DAMOアカデミーのAI研究により、初めて大規模な膵臓がんの早期スクリーニングが可能に

私たちの日常生活では、携帯電話のロック解除から検索エンジンを使った地図ナビゲーションまで、人工知能と頻繁にやり取りしています。AIは私たちにますます多くの利便性をもたらしています。しかし、臨床医学では AI 技術の応用がかなり遅れており、診断や治療の推奨の大部分は依然として完全に人間の判断に基づいています。

最近まで、医療画像処理における AI の新たな進歩によって状況は変化していました。

先週、ネイチャー誌傘下のネイチャー・メディシン最新号で、膵臓がんの早期スクリーニングのためのAIモデル「PANDA」（PAncreatic cancer Detection with AI）が正式に発表され、話題となっている。

この研究では「単純スキャンCT＋AI」法を採用し、膵臓がんの早期発見に向けた初の大規模スクリーニング法を実現しました。

研究チームによると、PANDA早期スクリーニングモデルの特異度は99.9％に達し、1,000回の検査で偽陽性は1回のみである。膵臓腫瘍を検出する能力は92.9％に達し、膵臓がんを特定する能力は、放射線科医が独自に判断した場合の平均性能よりも34.1％高い。

「がんの王様」膵臓がんとの戦いに人類が率先して取り組むのは、これが初めてかもしれない。 「ネイチャー・メディシン」もこれについて「医療画像AIによるがん検査は黄金時代を迎えようとしている」という特別解説を掲載した。

がんの早期スクリーニングは常に困難であると考えられており、無症状の多数の人々をがん検査するためのシンプルで普遍的な技術の出現が待ち望まれていました。 AIアルゴリズムを使用するPANDAは私たちに希望をもたらすかもしれない。

「がんの王」を解き明かす

膵臓がんに関しては、2つの残酷な統計があります。平均5年生存率は10％未満であり、80％の症例は末期段階で診断されます。現在までに、膵臓がんは中国のみならず世界でも最も生存率の低い悪性腫瘍となっている。

画像出典: http://www.china-rt.cn/special/856.html

膵臓がんを早期発見することが難しい理由の一つは、明らかな症状がほとんどなく、がんが進行する前に自発的に検査することが難しいことです。また、膵臓は体の奥深くに位置しているため、一部の画像検査（腹部超音波検査など）では膵臓全体を検出できない場合があります。しかし、造影CT、造影MRI、PETなどの画像診断は、造影剤の注入、高線量、検査サイクルの長さ、コストの高さなどの理由から、大規模な膵臓がんのスクリーニングには適していません。

病院で一般的に用いられる身体検査や単純スキャンCT画像でも、画像のコントラストが低いため膵臓の早期病変を特定することが難しく、診断の見逃しや誤診につながる可能性があります。

したがって、膵臓がんの早期スクリーニングと治療は重要な臨床的意義を持ち、スクリーニング方法の革新は特に必要かつ重要です。 AI技術はこの問題の解決に役立つかもしれません。

PANDA論文では、アリババ・ダモ・アカデミー、上海膵臓病研究所、浙江大学医学部第一付属病院、中国医科大学盛京病院、復旦大学癌病院、プラハ・チャールズ大学第一付属病院、上海交通大学医学部新華病院、ジョンズ・ホプキンス大学などの機関が、アリババ・ダモ・アカデミーの医療AI技術を基に、初めて「単純CT＋AI」を用いた膵臓がんの大規模早期スクリーニングを提案した。

PANDA モデルは、複数のセンターにある 12 を超えるトップクラスの医療機関で大規模に検証されており、安定した一般化パフォーマンスを実証しています。さらに、上海膵臓病研究所の身体検査、救急科、外来診療所、入院で実験が行われました。最も単純な単純スキャンCTスキャンのみを使用して、実際の2万人を超える連続患者集団で、臨床的に見逃されていた病変31個が見つかりました。これまでに、早期膵臓がんの患者2人が手術で治癒しました。

