医療における人工知能: COVID-Net プラットフォームを使用してコロナウイルスを診断する方法

COVID-NetとオープンソースのAIベースのプラットフォームは、コロナウイルスの発生によって引き起こされる肺の損傷を研究し、パンデミックとの戦いに役立てています。

米国全土でコロナウイルス感染者数が再増加する中、医療従事者は、先手を打とうと努力しており、COVID-Netという新しいアプローチを採用している。COVID-Netは、肺の放射線画像を使用してコロナウイルス特有の肺の損傷を特定し、その損傷の程度を評価するオープンソースのAIベースのプラットフォームである。

[[356296]]

この技術はパンデミックが始まった3月に開発されたが、採用する組織が増えるにつれ、医療における人工知能の一例として注目を集めている。

この非営利プロジェクトは、Red Hat、ボストン小児病院、人工知能スタートアップのDarwinAIが主導していますが、カナダのウォータールー大学とDarwinAIのコラボレーションとして始まりました。

「COVID-Netは、コロナウイルスのパンデミックへの対応に貢献するために設計された取り組みです」と、ダーウィンAIのCEO、シェルドン・フェルナンデス氏は語った。「私たちはプラットフォームをオープンソース化しましたが、商用化するつもりはありません。パンデミックと戦うために使用できる別のツールを専門家に提供したいだけです。それが動機です。」

パンデミックが世界的な問題となり、世界中の研究者が医療分野における人工知能を、この分野を理解するための潜在的に価値のあるツールとして注目する中、フェルナンデス氏は、同社はすでに研究者らと他のプロジェクトに取り組んでいると述べた。コロナウイルス感染症の診断を行います。

同氏は、7日間で、DarwinAIの技術を使用したプラットフォームを開発することができ、研究者がコロナウイルスの流行が独特の視覚的特徴を残したと判断するのに役立つだけでなく、機械学習を使用して、コロナウイルスに感染した肺の画像と健康な肺またはコロナウイルス以外の原因で損傷した肺の画像を区別できるようにシステムをトレーニングすることができたと述べた。

「私たちはすぐにこのことに方向転換し、私たちの専門知識をこれに応用できないかと考えました」とフェルナンデス氏は語った。「そこで、これらの画像をすべてシステムに入力し、私たちの技術を使用して、コロナウイルスの特徴である肺の変動を見つけ始めるシステムを非常に迅速に構築しました。そして、それは時間の経過とともにどんどん賢くなっていきました。」

しかし、このプロセスは遅くて面倒であり、大量の画像を特に役立つほど速く処理することはできません。さらに、AI技術はユーザーフレンドリーではなく、それを操作するにはエンジニアリングスキルを持つ人が必要です。これらの問題に対処するため、COVID-Net チームはボストン小児病院と連携し、OpenShift と OpenStack 上で稼働するコンテナ プラットフォーム (現在は ChRIS と呼ばれています) を開発した Red Hat の支援を受けました。

「彼らはCOVID-Netを開発したが、それを実際に展開する方法がない。少なくとも、臨床医にとって有用な単純な方法ではない」とハーバード大学医学大学院の放射線学助教授ルドルフ・ピエナール氏は語った。

「私たちの研究が役に立つのはそこです」とボストン小児病院の研究者兼科学者であるアンソニー・ファウチ博士は語った。「彼らは、アプリを展開し、医療専門家のような人々が使用できるアプリのユーザーインターフェースを構築するための何らかのメカニズムを探しています。」

ピエナール氏は、既存のCOVID-Net技術をChRISプラットフォームに統合するプロセスには約3日かかったと述べた。

「エンドユーザーにその機能を提供するために、魅力的なユーザーインターフェースの構築に多くの時間を費やしています」と彼は語った。「その一部は DarwinAI で概念的に実現されました。」

このプラットフォームは、患者がコロナウイルスに感染しているかどうかを判断するための診断ツールとして使用できますが、綿棒サンプルを使用した化学ベースのテストの方が正確であるため、これはこの技術の主な推奨される使用法ではありません。ピエナール氏は、このプラットフォームが最も役立つ可能性がある方法の一つは、コロナウイルス感染者で溢れかえっている医療施設で誰が最も医療を必要としているかを医師が判断するのを支援するトリアージ診断ツールとして使うことだと述べた。

彼はこう付け加えた。「本当のメリットは、人間の目の疲れを防ぐことです。私にとって、これがこの種の医療診断の一番大事なことです。人間は非常に正確で精密な診断を下すことができますが、疲れてしまいます。機械のアルゴリズムは必ずしも良い予測ができるとは限りません。近い予測やより良い予測ができることもあります。しかし、同じ入力に対しては常に同じ結果が出ます。疲れることも退屈することもありません。その点からすると、より信頼できるものとなるでしょう。」

実際、この利点こそが、ヘルスケアにおける AI 活用の主な原動力となっています。

COVID-Net とヘルスケアにおける人工知能へのアプローチを説明するソースコード、ドキュメント、データセット、科学論文は、プロジェクトの GitHub リポジトリで入手できます。