人工知能が医療画像をどのように変えるか AI は医療画像の世界における第二の目となる

人工知能は多くの分野に影響を及ぼしています。しかし、いくつかの大きな変化が起こっており、その 1 つは医療画像処理です。自動運転車ほど魅力的ではないかもしれませんが、AI 駆動型画像処理は、人命を救うという、はるかに重要なことを実現しています。 CureMetrix のような企業は、画像分析を推測ゲームからデータ駆動型のプロセスへと変革しています。

[[330015]]

典型的な放射線科の患者は、CureMetrix の技術を備えた医師のところに行くことはありません。彼らは、治療が正確な診断にかかっていることを知っているだけです。舞台裏では何が起こっているのでしょうか。そして、医療画像業界の今後はどうなるのでしょうか。その答えは、自動運転車と同じくらいエキサイティングなものであることがわかりました。

医療画像診断における革命

AI が医療画像処理の世界にどの程度変化をもたらしたかを理解するには、ローテクのプロセスを理解することが重要です。

「つい最近まで、医療用画像診断は『ウォーリーをさがせ!』のようなものでした」。基本的に、専門家は画像をスキャンし、癌性病変のようなものを示唆する小さな異常を探していました。医師や放射線科医はあらゆる訓練を受けているにもかかわらず、それでも間違いを犯します。研究によると、人間による分析のみによるエラー率は約 35% になる可能性があるそうです。

考えてみてください。AI の助けがなければ、放射線検査を受ける患者の 3 分の 1 が間違った方向に導かれてしまいます。そして、どの方向においても間違いはさまざまな理由で危険です。何かが見逃された場合（偽陰性）、患者は治療を受けられず、がんは進行し続けます。画像診断を必要とする多くの症状は時間に敏感です。癌の腫瘍は気づかれないまま毎日大きくなり、転移のリスクが高まります。

一方、偽陽性（放射線科医が良性所見を医学的問題と誤診すること）により、患者が不必要に侵襲的な処置を受ける可能性があります。たとえば、生検は痛みを伴い、費用もかかります。平均して、乳がんの検査中に、70～80% の検査が患者とその家族に精神的ストレスを引き起こします。 CureMetrix はどのようにしてエラーを最小限に抑えるのでしょうか。そしてさらに重要なのは、これが患者にとって何を意味するのでしょうか。

第二の目

CureMetrix の cmTriage をもう 1 組の目として考えてください。 AI はツールを使用する人、つまり放射線科医に取って代わることはできませんが、どの症例が疑わしいかを放射線科医が知るのに役立ちます。

AIは放射線科医に取って代わることはありませんが、AIを使用する放射線科医は放射線科を使用しない医師に取って代わるでしょう。放射線科医やマンモグラフィー専門医はすでに不足しており、過重労働や燃え尽き症候群、最終的には訴訟につながる可能性のある高額なミスにつながっている。 CureMetrix は、放射線科医に癌との戦いにおける新たな武器となるデータを提供します。

cmTriage は、乳がんスクリーニングのトリアージツールとして FDA によって審査されており、放射線科医に疑わしい症例の特定に役立つ事前読影プロファイルを提供します。その結果、感度が向上し、患者の再検査が減少する可能性があります。

放射線科医の乳がん検出感度は平均84.4％で、9.6％の症例で再検査が必要だった。 CureMetrix の感度が 84.4% の場合、評価の合計の 6.4% が疑わしいことになります。デフォルトモードでも、AI は放射線科医よりも正確に動作しました。 cmTriage がより高い感度で動作できるという事実は、さらに強力です。デフォルトでは 93% に設定されていますが、最大 99% まで設定できます。

cmTriage は、ディープラーニングとコンピューター ビジョンを組み合わせることで、放射線科医が疑わしい変化を特定し、乳がん患者がより早く治療を受けられるよう支援します。同様に重要なのは、放射線科医が、疑わしい症例や正常である可能性が高い症例を特定し、患者が複数回診察を受けたり、危険な治療を受けたりする可能性を減らすのに役立つことです。

乳がんから始める

現在、CureMetrix は乳がん検査にのみ利用可能です。しかし、なぜ乳がんなのか、そして乳がんは他のどんな病気にも効果があるのだろうか？私がアリプール氏に尋ねると、彼は2つのことを指摘した。乳がんの規模と、乳がんの特有の課題だ。乳がんは、あらゆるがんの中で最も検出が複雑だ。

毎年、約30万人のアメリカ人が乳がんと診断されており、これは女性のがん診断全体の30％を占めています。第二に、マンモグラフィーの偽陽性検査に年間40億ドルが費やされていると推定されます。検査の2番目のステップとなることが多い生検では、驚くべきことに偽陽性率が75%にも上ります。 「このような数字を無視することはできない」とアリプール氏は語った。 「世の中にはさまざまながんがありますが、乳がんや一般的な人間の病気ほど治療費が高くつくものはありません。」

幸いなことに、他のがん患者にとって、マンモグラフィーは AI による医療画像診断の変革の始まりに過ぎません。 CureMetrix は、AI を医療画像処理の他の分野に拡大する予定です。

すべてに適合する 1 つのテスト キットですか?

画像診断はがん検出における重要なツールですが、唯一の手段ではありません。メチル化分析などの他の方法も、ディープラーニング ツールによって強化できます。 「ディープラーニングの利点の1つは、非構造化データでも機能することです」とアリプール氏は言う。「適切なトレーニングデータが与えられれば、アルゴリズムは化学的な特徴を見るなど、他の方法でがんを発見できるでしょう。」

アリプール氏は一例として、ニューヨーク大学ランゴーン・ヘルスでの事例を挙げている。ある少女が、組織病理学に基づいて、脳腫瘍の一種である再発性髄芽腫と診断されました。しかし、AIの助けにより、医師たちはそれが実際には別の種類の癌、つまり神経膠芽腫であることを発見した。

少女のがんは最初のがんと闘うために使用された放射線の結果である可能性があるため、正しい診断の重要性が強調されている。彼女が再び同じ治療を受けた場合、その治療は実際に新しい癌を破壊せずに彼女に害を及ぼす可能性があります。

乳がんの診断における画期的な進歩にもかかわらず、アリプール氏は、普遍的ながん検出ツールが実現するまでにはまだ何年もかかると明言した。しかし、そこに到達する方法は、まさに CureMetrix が行っている方法と同じです。つまり、最も複雑な癌から始めて、そこから構築していくのです。