AIドクターは正式に勤務中ですか？ AIと医療の融合が爆発点に到達！

近年、医療分野における人工知能の応用が非常にホットな話題となっています。 「ニューイングランド・ジャーナル・オブ・メディシン」「ランセット」「JAMA」の3大医学雑誌では、AIと医療を組み合わせた論文の割合が増加しています。最も明らかな傾向は、医師を重労働の診断作業から解放し、より価値のある医療プロセスを実施することで、医師のリソース不足の問題を解決することです。医療分野におけるAIの応用は、医師の作業負荷を大幅に軽減することができます。医療業界の現状から判断すると、AI支援医療が最も注目を集めており、最も急速に成長している分野はおそらく医療画像の認識と応用です。人工関節置換術前の位置決めと測定において大きな進歩を遂げました。

関節置換術 - 20億ドルの市場

現代的な意味での人工股関節は 1950 年代に登場しました。術後の回復が良好であることから、人工股関節は股関節のさまざまな末期病変に対する外科的治療として徐々に好まれるようになり、20 世紀で最も成功した外科的発明として知られています。

統計によると、2018年までに北京だけで人工関節置換手術の件数は1万件を超え、全国での合計は40万件に達し、そのうち約60％が人工股関節置換術だった。さらに、標準化された手術技術の推進と普及、患者の手術受容性の向上、医療保険制度の改善により、股関節置換手術の件数は今後も急速に増加し続けるでしょう。これは大きな社会的、実際的なニーズとなっています。人工股関節置換手術は1回あたり少なくとも10万元かかります。国内市場だけを考えても、これは20億元近い価値を持つ新興医療市場であり、毎年急速に成長しています。

2018年の北京における人工関節置換手術の増加傾向

読者は、この市場規模について明確な考えを持っていないかもしれません。簡単な例を挙げてみましょう。現在の国内EDA市場の規模は数百億に過ぎないため、急速に成長する20億という規模はすでに十分に魅力的です。関連分野の医療機器および外科産業の大幅な発展により、関連する研究課題も徐々に注目を集めるようになりました。自動化によって外科手術の効率を向上させることができれば、もたらされる商業価値と市場の可能性は莫大なものになるでしょう。

股関節は、人間の体幹と下肢をつなぐ中心となる部分です。体の重みは、左右の股関節を通して下方に伝わります。現代人にとって最も病気になりやすい部位の一つでもあります。股関節の損傷は日常生活や仕事に重大な影響を及ぼす可能性があります。保存的治療で改善が見られない患者は、股関節置換手術を検討することができます。手術で最も重要な部分は、術前の位置決めです。

AI自動術前測定

現在の人工股関節全置換術は非常に成熟していますが、依然として経験に大きく依存しています。ベテラン医師の多くは長年の経験を頼りに人工関節を素早く改良することができますが、若い医師の場合、手術中に人工関節の埋め込み位置が間違っていると、患者の回復と長期的な効果に重大な影響を及ぼします。重症の場合、下肢の長さの不均等、脱臼、骨折、神経損傷、さらには人工関節の緩みなど、大規模な合併症を引き起こす可能性があります。

術前の測定は、手術の場所を直接決定するため、非常に正確で時間のかかる作業です。たとえば、インプラントする人工関節のサイズとモデルをどのように決定するか、さらには前方傾斜、外転角度、骨切り高さ、短縮量とそれをどのように復元するかなど、上記のいずれも手術の成功または失敗に直接影響する可能性があります。それは患者の回復にとっても大きな課題となるでしょう。

例えば、手術前や手術中の義肢の測定に誤差があると、手術後に両下肢の長さが不均等になる可能性があり、これは患者の腰痛に直接的に深刻な影響を与え、立ち上がったりトイレに行くなどの日常生活にも影響を及ぼします。関連研究センターで人工股関節全置換術を受けた患者1,171人を追跡調査したところ、計測された長さの差が1cm未満の患者のほとんどは足を引きずらずに歩いていたのに対し、長さの差が2cmを超える患者では4分の1が足を引きずっていたことが判明した。これまでの実験では、145人の患者のうち17人が手術後に下肢の長さが不均等となり、患者の生活体験に大きな影響を与えることが判明した。

