Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
データ分析やAIの "運用" について考える
Search
mmorito
June 25, 2022
Programming
0
390
データ分析やAIの "運用" について考える
オープンセミナー広島2022で発表した資料
mmorito
June 25, 2022
Tweet
Share
More Decks by mmorito
See All by mmorito
JBUG広島#11
mmorito
0
250
JP_Stripes in Setouchi #01
mmorito
0
120
Cloud Native Kansai #01
mmorito
0
1.1k
Cloud Native Sapporo #01
mmorito
0
320
GAE/Jで盛大に失敗する方法
mmorito
0
400
自社サービスにStripeを導入する話
mmorito
1
760
Introduction of Firebase
mmorito
0
770
コンテナ管理とサーバーレス on GoogleCloud
mmorito
0
96
OK, Googleの話
mmorito
0
94
Other Decks in Programming
See All in Programming
try! Swift Tokyo 2024 参加報告 / try! Swift Tokyo 2024 Report
hironytic
0
170
チーム力を高めるスクラム実践法:カンバン公開と課題攻略について - ニフティのスクラムトーク Vol. 2 - NIFTY Tech Talk #18
niftycorp
PRO
1
110
今の SmartHR にエンジニアで入社するとどうなるの?
daisukeshinoku
5
4.6k
#phpcon_odawara オープン・クローズドなテストフィクスチャを求めて / open closed test fixtures
77web
3
210
Blue/Greenデプロイの導入による 運用フローの改善
kudoas
1
350
PostmanでAPIの動作確認が楽になった話
h455h1
0
110
Folding Cheat Sheet #1
philipschwarz
PRO
0
210
⼤規模⾔語モデルの拡張(RAG)が 終わったかも知れない件について
nearme_tech
22
15k
1BRC--Nerd Sniping the Java Community
gunnarmorling
0
300
スクラムチームと認知負荷 - ニフティのスクラムトーク Vol2. / NIFTY Tech Talk #18
niftycorp
PRO
1
120
二郎系ラーメンのコールで学ぶ AST 解析
memory1994
PRO
7
1.6k
puregoの活用例
aethiopicuschan
0
220
Featured
See All Featured
Facilitating Awesome Meetings
lara
41
5.6k
Scaling GitHub
holman
457
140k
Building a Modern Day E-commerce SEO Strategy
aleyda
16
6.3k
Building Effective Engineering Teams - LeadDev
addyosmani
27
1.8k
Pencils Down: Stop Designing & Start Developing
hursman
117
11k
Ruby is Unlike a Banana
tanoku
96
10k
What the flash - Photography Introduction
edds
64
11k
Imperfection Machines: The Place of Print at Facebook
scottboms
258
12k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
13
1.5k
Designing for humans not robots
tammielis
247
25k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
501
140k
Keith and Marios Guide to Fast Websites
keithpitt
408
22k
Transcript
1 データ分析やAIの "運用" について考える 2022/06/25 - OSH2022 -
株式会社エムネス 森藤 敏之(Toshiyuki Morito) 自己紹介 所属 氏名 • インフラ寄りのバックエンドエンジニア コミュニティ活動 •
GCPUG Hirosima(Google Cloud Platform User Group) • OSH実行委員 出身 廿日市出身(現在は東京在住) @mmorito_0318
データ分析やAIの利活用の背景 みなさんは MRI や CT の検査を受けたことがありますか?
