人工知能が悪性脳腫瘍の発症予測にどのように役立つか

[51CTO.com クイック翻訳] 人工知能の発展に伴い、人々の日常生活に密接に関係する多くの分野が人工知能の影響を受けています。中でも医療分野は人々の注目を集め、医師の治療を支援するために機械学習を非常に早くから導入しました。

たとえば、機械学習を使用すると、X 線画像に骨折があるかどうかを自動的に識別したり、医療画像に腫瘍やがんがあるかどうかを判断したりできるようになります。これらの関連研究の中には非常に長い歴史を持つものもあり、中には 10 年以上続いているものもあります。医療業界における人工知能の商業化は、最近ベンチャーキャピタル業界から求められており、最もホットな投資分野の一つとなっています。

図1. 人工知能医療企業の地図

MICCAI は、医療画像処理の分野における権威ある会議です。 2016年、ハン・チャン氏と他の3人の研究者はMICCAIで「脳機能・構造ネットワークから高悪性度神経膠腫患者の転帰を予測する」と題する論文を発表し、画像処理と機械学習技術を使用して脳腫瘍の発症傾向を予測する方法を説明しました。彼らの方法を見てみましょう:

脳腫瘍の45%は神経膠腫に分類されます。この論文では、高悪性度神経膠腫（HGG）の発症傾向を予測しています。著者らは、この研究は脳の神経接続を分析することで脳腫瘍を予測した初めての研究であると主張している。 HGG 開発予測は、画像処理、特徴選択、分類の 3 つの部分で構成されます。具体的な手順を下図に示します。

図2. 脳腫瘍予測システムのアーキテクチャ

トレーニングデータ

著者らは 68 人の患者を研究対象として選び、そのうち 34 人が 650 日以内に死亡し、陰性サンプル (不良) とみなされました。さらに 34 人の患者が 650 日以上生存し、陽性サンプル (良好) とみなされました。トレーニング データ ソースは、rs-fMRI データと DTI データです。

画像処理

著者らは、SPM8 および DPARSF ソフトウェアを使用して rs-fMRI データを処理して機能的脳ネットワーク モデルを構築し、FSL および PANDA ソフトウェアを使用して DTI データを処理して構造的脳ネットワーク モデルを構築しました。

ネットワーク構築

構造的脳ネットワークについては、著者らは AAL を使用して脳を 116 の領域に分割し、グラフ理論モデルを構築しました。各領域はグラフ内のノードであり、神経線維によって接続された領域間にエッジが生成されます。エッジの重みは、線維の数に比例し、2 つの領域の皮質表面積の合計に反比例します。著者らは、これら 116 の地域それぞれについて BOLD 時系列を抽出し、ノード間の重みとして系列間の相関を計算しました。

特徴抽出

著者らは、機械学習モデルの入力データとして、構築された脳ネットワークの以下の特徴を計算しました：ネットワーク内のノードの次数、ネットワークのクラスタリング係数と最短経路長、ネットワークの妥当性、およびネットワークの中心性。性別、年齢、腫瘍の大きさなど、13 の追加機能も追加されました。各患者の特徴の総数は 2797 でした。特徴の次元が高いため、過剰適合の問題が発生してしまいます。著者は、次の 3 つの手順を使用して特徴を抽出します。

1. t検定を使用して、陽性サンプルと陰性サンプルを最もよく区別する特徴を選択する

2. RELIEFアルゴリズムを使用して残りの特徴をソートし、重みを割り当てる

3. 特徴選択には順次後方法を使用します。次に、SVM を使用して特徴サブセットの予測を行います。最も精度の高い特徴のサブセットが分類ステップの特徴として使用されます。

実験結果

臨床的特徴を予測に使用した場合、精度はわずか 63.2% でしたが、すべての特徴を予測に使用した場合、精度は 75% でした。具体的な実験結果を次の表に示します。

図3. さまざまな人工知能アルゴリズムが脳腫瘍予測に与える影響

医療における人工知能の分野はまだ初期段階にあり、現在勢いを増しています。人工知能医療には画像処理や機械学習などの関連技術が含まれており、長い歴史があります。近年、ベンチャーキャピタルが好む人工知能医療が、新しいボトルに入った古いワインなのか、それとも次のホットスポットなのか、注目が集まるところだ。

原題: 脳機能および構造ネットワークによる高悪性度神経膠腫患者の転帰予測、著者: Luyan Liu、Han Zhang、Islem Rekik、Xiaobo Chen、Qian Wang、Dinggang Shen

[[208201]]

恒昌立通ビッグデータ部門の責任者である王昊氏は、ユタ大学で修士号を取得しています。百度、新浪、網易、豆瓣などの企業で長年の研究開発と技術管理の経験があり、機械学習、ビッグデータ、推奨システム、ソーシャルネットワーク分析、コンピューターグラフィックス、視覚化などの技術を得意としています。 TVCG、ASONAMなどの国際会議やジャーナルに5本の論文を発表。彼の学部論文は、IEEE SMI 2008 国際会議で最優秀論文賞を受賞しました。

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]