AI医用画像の春が再び到来？

概要： AI医用画像診断市場は急速な成長期を迎えつつあり、医師の負担を軽減しながら医療の質の向上も期待されています。

[[383146]]

最近、AI医用画像関連企業から「朗報」が相次いで報告されている。

超音波人工知能による動態医療画像分析に注力する新興企業、Shenzhi Technologyは先週、1億人民元のシリーズB資金調達を完了したと発表した。

今月初め、7回の資金調達を完了した医療AI企業Airdocは、CITIC証券と上場指導契約を締結し、北京証券監督管理局に記録を提出した。科技創新板に上場する予定だ。

健康業界の不完全な統計によると、2020年に国内の人工知能医療・健康分野で合計65件の資金調達ラウンドが完了し、そのうち医療画像が総資金調達の約3分の1を占めました。AI医療画像は、人工知能医療・健康分野で徐々にホットなトラックになっています。資金調達ラウンドから判断すると、一部の企業は開発の成熟段階に入り始めており、その製品技術は市場でますます認知され、ビジネスモデルも徐々に成熟しつつあります。

肺結節領域での集中的な流行を経て、AI医療画像の「春」が再び到来か？

研究開発から実装までの長い道のり

「わが国における医療用画像の年間成長率は30％を超えており、放射線科医の年間成長率4％をはるかに上回っている。この現象は病院や医師に多大なプレッシャーをもたらしている」とAI医療企業シュクン・テクノロジーの毛新生会長はインタビューで語った。医師は、フィルムを読影するという単調で反復的な作業で疲労し、診断を見逃しがちです。医療機関によっては、診断能力のある放射線科医が不足しており、フィルムを撮影することはできても、診断や治療を行う人がいないという状況になっています。 「患者も医師も『AI医師』の支援を緊急に必要としている」

2014年から現在まで、AI医療画像は、突き進み、拒絶され、徐々に認知され、発展し、大きく前進するという過程を経てきました。 AI画像認識技術の進歩、医療用画像機器のアップグレード、業界のデジタル化の進展に伴い、関連製品は整形外科、眼科、心臓血管、神経系、消化管、脳、超音波、肝臓、胆嚢、膵臓、脾臓、腎臓など多くの疾患の補助診断と予測にまで拡大しています。

人工知能による医療用画像解析技術はますます進歩し、さまざまな製品が発売されていますが、関連する政策や承認が不足しているため、AI医療用画像製品の商品化は困難です。

欧米と比較すると、中国では臨床評価の道筋に対する管理が非常に厳しく、AI医療製品の承認には時間のかかる臨床試験を経る必要があります。さらに、承認に使用される標準データベースには、幅広いデータ ソース、データ タイプの互換性 (たとえば、CT 画像には、5 mm、1 ～ 2 mm、サブ ミリメートルの画像など、異なる層厚の画像が含まれている必要があります)、および医療画像ラベルの標準化が必要です。しかし、地域や病院によってデータ規格が異なり、統一されたデータ仕様や標準化されたデータベースの構築には多くの時間がかかります。

時間のかかる臨床試験とデータベース構築の遅さにより、承認プロセスが遅れています。そのため、2019年末時点では、AI医療画像関連製品でクラスIII医療機器登録を取得した製品はありませんでした。クラスIII機器認証を取得していない医療製品は、病院の機器調達カタログに掲載できず、商品化が困難です。莫大な研究開発投資を必要とする人工知能医療業界にとって、これは初期投資とその後のキャッシュフローが分離されることを意味します。

製品が臨床使用されるまでの具体的な時期を予測することはできず、商業的価値の実現は遠い見通しとなります。その結果、2019年の業界投資規模は前年までの急激な増加とは対照的に、300%も急減した。 AI医療画像業界は氷河期に突入した。