目次 AIを用いた診断支援の取り組みを紹介します 診断支援の 取り組み内容 今後に向けた課 題 実証実験 の結果 自社サービス の紹介
データ分析や AIの利活用の背景
5 データ分析やAIの利活用の背景
データ分析やAI利活用の背景 図. 人口100万人あたりの放射線診断医 (縦軸) および 装置台数(横軸) MRIとCTの合計台数が世界ダントツ第1位 放射線科医数が世界ダントツ最下位 慢性的な人手不足により、画像診断の品質担保が困難に
データ分析やAI利活用の背景 脳の血管(動脈)が膨らんで弱くなっているところ 破裂すると、くも膜下出血をという脳出血を引き起こす 特に取り組むべき病変 脳動脈瘤 1日に数多くの患者を診断し、 膨大な画像から数mmの膨らみを 発見するのは至難の技だ
8 自社サービスの紹介
医療支援クラウドサービス「LOOKREC」
10 診断支援の取り組み内容
診断支援の取り組みにあたってやったこと 患者同意取得と 教師データの作成 解析依頼/結果参照 アプリ開発 実際の 読影業務に投入 結果分析 AIアルゴリズム 開発
実行可能 API開発
患者同意取得と教師データの作成 92%以上の患者から同意が得られ、年齢による差異がほとんど無かった
通常の読影業務 + 教師データ用の作成を依頼 (約200件) 患者同意取得と教師データの作成 診断時に図示したアノテーションの座標位置をもとに 病変の位置が特定できないか 医師毎にもとにした画像やアノテーションの表 現方法、病変までの距離に差異あり 複数の所見に言及された画像もあり、
動脈瘤のみの正確な抽出が困難
解析依頼 / 結果参照アプリ開発 Modality MR 部位 HEAD スライス厚 1mm以下、等間隔 断面
AXIAL / Oblique AXIAL 解析可能な画像のメタデータ
LCEES(LOOKREC CAD Education and Evaluation System) AIの指摘座標を表示 (前後5スライス) AI指摘に対するフィードバックの入力 ・TP(True
Positive): AI指摘あり / 動脈瘤あり ・TPの場合は瘤のより正確な座標とサイズを入力 ・FP(False Positive): AI指摘あり / 動脈瘤なし
実際の読影業務に投入 一次確定 入力開始 AI結果 改訂 最終診断 一次確定 入力開始 AI結果 改訂
一次読影 (放射線診断医) 二次読影 (放射線診断医) 一次読影者: AI支援なしで読影 ↓ AI結果を参照して所見を改訂可能 二次読影者: AI支援なしで読影 ↓ 一次読影とAI結果を参照して所見を改訂可能
17 実証実験の結果
BigQueryでデータ集計などした話 2年分のアクセスログから 医師の読影に要した時間、AI結果を参照した日時、回数を集計 AI結果を参照した日時とレポートの改訂履歴を 照らし合わせ、AI支援後の変更を集計 (約140TB) (約45,000件) (約11,500件)
分析結果 64,40 % 医師が初回読影で発見した動脈瘤 33.64 % AIによって追加された動脈瘤 発見された動脈瘤数 診断レポート件数
1,073 個 / 11,434 件 84.08 % 3mm未満の小さな動脈瘤 89.75 % 3mm未満の小さな動脈瘤 35 個 5mm以上の大きな動脈瘤 8 個 5mm以上の大きな動脈瘤 AIの方が発見数が多かった医師(34名中) 5 名
実証実験の振り返り AI支援によって30%以上の脳動脈瘤が発見された 1 手術候補となる5mm以上の動脈瘤も複数発見された 3mm未満の発見数が56%増加しており、偽陽性の診断が増加する可能性が懸念される AI支援が医師に与える影響が、数十%の幅で異なっていた 2 医師によってはAIを過度に信頼してしまい 自力で診断する意識の低下や結果をすぐに覆すことが懸念される AI支援が医師の読影時間に与える影響について継続して測定が必要
3 確実に読影時間は延びていると想定されるため 一時的な業務負荷の増加に対する継続的な測定/改善が必要
21 今後に向けた課題
今後に向けた課題 もっと多くの診断を支援するためには 1 複合的な情報 により異常を学習するアプローチが必要 家族歴 既往歴 喫煙の有無 年齢 /
性別 CSV CSV Order/Report 前回の画像と比較 前回の所見/診断と比較 論文や文献 他患者の過去症例 検査目的 / 依頼内容
今後に向けた課題 検査画像の解析依頼 ? 結果参照 直接的にAI支援の恩恵を受けるユーザー 間接的にAI支援の恩恵を受けるユーザー このサービスの 価値を最も享受 するのは誰? 2
最終的に高品質な医療を享受する患者 AI支援の恩恵を受ける者とその価値を享受する者が異なる
今後に向けた課題 AI支援を標準化するインターフェイスがまだ無い 3 AIの利用側と提供側を繋ぐ、インターフェイスの標準化が必要 DICOMWeb / GSPS / SecondaryCapture 解析依頼
/ 結果送信 I/F 結果参照(Viewer)
25 新たな取り組みとして
日本の医療均てん化に向けて…
27 ご清聴ありがとうございました
参考文献 - OECD Data. https://data.oecd.org (参照: Computed tomography (CT)
scanners, Magnetic resonance imaging (MRI) units)