人工知能によって、機械は何千もの医療画像と、それらの画像に含まれる何十億ものピクセルを精査し、放射線科医や病理医には識別できないほど微細なパターンを見つけ出せるようになりました。
機械はこの情報を用いて、病気の有無を特定したり、その進行の激しさ、生存の見込み、または治療への反応の可能性を推定したりします。
私たちは、計算画像診断・個別化診断センターの技術者です。私たちのチームは、医師や統計学者とともに、この種のツールを開発し、その有効性を検証しています。
この技術が医師に取って代わることを目的としているのではないかと懸念する人は多くいます。しかし私たちは、この技術は人間と連携して機能し、医師をより効率的にし、複雑な症例での判断を支援するものになると考えています。
機械学習と医療画像
ある研究では、ある研究において、スタンフォード大学の研究者らは、100枚のテスト画像で皮膚がんと良性病変を見分ける際、機械が訓練を受けた皮膚科医と同程度に正確であることを示しました。
別の研究では、において、Googleのコンピューターサイエンティストらは、ディープラーニングと呼ばれるAI手法を用いて、高解像度の網膜写真から糖尿病網膜症（糖尿病に起因する網膜の変化の総称）を患っている患者を正確に特定しました。また、Googleの別のディープラーニングプロジェクトでは、網膜画像から心血管疾患のリスクを予測することに成功しました。
私たちのグループは、MRIやCTなどの画像、およびデジタル化された組織スライド画像から病気を特定する新たな方法を開発してきました。
心疾患を持つ105人の患者から採取した心筋組織の生検画像において、私たちのアルゴリズムは予測しました、どの患者が将来心不全を発症するかを高い精度で予測しました。
別の研究では、前立腺がん患者のMRI画像を用いて、私たちのコンピューターアルゴリズムは、放射線科医が見逃した症例の70%以上で臨床的に有意な病変を特定しました。放射線科医が患者は進行性の前立腺がんであると誤って判断した症例の半数では、機械が臨床的に有意な病変は存在しないと正しく特定することができました。
私たちのチームはまた、特定の治療法に対する患者の反応を予測し、早期治療を監視する手法の開発も進めています。
免疫療法を例に挙げましょう。免疫療法薬は、体自身の免疫防御機能を高めてがんと闘います。これらの薬は、従来の化学療法と比べて極めて有望な効果を示しておりですが、いくつかの制約があるため、広く普及するには至っていません。肺がん患者のうち、免疫療法の効果が期待できるのは約5人に1人のみです。さらに、これらの療法は患者1人あたり年間20万米ドル超の費用がかかり、免疫系に有害な影響を及ぼすこともあります。医師には、どの患者が恩恵を受けられるかを正確に判断する方法が必要です。
治療開始前に治療成功の可能性を見極めるため、私たちの研究室では、肺腫瘍の日常的な診断用CT画像を精査するソフトウェアを開発しています。このソフトウェアは、腫瘍の質感、濃度、形状に加え、結節に栄養を供給する血管の形状も分析します。この情報は、腫瘍専門医が治療量を最適化したり、患者の治療計画を変更したりする際に役立つ可能性があります。
がんやその他の疾患の中には、病気の進行の激しさや治療への反応を予測する計算ツールが医師の支援に役立つ可能性のあるものが数多く存在します。例えば、今年6月に発表された研究では、術後補助化学療法または標準的な内分泌療法を受けた乳がんの女性を比較しました。患者の約70%については、標準的な治療法と比べて化学療法の有益性は実証されませんでした。そのため、不必要で、しばしば有害な化学療法を防ぐことが、医師にとって重要な課題となっています。しかし現在、予後を予測する唯一の方法は、組織を破壊する高コストな遺伝子検査に頼らざるを得ません。
現在、乳房の生検から得たデジタル化された組織画像を解析する新たな方法に取り組んでいます。今年から開始する新たなプロジェクトでは、インドのムンバイにあるタタ記念病院で乳がんの女性患者を対象に、この技術を検証する予定です。
実現に向けて
臨床医、放射線科医、病理医が人工知能によって判断を強化できる機会は非常に大きいと言えます。特に、患者一人ひとりに合わせた治療計画を策定する場面では、その重要性がいっそう高まります。
このような技術を病院で活用する前に、私たちのような研究者はさらに検証を重ね、その信頼性と妥当性を確認する必要があります。これは、複数の医療機関で検証を実施することで行うことができます。
医師にとっても、この技術を理解できることは重要です。既存の生物学研究で説明できない技術は、医師が採用する可能性は低いでしょう。例えば、私たちの肺腫瘍ソフトウェアが血管の形状を分析するのは、研究によって示されているためです。すなわち、腫瘍に栄養を供給する血管の蛇行の度合いが、薬剤の送達に悪影響を及ぼす可能性があるということです。
だからこそ、AI研究者である私たちのような者が、対等な協力者として、開発の初期段階から臨床医を巻き込むことが極めて重要なのです。
