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 -
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

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?

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

5. 5 データ分析やAIの利活用の背景

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

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
8. 8 自社サービスの紹介

9. 医療支援クラウドサービス「LOOKREC」

10. 10 診断支援の取り組み内容

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

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

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

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
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
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
17. 17 実証実験の結果

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）
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
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

21. 21 今後に向けた課題

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
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

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）
25. 25 新たな取り組みとして

26. 日本の医療均てん化に向けて…
27. 27 ご清聴ありがとうございました

28. 参考文献 - OECD Data.
 https://data.oecd.org 
 （参照: Computed tomography (CT) scanners, Magnetic resonance imaging (MRI) units）