データ分析やAIの "運用" について考える
by
mmorito
Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
1 データ分析やAIの "運用" について考える 2022/06/25 - OSH2022 -
Slide 2
Slide 2 text
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
Slide 3
Slide 3 text
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?
Slide 4
Slide 4 text
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
Slide 5
Slide 5 text
5 データ分析やAIの利活用の背景
Slide 6
Slide 6 text
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
Slide 7
Slide 7 text
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
Slide 8
Slide 8 text
8 自社サービスの紹介
Slide 9
Slide 9 text
医療支援クラウドサービス「LOOKREC」
Slide 10
Slide 10 text
10 診断支援の取り組み内容
Slide 11
Slide 11 text
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
Slide 12
Slide 12 text
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
Slide 13
Slide 13 text
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
Slide 14
Slide 14 text
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
Slide 15
Slide 15 text
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
Slide 16
Slide 16 text
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
Slide 17
Slide 17 text
17 実証実験の結果
Slide 18
Slide 18 text
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)
Slide 19
Slide 19 text
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
Slide 20
Slide 20 text
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
Slide 21
Slide 21 text
21 今後に向けた課題
Slide 22
Slide 22 text
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
Slide 23
Slide 23 text
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
Slide 24
Slide 24 text
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)
Slide 25
Slide 25 text
25 新たな取り組みとして
Slide 26
Slide 26 text
日本の医療均てん化に向けて…
Slide 27
Slide 27 text
27 ご清聴ありがとうございました
Slide 28
Slide 28 text
参考文献 - OECD Data. https://data.oecd.org (参照: Computed tomography (CT) scanners, Magnetic resonance imaging (MRI) units)