商業化の挫折、承認の難しさ、製品の商業化の遅れにより、医療画像業界における AI の実際の応用はあらゆる分野から疑問視されるようになりました。収益力のない企業は倒産し、コスト削減と粘り強さを選んだ企業や、製品販売に支障が出た後は研究開発に全力を注いだ企業もありました。例えば、シリーズBの資金調達を完了した慧慧英は大規模な人員削減を開始し、正社員数はピーク時の300人以上から100人以上に減少した。

希望の光

2019年末、新型コロナウイルス感染症の突如の出現により、人工知能による医療画像診断が活躍する機会が生まれました。防疫対策と大量の診断・治療ニーズにより、各病院の設備・システムのスマート化が急速に進み、AI+医療に関する奨励政策も登場した。疫病対策の必要性から、AI医療画像製品の承認も議題に上がった。

「肺結節クラスAIII証明書」、「AI+CTAクラスIII証明書」、「AI画像支援意思決定クラスIII証明書」など、さまざまな関連証明書の発行により、AI医療画像企業の困難が軽減されました。2020年には、合計9つのAI医療画像製品がNMPAに承認されました。長い年月を経て、ついにAI医療画像製品の商業的クローズドループが開かれ、資金が還流しました。その中で最も顕著なパフォーマンスは、AIによるCT画像の補助スクリーニングです。

感染症の流行により、CT画像のAI支援診断と治療は、国内で最も急速に商業化されたAI医療画像応用シナリオの1つとなった。 COVID-19の流行初期には、国内の核酸検査試薬の供給が不足し、偽陰性率が高かったため、CT検査はCOVID-19患者の診断における重要な基準の一つとなった。

医療資源が逼迫し、医師が多忙を極める中、CT画像検査の過剰数は、最前線の防疫活動における医療資源の需要に大きな課題をもたらしている。このような状況下では、人工知能の導入は時宜を得た助けとなると言えるでしょう。大規模スクリーニングの迅速化と効率化を実現し、画像診断部門の作業効率を大幅に向上させ、医師の負担を軽減し、誤診や見逃しを減らすだけでなく、アルゴリズム画像マッピングおよび再構成技術により、低線量CTおよびPET画像や臓器移動によるアーティファクトのある画像を再構成し、患者の放射線被曝リスクを軽減します。

COVID-19パンデミックの発生によってもたらされた膨大な量の患者画像データは、AI+CTなどの医療画像製品の承認に必要な標準化されたデータベースの構築を大幅に加速させました。COVID-19の症状に特化したAIモデルも、大量のデータトレーニングを通じて迅速に実装できます。同時に、臨床応用の需要の急増により、承認に必要な臨床試験のスピードも大幅に向上しました。深刻な疫病情勢により、AI医療画像技術は、新技術の出現から現場での自然な受け入れまでの長いプロセスを「直接スキップ」することが可能になった。

疫病によってもたらされた需要の急増は、AI医療画像関連製品の承認を加速させる最後の「追い風」であると言え、CTベースの疾病スクリーニングと補助診断は、最も多くの製品が商品化され、AI医療画像の中で最も競争の激しい分野の1つとなっている。しかし、AI による医用画像処理は万能ではなく、依然として一定の限界があります。

例えば、十分なデータや画像情報がない疾患の場合、AIによる画像解析は役に立ちません。膨大な量の医療記録に加え、多数の臨床医からのフィードバックも、人工知能医療画像製品の開発と成熟に不可欠です。どちらかが欠けていると、AI による分析や認識率が低下し、医師の負担軽減につながらないばかりか、医師の悩みが増すことになります。

市場に出回っている AI+CT 製品の品質にも問題があり、一部の「インテリジェント」検出ソフトウェアでは認識率が 50% にしか達しません。 「最初はとても興奮しましたが、使ってみるとシステムがあまり安定しておらず、精度も高くないことがわかりました。診断を見逃したり、複数回検査したりすることがよくありました。効果は想像していたほど大きくありませんでした。AIを使って一度チェックし、自分でもう一度チェックしても時間の節約にはなりませんでした」と放射線科医は語った。

