されたことと定義され、このような症例21件のうち、DLSの感度は95.2%であった。

図 | 真陽性および偽陽性サンプル CXR (出典: Scientific Reports)

DLS が放射線科医の業務にどのように役立つかを具体的に理解するために、研究者らは DLS に基づく 2 つのシミュレートされたワークフローを調査しました。放射線科医が DLS 陰性の症例を検討しておらず、これらの症例を「正常」と解釈すると仮定すると、それらの有効な即時パフォーマンスは評価目的には満足のいくものとなります。

放射線科医と順次 DLS 放射線科医の設定間のパフォーマンスの差は小さかったが、有効な「緊急」症例の数は DS-1 と CXR-14 では 25%～30%、TB データセットでは約 40%、COVID-19 データセットでは約 5～10% 減少した。

図｜DLS放射能スペクトル（出典：Scientific Reports）

研究チームは、CXR が異常かどうかを解釈できる DLS を開発し、さらに 2 つの広範な臨床データセット、2 つの未知の疾患のデータセット、および 2 つ目の未知の疾患のデータセットを含む 6 つのデータセットを使用してその適応性を検証しました。

要約すると、チームは胸部X線検出のための臨床的に関連のあるAIモデルを開発および評価し、6つの異なるデータセットへの適用可能性を評価しました。研究チームは、研究結果のパフォーマンス分析と専用ラベル付きのCXR-14画像の公開により、臨床CXR AIモデルの継続的な開発が促進されることを期待しています。