データ分析やAIの "運用" について考える

by mmorito

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）  