現在、研究成果は世界中の医師や研究者に公開されています。

中国の放射線医学分野における科学研究成果がネイチャー・メディシン誌に掲載されるのも今回が初めてである。

• 論文リンク: https://www.nature.com/articles/s41591-023-02640-w
• オープンアドレス: https://g.alicdn.com/medical-engineering/d3viewer/0.0.87/index.html#/panda

AI とヘルスケアの分野では、医用画像に関する研究成果が数多く発表されています。この Nature 誌に掲載された研究の革新性とは何でしょうか?まず、膵臓がんの位置が隠れていることと、単純スキャンCT画像では明確に表現されていないことを考慮して、DAMO AcademyはPANDA用の独自のディープラーニングフレームワークを設計しました。モデルの概要を以下に示します。

上の図 a はモデルの開発を示しています。PANDA は、単純な CT を入力として受け取り、可能性のある膵臓病変 (PDAC および 7 つの他の非 PDAC サブタイプを含む) の確率とセグメンテーション マスクを出力します。 PANDA は、病理学的に確認された患者レベルのラベルと、強調された CT 画像上の注釈付き病変マスクを使用してトレーニングされます。 b はモデル評価であり、内部テスト グループ、単純スキャンと造影 CT、外部テスト グループ、胸部 CT グループなどの実際のマルチシナリオ研究における PANDA のパフォーマンスを評価します。 c はモデルの臨床変換です。

DAMOアカデミー医療AIの上級アルゴリズム専門家であり、PANDAプロジェクトの責任者である張玲氏はさらに、PANDAは単なる視覚セグメンテーションモデルではなく、セグメンテーション、検出、分類の機能を組み合わせたものであると説明した。そのディープラーニングフレームワーク（下図参照）には、次の3つの段階が含まれており、それぞれが「独自の機能を実行します」。

• まず、セグメンテーション ネットワーク (U-Net) を構築して膵臓の位置を特定します。
• 次に、マルチタスク ネットワーク (CNN) を使用して異常を検出します。
• 3 番目に、デュアル チャネル トランスフォーマーを使用して、膵臓病変の種類を分類および識別します。

DAMOアカデミーはPANDAモデルのトレーニング戦略においても一連の技術革新を行い、膵臓がんの効率的かつ安全な大規模早期スクリーニングを実現しました。重要なのは、肉眼では判別が難しい単純スキャン CT 画像における微妙な症例特徴をより正確に識別する方法です。

データも同様に重要です。AI スクリーニング モデルのトレーニングでは、医師が多数の腫瘍に手動でラベルを付ける必要が生じますが、単純スキャン CT 画像のコントラストは極めて低いため、医師がラベルを付けるのはほとんど不可能です。 DAMOアカデミー医療AIチームは、まず協力医師に強化CTスキャンを参考にしてもらい、次に提案された知識移転トレーニング方法を使用して、腹部CT画像登録に適した正確なアルゴリズムを通じて、強化CTスキャンに関する事前知識を単純スキャンCTスキャンの対応する位置に転送しました。これにより、アウトライン作成、ラベル付け、トレーニングの難しさなど、これまでの AI によるがん識別でよく見られた問題が効果的に解決されました。

同時に、本研究は主に腹部CTスキャンを通じて訓練されたが、現実には胸部CTスキャンが普及しているため、DAMOアカデミーのアルゴリズムチームは、モデルを胸部CTスキャンに一般化した場合に発生する可能性のある膵臓腫瘍の不完全なスキャンの問題を解決するために、シミュレートされたクロッピングに基づくデータ強化方法を提案しました。

PANDA トレーニング アーキテクチャと戦略の革新により、この研究ではこれまでで最大の膵臓癌腫瘍 CT トレーニング セット (実際の患者 3,208 人を含む) を構築しました。 AIアルゴリズムは、膵臓がんと診断された患者と膵臓病変のない対照群を含む、世界中の12を超える病院の約6,200人の患者からなる多施設コホートで検証されました。

その後、PANDA は 20,530 件の実際の連続症例を含むマルチシナリオ設定でさらに検証され、92.9% の感度 (膵臓病変の存在を判定する精度) と 99.9% の特異度 (疾患が存在しないことを正しく判定する確率) を達成しました。

