人工知能技術の助けを借りて、人々は携帯電話を通じて皮膚がんを診断できるようになるかもしれない

最近、「ネイチャー」誌は表紙に次のような記事を掲載した。「ディープラーニングアルゴリズムを使用して皮膚がんを診断したところ、精度は91％に達し、医師の診断と同等になった。」

Google のニューラル ネットワークが猫と犬を区別できることを覚えていますか? 人工知能は人間とは異なります。子供は猫を数回見ただけでその外観を認識できますが、機械がディープラーニングを行って猫が何であるかを認識できるようになるには、人間が何万枚もの画像を入力する必要があります。

同様に、人々が人工知能システムに高品質の皮膚がんの写真を提供すれば、システムは機械学習を通じて皮膚がんが何であるかを識別することもできる。スタンフォード大学は最近、「ネイチャー」誌に関連研究結果を発表し、人工知能システムと24人の上級皮膚科医を比較したところ、システムの精度は約91％であることがわかった。

「私たちは、データから学習し、システムが何を識別し、探すべきかを発見できるようにコードを記述できる非常に強力なAIアルゴリズムを作成した」と、スタンフォード大学の大学院生で論文の筆頭著者であるアンドレ・エステバ氏は述べた。

このアルゴリズムは畳み込みニューラル ネットワークと呼ばれます。Google Brain で初めて登場し、その驚異的な計算能力を利用してアルゴリズムの意思決定能力を強化します。スタンフォード大学の研究を通じて、ニューラルネットワークはすでに約1,000の異なるカテゴリから128万枚の画像を識別できていたが、研究者らは悪性腫瘍と良性の脂漏性角化症を区別する必要があった。

犬をペルシャ猫のグループから区別することは大したことではありません。しかし、さまざまな皮膚疾患のさまざまな斑点を区別し、そこから皮膚がんを特定することは生死に関わる問題であり、要求される精度は極めて高いです。

皮膚の色の斑点は大きな問題であり、アルゴリズムがそれをどのように区別するかは難しい問題である

画像データのフィルタリング

「この研究のもう一つの難しさは、AIアルゴリズムを訓練するのに十分な量の高品質な皮膚がん画像のデータセットがなかったことです。そのため、この問題を自分たちで解決しなければなりませんでした」と、スタンフォード大学の大学院生で論文の共著者であるブレット・クプレル氏は述べた。画像を処理する前にも、翻訳作業が必要だった。「インターネットで画像をいくつか収集し、医学部と協力して分類とラベル付けを行いました。ラベルにはドイツ語、アラビア語、ラテン語などが含まれていました。」

翻訳や整理だけでなく、画像の処理も必要です。皮膚科医は、患者を注意深く診察するためにダーモスコープと呼ばれる器具を使用することが多いため、医療従事者は基本的に、ほぼ一定の拡大率と視点角度を持つ医療画像を通じて病気を診断します。しかし、インターネット上の写真は多種多様です。携帯電話で撮影したものもあれば、楽器で撮影したもの、カメラで撮影したものなど、環境によって効果は異なり、角度、焦点距離、照明も異なります。

最終的に、研究者らは2,000種類以上の病気を網羅した約13万枚の皮膚病変画像を収集した。彼らはこれらの画像を使って画像ライブラリを作成し、それぞれの画像に問題の病気に関する追加データを説明するラベルを付けて、生のピクセルとしてアルゴリズムに入力しました。その後、研究者らは、画像間の根本的なつながり、つまり、病気が組織に広がる際に従うと思われる規則を解明できるアルゴリズムを開発した。

AIはこのようにして皮膚疾患の画像をさまざまなカテゴリーに分類します

研究結果が発表された後、研究者らはアルゴリズムの正確性を検証するために、スタンフォード大学医学部の皮膚科専門家21人を招き、角化細胞癌の分類、悪性黒色腫の分類、ダーモスコピーの結果を用いた悪性黒色腫の分類という3つの観点からアルゴリズムを検証した。

最終テストでは、研究者らは悪性黒色腫と活動性が確認された腫瘍の高画質画像のみを使用し、治療、生検、あるいは安心させるだけのものが必要な画像にラベルを付けた。研究者らがAIシステムの診断結果を21人の医師の診断結果と比較したところ、AIシステムはすべてのがん病変を特定し、誤検出を回避するという両面で優れた性能を発揮し、正確度は91パーセントで、医師のレベルに匹敵することが分かった。

携帯電話を使った診断

エステバ氏は次のように語った。「チームはまだオンラインアプリを作成していませんが、これは私たちの期待に応えています。私たちの当初の目的は、一般の人々がより良い、より便利な医療サービスを受けられるようにすることです。さらに私を興奮させるのは、スマートフォンが今やどこにでもあることです。各電話にはさまざまなセンサーとカメラが搭載されています。人工知能システムを使用して、携帯電話の画像から皮膚がんがあるかどうかを直接判断できます。同時に、皮膚がんの問題が解決されれば、他の病気も遠く離れることになるのではないでしょうか。」

いずれにせよ、商品化に入る前に、次のステップはさらなるテストを実施し、アルゴリズムを改良することです。 「人工知能が画像を区別するためにどのように判断を下すかを理解することが重要です。良性と悪性の皮膚病変のコンピューター支援分類の進歩は、皮膚科医が困難な病変を診断する能力を向上させ、患者により良い治療オプションを提供するのに役立つ可能性があります」と、スタンフォード大学の皮膚科教授で論文の著者であるスーザン・スウェッター氏は述べた。「しかし、臨床診療に導入する前に、アルゴリズムの厳密な前向き検証が必要です。」