さらに、AI医療画像製品の多くはまだ「単一疾患識別」の段階にあり、システムは1種類の疾患の検査にしか使用できず、システムの適用範囲を強化する必要がある。 「基本的に、現在の製品はまだ初期段階にあり、より良い結果を得るには、より多くの症例を繰り返す必要があります。特にこのタイプの炎症の場合、ウイルス性肺炎自体の「同じ画像で異なる病気」という現象は非常に深刻であり、診断を支援する機能をさらに拡張する必要があるかもしれません」と、画像医学および核医学部門のディレクターは述べています。

AI医療画像企業は技術的な問題の解決に懸命に取り組む一方で、クラウドサービスを既存の製品に統合し、病院にさらに多様なAI+CT画像認識ソリューションを提供しようとしています。

医療画像の新たな姿: AI+CT+クラウド

現在、AI+CT関連製品が利益を上げる主な方法は3つあります。

1つ目は、AI+CTスキャン支援診断を独立したソフトウェアサービスとして開発することです。このモデルは、ほとんどの病院の購買習慣により合致します。例えば、United Imaging Intelligence社の「uAI COVID-19インテリジェント支援分析システム」は、フィルムの読み取り時間を大幅に短縮し、ほとんどの画像レポートの作成を自力で完了しながら、90％以上の識別精度を達成できます。患者のさまざまなスキャン位置に応じて遠隔スキャンを自動的に調整できるため、医師と患者間の交差感染のリスクと手術時間が大幅に短縮されます。武漢火神山病院、武漢同済病院、武漢協和病院など最前線の防疫病院で使用されています。

Huiyi Huiying の Dr.Turing® COVID-19 AI 支援スクリーニング ソリューションは SaaS サービスに基づいており、迅速なレプリケーションとスケーラビリティの利点があり、柔軟なクラウドまたはプライベート展開をサポートします。画像認識速度は業界トップクラスで、3秒以内に500枚以上のCT画像解析を完了し、病気の進行度や有効性の定量的な比較評価を全自動で行うことができます。このシステムは現在、海外市場に参入しています。

BaiduのPaddlePaddleプラットフォームは、Lianxin Medicalと協力して「CT画像ベースの肺炎スクリーニングおよび疾患事前評価AIシステム」もリリースしました。これは、PaddlePaddleオープンソースフレームワークと、視覚分野で技術的に先進的なPaddleSeg開発キットを組み合わせて開発されたもので、患者のCT画像における病変検出、病変輪郭、両側肺密度分布ヒストグラム、肺病変の数、体積、肺の割合など、一連の定量的指標の計算と表示を迅速に完了できます。湖南省郴州市の湘南大学付属病院で導入されている。

テンセントのAI医療研究所「テンセント・ミイン」も、CT画像認識に基づくCOVID-19のAI支援診断を開始した。このシステムは、病院や放射線科から独立したモバイル型の緊急専用CT装置を使用し、検査対象者間の交差感染を回避している。 AIによるパターン認識は最短2秒で完了し、1分以内に医師に補助的な診断参考資料を提供できます。このシステムは、武漢協和病院西キャンパス、武漢日海方蒼病院、洪湖人民病院などの医療機関に導入されています。

2つ目は、画像機器メーカーと協力して、AI機能を備えた医療用​​画像機器を提供し、一定の利益を得る方法です。この形式では、フィルムの撮影と読み取りの完全なインテリジェントソリューションを提供することが難しく、CFDAの承認と認証の再申請が必要です。現在、実装はほとんどありません。