現在までに、PANDA モデルは病院、身体検査、その他の場面で 50 万回以上呼び出され、平均して 1,000 回につき 1 件の偽陽性という結果で、臨床的に見逃されていた初期の膵臓腫瘍を医師が複数発見するのに役立っています。研究者らは、「膵臓腫瘍の検査は推奨されない」という悲観的な主張を書き換えるために、今後も多施設前向き臨床検証を継続すると述べた。

復旦大学付属癌病院放射線診断科主任の顧亜佳教授は、この論文は、患者に追加の放射線や経済的負担をかけずに検出率を向上させる可能性のある大規模な膵臓癌スクリーニング方法を提案していると述べた。「健康診断に行くとき、簡単な単純スキャンCTスキャンで膵臓癌があるかどうかがわかると想像してみてください。これは多くの膵臓患者を助け、悲劇の発生を減らすでしょう。」

DAMOアカデミーの医療AIチームの責任者でIEEEフェローのLu Le氏は、この研究は「単純スキャンCT+AI」がん検査技術の信頼性を臨床的に確認する重要なマイルストーンであると述べた。

実用的なAI画像診断システムを構築する

AIを活用した医療画像技術は、現在の医療にさまざまな新たな可能性をもたらしています。

現在までに、米国食品医薬品局（FDA）は、300 を超える医療画像関連の人工知能ツールを承認しています。ディープラーニング技術により、医師は病変の特定、ラベル付け、一部の分野における対象領域の描写などの作業を支援してもらい、隠れた病変をより早く発見し、診断と治療を完了することができます。

がんに対する AI 医療画像の分野では、これまでのアプローチのほとんどは、病変の検出と診断における医師の支援に重点を置いていました。 PANDA研究によってもたらされた画期的な進歩は、大規模な画像ベースの多癌スクリーニングへの新たな道を開き、主要な癌の早期発見率の向上が期待されます。

DAMO アカデミーの AI とヘルスケアの探求において、これは近年の成果のほんの一部にすぎません。

「AIは、患者にとって真に必要とされるが、これまで満たされていない臨床ニーズを解決する必要があります。患者の生命に関わる臨床課題に、欠かせない貢献をする必要があります。」これが、DAMOアカデミー医療AIチームが掲げる医療技術の第一原則です。

DAMOアカデミー医療AIチームは長年にわたりAIと医療画像の融合に関する研究に取り組んでおり、がんの精密診断と治療、慢性疾患の精密診断と治療、神経変性疾患の事前スクリーニングという3つの主要な方向性に焦点を当てています。大規模なスクリーニング、精密診断、予後治療、反応評価を含む全プロセスのがん診断と治療技術を開発してきました。

DAMO アカデミー医療 AI チームは、技術的な探求に加えて、世界トップクラスの医療機関の多くと連携し、AI 技術を使用して、複数のがんをスクリーニングするための新しい低コストで効率的な方法を探求し、1 回の単純 CT スキャンで複数の初期段階のがんを検出したいと考えています。

これまで、膵臓がん、食道がん、肺がん、乳がん、肝臓がん、胃がん、大腸がんなど、7つの一般的ながんにおいて、関連研究が段階的に進展しています。関連研究の結果は、Nature MedicineやNature Communicationsなどの医学雑誌や、CVPR/MICCAI/IPMIなどのトップAIカンファレンスで発表されています。医療画像AIをベースとした最先端技術とがん検診の分野は「双方向の進歩」を遂げているといえる。

DAMO アカデミーの AI + 医用画像に関する重要な研究プロジェクトには、以下のものが含まれますが、これらに限定されません。

2022年10月、同社の医療AIチームは、AIと単純スキャンCTを組み合わせる技術的な実現可能性を予備的に検証した。感度と特異度は専門医のそれを上回り、食道がんの早期スクリーニングへの活用が期待されている。関連論文はMICCAI 2022に掲載された。同月、ディープラーニングを使用して、頭頸部がんのリスクがある42の臓器の効率的で正確な自動計画を実行し、放射線治療の合併症を効果的に減らした。この研究はNature Communicationsに掲載された。

