AIサポートによる医療に向けて
ディープラーニングは、癌を臨床検査診断と同等に定義します
西洋では、肺癌は最も致命的な種類の癌です。 検査室の診断の専門家は、組織サンプルを顕微鏡で検査し、分類して腫瘍の発生段階を判定し、治療を処方します。 いずれの場合も、がんはそれ自体が独特であるため、薬物の解釈は困難な作業になる可能性があります。 とても難しい。 人工知能が助けになりますか？
はい、はい、そして...
BBCシャーロック出身の私の仲間ジョン・バトソン
深層学習
最近、深層学習の技術の中で、画像解析法が登場し、コンピュータービジョンの分野に重大な変化をもたらしました。 一意の画像特徴を自動的に識別し、畳み込みニューラルネットワーク（SNA）と呼ばれます。 ネットワーク画像内の一意の画像の自動認識については、データ処理を使用するアプローチを使用し、参照として手動でマークされたImageNetおよびCIFAR-10データベースを使用する場合、人よりもこの作業を実行します。 専門家のコメントとともに薬物の仮想画像を多数使用する場合、SNAは、画像に応じてさまざまな種類の肺がんを分類し、肺腺がんの検出と分類のプロセスを促進するように教えることができます。
肺標本の仮想画像を分類するためのモデルスライディングウィンドウ
AIを作成する
ダートマスのガイゼル医学部のハッサンプール研究室の科学者は、 Nature Scientific Reportsに科学記事を掲載しました。これは、肺がんの組織学的サブタイプを分類できるニューラルネットワークについて説明しています。 モデルは4,000以上のコメント付きバーチャルスライドでトレーニングされ、各特性タイプの一連のクラシックサンプルを使用して微調整されました。 訓練されたモデルは、これらの古典的なサンプルで良好に機能しました。すべてのカテゴリで動作特性の曲線下面積が0.97以上でした。
古典的な肺がんサンプルのAIパフォーマンスインジケーター
AI vsスペシャリスト？
このAIと実験室診断の専門家の仕事を比較するために、科学者は独立したテストでパフォーマンスを測定しました。 深層学習モデルと3人の開業医は、実際の症例を含む143の完全な仮想画像を分類しました。 カッパ係数と2つの一致の指標によると、彼らが訓練したモデルは、レポートのこの表に示されているように、あらゆる点で診断医を迂回しました。
表2：医薬品の143の完全な仮想画像の一般的なサブタイプの分類における専門家とモデルの比較。 良好な同意（R.同意）とは、他の3人のうち少なくとも2人とコメンテーターの同意を意味します。 信頼区間の95％は括弧内に示されています。
比較するために、モデルによって検出された特性タイプがスライドごとにグラフィカルに提示され、多くの選択された画像について専門家がコメントしました。 一致は非常に正確です。
ディープラーニングのモデルを決定した組織（Bi-iv）と比較した専門家（（Ai-iv）によるコメント付きの組織像の視覚化。
これはどういう意味ですか？
ディープラーニングは、医療画像の分析などの複雑な問題を解決する場合でも、人並みに機能できる非常に強力な方法になりました。 ディープラーニングアルゴリズムに基づく肺がん分類子は、患者をグループに分割し、医療分析のケースに優先順位を付けることができます。 また、あいまいな画像がある場合のセカンドオピニオンとしても役立ちます。 これらの方法は将来、スペシャリストの作業の時間のかかる部分を自動化できる可能性がありますが、実際に使用する前に行うべきことが多く残っています。 このモデルは、さまざまな組織の多くのデータベースでテストする必要があります。 その適合性は、臨床試験で確認する必要があります。 自動化されたシステムが検査室の診断専門家に取って代わる可能性はありますか？ おそらく一度だけですが、すぐではありません。 すべてのAIシステムは、医師、患者、および医学界が信頼できるようになる前に、臨床環境で徹底的にテストする必要があります。
医療用のAIアルゴリズムを作成することは、高い山を登るようなものです。 私たちは中途半端になることはありますが、まだ先には長い道のりがあり、それは容易にはなりません。
肺組織病理学でスキャンを分類するためのコードは、Githubで公開されています。