3番目のタイプは、クラウド、ビッグデータ、IoTをベースにしたAI+CTワンストップサービスであり、パブリッククラウドとプライベートクラウドに分けられます。

例えば、Huawei Cloud、華中科技大学、BlueNet Technologyが共同で開発したCOVID-19向けのAI支援医療画像定量分析サービスは、インターネット技術の利点を組み合わせて、クラウドPACSに基づくワンストップ医療画像ソリューションを提供します。病院をファーウェイのパブリッククラウドに接続し、AI支援診断技術を提供しながら、膨大な画像データのリアルタイムストレージ、バックアップ、アーカイブの問題を解決し、さまざまなデバイスでのクラウドベースの画像読影をサポートします。

さらに、ファーウェイクラウドは地域画像クラウドソリューションも提案しており、地域の病院に画像ストレージ、クラウドベースのフィルム読み取り、インテリジェントなフィルム読み取りなどの機能を提供し、地域の画像医師によるオンライン診断をサポートしています。これにより、一次医療機関は医療画像サービスを一元的に処理し、一次レベルでの医療資源の割り当てを支援できるようになります。

Huiyi Huiyingは、クラウドコンピューティング、ビッグデータ、人工知能に基づくスマート医療画像処理の総合ソリューションも構築しており、その中にはNovaCloud®スマート画像処理クラウドプラットフォーム、Dr.Turing®人工知能支援診断プラットフォーム、RadCloud®ビッグデータ人工知能科学研究プラットフォームの3つの主要製品システムが含まれています。病院、医師、患者にさまざまな形式の人工知能支援スクリーニングシステム、教育および科学研究プラットフォームなどのサービスを提供し、「3つのエンドの相互接続」を実現します。

現在、AI+CTのビジネス展望は明るく、クラウドベースのワンストップソリューションとフルチェーンサービスモデルは良好なビジネス成果を達成しています。クラウドの追加により、データアプリケーションは確かに利便性が向上しましたが、いくつかの新たな問題ももたらしました。

まず、AIの能力はトレーニングに使用されるデータの量に比例します。クラウドネットワークに基づく分析および保存方法は、大量のデータをリアルタイムで更新および保存し、データの分類と検索を容易にし、人工知能の自動更新、反復、学習を容易にします。クラウド システムをデバイスに展開した後は、オンラインでデバッグしたり設定を変更したりできるため、管理が容易になります。このシステムを導入して使用することで、異なる病院間の人員の移動を減らすことができ、伝染病の予防に役立ちます。この種の解決策は、感染拡大中に臨時の病院でよく使用されました。

その中で、パブリッククラウドソリューションは、業界全体の統一されたCT画像データベースの形成に役立ち、データが不足している一部の小規模病院の診断および治療レベルの向上にも役立ちます。すでに大量のデータを保有し、症例画像データを継続的に更新している大規模病院の中には、プライベート クラウド ソリューションを使用することで同様の結果を達成できるところもあります。

分析のためにデータをクラウドにアップロードするのは便利ですが、この便利さはデータ漏洩のリスクが大幅に増加することを伴います。セキュリティ上の理由から、クラウド管理モデルの使用に消極的で、病院のコンピューター室にデータを保存することを選択する病院もあります。しかし、これでは AI 学習の更新やシステムのデバッグに役立たず、テクノロジー サービス プロバイダーがさまざまな病気や症例に合わせて新しい機能を開発することも困難です。

診断や治療のレベルが高く、医療記録の画像データが大量にある大規模病院では、利用可能なデータの質と量が比較的安定しており、AIの学習と進化をより速く進めることができます。独自のシステム内でデータを反復的に更新することでも情報セキュリティは確保されますが、小規模病院では状況はまったく逆です。したがって、このアプローチはマシュー効果を形成し、医療資源のさらなる不均衡につながる可能性もあります。

結論

COVID-19の予防、治療、診断におけるAIの成功は、医療画像分野における人工知能の発展を加速させました。その製品には解決すべき問題がいくつかありますが、資本と市場の継続的な温暖化を止めることはできません。結局のところ、医療は人間の基本的なニーズです。 AI医用画像診断市場は急速な成長期を迎えようとしており、医師の負担を軽減しながら医療の質の向上にも期待しています。