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

Transcript

1. 1

   データ分析やAIの

   "運用" について考える

   2022/06/25
   - OSH2022 -
   

   View Slide

2. 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

   

   View Slide

3. 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?

   

   View Slide

4. 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

   

   View Slide

5. 5
   データ分析やAIの利活用の背景

   

   View Slide

6. 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

   

   View Slide

7. 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
   

   View Slide

8. 8
   自社サービスの紹介

   

   View Slide

9. 医療支援クラウドサービス「LOOKREC」

   

   View Slide

10. 10
    診断支援の取り組み内容

    

    View Slide

11. 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

    

    View Slide

12. 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

    

    View Slide

13. 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

    

    View Slide

14. 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
    

    View Slide

15. 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
    

    View Slide

16. 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
    

    View Slide

17. 17
    実証実験の結果

    

    View Slide

18. 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）
    

    View Slide

19. 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
    

    View Slide

20. 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

    

    View Slide

21. 21
    今後に向けた課題

    

    View Slide

22. 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
    

    View Slide

23. 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

    

    View Slide

24. 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）
    

    View Slide

25. 25
    新たな取り組みとして

    

    View Slide

26. 日本の医療均てん化に向けて…
    

    View Slide

27. 27
    ご清聴ありがとうございました

    

    View Slide

28. 参考文献
    - OECD Data.

    https://data.oecd.org 

    （参照: Computed tomography (CT) scanners, Magnetic resonance imaging (MRI) units） 

    

    View Slide