論文アドレス: https://www.nature.com/articles/s41467-022-33178-z

2023年6月には、CV分野のOOD問題に対処するための新しい医療画像セマンティックセグメンテーションフレームワークが提案され、AIが腫瘍の困難でまれな症例をより正確に識別できるようになり、膵臓腫瘍と肝臓腫瘍で検証されました。この研究は、CVのトップカンファレンスであるCVPR 2023でハイライト論文として評価されました。同月、造影CTによる膵臓腫瘍の鑑別診断に新たな進歩があり、その結果が医療画像処理のトップカンファレンス「IPMI 2023」で発表されました。

2023年8月、多癌画像解析の汎用モデルCancerUniTが発表され、強化CTを用いて8つの主流癌の補助診断を実現しました。研究成果は、CVのトップカンファレンスICCV 2023に収録されました。同月にリリースされた、体全体の143の臓器をセグメント化できる初の連続ディープラーニングフレームワークも、ICCV 2023に採択されました。

CancerUniT が 8 種類の癌腫瘍を検出、セグメント化、診断する例。画像出典: https://arxiv.org/pdf/2301.12291.pdf

その後すぐに、DAMO Academyは100件のAI特許ライセンスを無償で開放し、そのうち3件は特に精密ながん治療と主要な医療画像登録問題の解決を目指していました（10月後半のMICCAI 2023 Learn2Regコンペティションでは、DAMO Academyの関連医療画像登録技術が、比較的明らかな優位性で両方のトラックで優勝しました）。

2023年10月には、CT画像に基づく肝臓腫瘍のスクリーニングと診断、胃がんのスクリーニング、良性および悪性の肺結節の自動検出と区別、膵臓がんの予後など、いくつかの研究もMICCAI 2023で発表されました。

膵臓がん早期発見モデルPANDAとともに、DAMO Academyの医療AI技術は、次々とAI for Scienceの例となっています。

さらに、DAMO Academyは、AIが医師による複数の癌疾患のスクリーニングを支援するだけでなく、心臓病、腰椎、骨などの疾患のスクリーニングにも使用できると想定しています。単純CTスキャンに基づいて8種類の腫瘍と5種類の慢性疾患を同時に検出し、医療AIに基づくユニバーサルスクリーニングを実現したいと考えています。

DAMOアカデミーは、浙江大学第一病院、復旦癌センター、北京大学第三病院など、多くの三次病院と臨床研究協力関係を築いているとのことです。同社の医療AI製品は、30社以上の医療画像パートナーとの接続・実装に成功しており、合計1,000以上の医療機関に導入され、世界中で2,000万人にインテリジェントな医療・健康サービスを提供しています。

結論

AI＋単純スキャンCT技術により、将来的には、日常的な限定的な身体検査を実施することで、AIの支援により多くの疾患のスクリーニング結果が得られるようになることが想像できるかもしれません。

また、AI技術をさらに応用することで、医療画像データだけでなく、人の医療記録や行動パターン、さらには音声などのさまざまな情報もモデルトレーニングのデータとして活用でき、病気の検出や患者へのデータによる意思決定支援、正確な治療に役立てることができます。

人々の健康の実現に役立つこれらのテクノロジーの一部は、Alibaba Damo Academy から生まれます。

DAMOアカデミーは2017年の設立以来、人間のビジョンを原動力に未知の世界を探求し、未来に向けた基礎科学と革新的技術の研究に取り組んでいます。技術動向において重要な位置を占める「AI for Science」は、その取り組みの最優先事項です。近年の一連の技術革新と応用により、もともと私たちの想像の中に存在していた多くのものが徐々に実現されつつあります。

「どんな企業のライフサイクルも限られているが、生き残るのはアリババの技術、経験、社会的責任だ。DAMOアカデミーが長く生き残るためには、社会問題を解決しなければならない」。ジャック・マー氏がDAMOアカデミー設立時に期待した通り、DAMOアカデミーはテクノロジーを使って大きな社会問題を解決する未来志向の企業研究機関となるだろう。

「がんの王様」と戦い、大規模ながん早期検診を実現するPANDAは、まだ始まりに過ぎません。