2016年にGoogle DeepMindのAlphaGoが伝説的な囲碁棋士イ・セドルに衝撃的な勝利を収めたとき、人工知能（AI）、機械学習、ディープラーニングという用語は技術の主流へと押し上げられた。
BBC Newsnight：AlphaGoと人工知能の未来。
AIは一般に、コンピュータや機械が次のような知的な振る舞いを示す、またはそれを模倣する能力として定義される。テスラの自動運転車やアップルのデジタルアシスタントSiriなどがその例である。これは活況を呈する分野であり、多くの研究と投資の焦点となっている。機械学習とは、AIシステムが生データから情報を抽出し、新しいデータから予測を行えるようになる能力である。
ディープラーニングは、人工知能と機械学習を組み合わせたものである。脳の構造と機能に着想を得た、人工ニューラルネットワークと呼ばれるアルゴリズムに関わるものである。ディープラーニングは近年、消費者の世界でも医療界全体でも大きな注目を集めている。
ディープラーニングへの関心は、アレックス・クリジェフスキーが設計したニューラルネットワークであるAlexNetの成功によって急上昇した。AlexNetは、2012年のImageNet大規模視覚認識チャレンジで優勝したもので、毎年開催される画像分類コンペティションである。
比較的最近の進歩としては、ディープラーニングのアルゴリズムを動かすためにグラフィックス処理装置（GPU）を利用することも挙げられる。GPUは、ディープラーニングの応用に必要な計算（乗算と加算）に優れており、それによって処理時間を短縮する。
サスカチュワン大学の当研究室では、医療応用に関連する興味深いディープラーニングの研究を行っており、電気・コンピュータ工学の教授として私が研究チームを率いている。医療分野において、AIや機械学習を用いて診断を行うことは新しい試みであり、刺激的で有望な進展が見られている。
目の血管の抽出
網膜の血管異常の検出は、糖尿病や心疾患の診断に有用である。信頼性が高く意味のある医学的解釈を提供するためには、網膜画像から網膜血管を抽出しなければならない。手作業による領域分割も可能ではあるが、それは複雑で時間がかかり、骨の折れる作業であり、高度な専門技能を必要とする。
私の研究チームは、生の網膜画像を読み取るだけで網膜血管を領域分割できるシステムを開発した。これは眼科医や検眼医の作業負担を軽減するコンピュータ支援診断システムであり、高い精度を維持しつつ、画像を10倍速く処理する。
肺がんの検出
コンピュータ断層撮影（CT）は肺がんの診断に広く用いられている。しかし、CT画像における良性（非がん性）病変と悪性（がん性）病変の視覚的な表現は類似しているため、CTスキャンだけでは必ずしも信頼できる診断ができるとは限らない。これは、長年の経験を持つ胸部放射線科医であっても同様である。CTスキャン解析の急速な増加により、放射線科医のスクリーニング作業を支援する高度な計算ツールへの差し迫ったニーズが生まれている。
放射線科医の診断能力を向上させるため、私たちはディープラーニングによる解決策を提案した。研究結果に基づくと、私たちの解決策は経験豊富な放射線科医を上回る性能を示している。さらに、ディープラーニングに基づく解決策を用いると、全体的に診断性能が向上し、経験の浅い放射線科医ほどこのシステムから最も大きな恩恵を受ける。
限界と課題
ディープラーニングのアルゴリズムは、放射線医学や医療全般にわたる様々なタスクにおいて大きな可能性を示してきたが、これらのシステムは決して完璧ではない。高品質な注釈付きデータセットを得ることは、ディープラーニングの学習における課題であり続けるだろう。コンピュータビジョンの研究の多くは自然画像に基づいているが、医療応用には大規模な注釈付き医用画像データセットが必要である。
臨床の観点からのもう一つの課題は、ディープラーニング技術が人間の放射線科医と比べてどの程度の性能を発揮するかを検証するための時間である。
医師と機械学習の科学者との間の協力を強化する必要がある。また、人間の生理機能の非常に高い複雑性も、機械学習技術にとっての課題となるだろう。
もう一つの課題は、臨床への導入に向けてディープラーニングシステムを検証するための要件であり、これには複数の機関による協力と大規模なデータセットが必要となる可能性が高い。最後に、ディープラーニングシステムの高速な処理を確保するには、効率的なハードウェア基盤が必要である。
複雑な医療の世界において、AIツールは人間の医療従事者を支援し、より迅速なサービスとより正確な診断を提供できるほか、特定の疾患に罹患しやすくする可能性のある傾向や遺伝情報を特定するためにデータを分析することもできる。数分を節約することが命を救うことを意味しうる場合、AIと機械学習は医療従事者と患者にとって変革をもたらす可能性がある。