では、何らかの自動化された方法やソフトウェアによって、正確で標準化された股関節置換術の計画を完了することは可能でしょうか? 答えは「はい」です。 2018年頃、ジョンズ・ホプキンス大学の学者たちは、2段階畳み込みニューラルネットワーク（CNN）構造を使用して、X線画像マップ内の外科的測定ランドマークを検出し、あらゆる角度から画像検出を完了することを提案しました。同時に、人体の解剖学的特徴を導入し、元の外科的測定ランドマーク間の関係を見つけることによってそれらを自動的にラベル付けしようとする研究もいくつかあります。しかし、実際には、これらの方法の精度は従来のソリューションに比べてそれほど向上していません。

しかし、この精度の問題は、MICCAIカンファレンスでDAMOアカデミーのAIチームが提案した解決策によって大きく前進しました。

DAMO アカデミー チームは、医療画像内のランドマーク ポイントを検出するだけでなく、これらの外科計測ランドマーク ポイント間の関係を自動的に学習することも可能だと考えています。たとえば、ランドマーク ポイントの空間関係損失関数を追加することで、より正確で効率的な外科計測ランドマーク検出結果を得ることができます。このアイデアは、従来のニューラル ネットワークをランドマーク予測ブランチとエッジ予測ブランチの 2 つのブランチに分割することです。この考え方では、画像はまずニューラル ネットワークによって処理され、次に異なる目的の推論のために 2 つのブランチに入力されます。ラベル予測ブランチは、ニューラル ネットワークによって処理された高次元の特徴をヒート マップに変換し、エッジ予測ブランチは、ニューラル ネットワークによって処理された高次元のエッジの特徴の次元を削減します。その後、ベクトル化されたタグは、より良い特徴を抽出します。このようにして、識別空間の位置に対して特別に確立された損失関数を通じて、エッジ ラベル予測の精度を向上させることができます。

最終結果から判断すると、新しく追加されたエッジ予測ブランチのパフォーマンスは良好で、最終結果も他のアルゴリズムと比較して大幅に改善されています。

現在の技術的状況では、AI 支援による術前測定が比較的成熟し、実際に高い商業的価値を持っていることは間違いありません。これは、医療分野における AI の重要な応用が出現しつつあることも意味しているのかもしれません。

医療AIの未来

近年の人工知能技術の急速な発展により、医療分野でも多くの場面で AI が開発されるようになりました。特に流行期間中、多くの医療AI企業が臨床補助診断、科学研究、医薬品開発、公衆衛生システムの構築において重要な役割を果たしました。

例えば、2020年初頭の流行当初、医療業界の深刻な人材不足に対応するため、DAMOアカデミーが開発したAIは、もともと15〜20分かかっていたCT画像の判定を20秒以内に完了し、分析精度は最大96％に達しました。流行が始まってからわずか2か月で、COVID-19の診断と治療計画は7回更新されました。DAMOアカデミーAIチームは、独自の迅速な医療産業化を通じて、アルゴリズムを迅速に研究室の外に移し、COVID-19の診断と治療計画に絶えず適応し、多くの病院で大規模なパイロットプロジェクトを開始し、病院の処理速度とレベルを大幅に向上させました。

落ち着いて振り返ってみると、医療業界にとって AI の役割は、大規模な基礎的な公衆衛生システムのようなものだと言えます。 「医師」の平均経験レベルを引き上げ、「医師」を「賢い医師」に変える能力を持っています。これにより、医療施設が不足している地域の住民に、より高いレベルの医療体験の向上がもたらされます。

「神が人間に大きな責任を与えたいとき、まずは人間の心と精神を苦しめ、筋肉と骨を一生懸命働かせなければならない。」また、今年から医療AI産業の導入がますます進み、「流行」効果の促進により、医療AI産業の発展が加速し、正しい軌道に乗っていくことも予測できます。デジタル時代の到来とともに、医療AIはより多くの新しいデジタルインフラと深く連携し、大多数の人々が医師の診察を受けるハードルを下げることができると信じています。将来的にはAI医療によって「醜い病気のない世界」が実現し、自宅でも豊富な医療資源を享受できる未来が訪れることを期待しています。