機械学習ツールが肺のX線スキャンで心不全を予測

この研究は、MIT のコンピューター科学および人工知能研究所 (CSAIL) で実施され、医療診断を変革している他の多くの有望な機械学習および AI ツールと一致しています。現代のコンピューティングの力により、これらのアルゴリズムは医療画像データを調べ、臨床医が見ることができない人間の状態の微妙だが重要な変化を発見することができ、刺激的な可能性を切り開きます。

それは、CTスキャンでは見逃されていた癌の診断を発見したり、医師が気づく何年も前にアルツハイマー病の兆候を検出したりすることを意味するかもしれない。この研究では、人工知能を使用して心電図の結果を分析することで、左室機能不全を特定し、心不全のリスクが最も高い患者を医師が特定できるかどうかも調査しており、今回の研究も、異なるメカニズムに焦点を当てながらも同様の道をたどった。

医師は肺のX線画像を使用して、心不全のリスクがある患者の体液蓄積（「肺水腫」と呼ばれる）の重症度を評価し、治療方針を決定します。問題は、これらの評価が、非常に微妙な特徴に基づいて行われることが多く、一貫性のない診断や治療計画につながる可能性があることです。

[[344874]]

機械学習を導入するために、チームは30万枚以上のX線画像と放射線科医が作成した対応するレポートでアルゴリズムをトレーニングしました。これには、多くのサンプルにわたってデータが一貫して分析されるようにするための特定の言語ルールの開発が含まれます。

「私たちのモデルは、画像とテキストの両方を、説明を導き出すことができるコンパクトなデジタル抽象化に変換することができます」と、論文の共同筆頭著者であるギーティカ・チャウハン氏は述べた。 「私たちは、X線画像と放射線レポートのテキスト間の表現の違いを最小限に抑えるようにトレーニングし、レポートを使用して画像の解釈を改善しました。」

研究によると、新しい機械学習アルゴリズムは、重度の肺水腫の症例を高い精度で分類できることが示されています。テストでは、研究チームは機械学習アルゴリズムを使用して単一のX線画像を分析し、浮腫の重症度を0（健康）から3（非常に重度）のスケールで分類しました。このアルゴリズムは、浮腫の正しいレベルを半分以上の確率で診断できましたが、さらに印象的なのは、グレード 3 のケースを 90 パーセントの確率で正確に診断できたことです。

研究者たちは、このツールが医師による心臓疾患の管理改善に役立つことを期待しているが、浮腫は敗血症や腎不全などさまざまな病状に関連しているため、このアルゴリズムの可能性はさらに広がる可能性がある。研究者らは現在、今後数か月以内にボストンの医療センターの救急治療室のワークフローにこのツールを統合する作業を進めている。