人工知能は癌診断の未来になるのでしょうか？
最近の研究では、研究者は乳房組織のスキャンで悪性病変と良性病変を区別するためのアルゴリズムを訓練しました。
がんの場合、治療を成功させる秘訣は、がんを早期に発見することです。
現状では、医師は高品質の画像を利用でき、熟練した放射線科医は異常な成長の明らかな兆候を見つけることができます。
識別されたら、次のステップは、成長が良性か悪性かを医師が確認することです。
最も信頼できる方法は、侵襲的な手技である生検を行うことです。
それでも、エラーが発生する可能性があります。病気がないときに癌の診断を受ける人もいれば、癌が存在するときに診断を受けない人もいます。
どちらの結果も苦痛を引き起こし、後者の状況は治療の遅れを引き起こす可能性があります。
研究者は、これらの問題を回避するために診断プロセスを改善することに熱心です。病変が悪性であるか良性であるかをより確実に、そして生検を必要とせずに検出することは、ゲームチェンジャーになるでしょう。
一部の科学者は、人工知能（AI）の可能性を調査しています。最近の研究では、科学者は有望な結果でアルゴリズムを訓練しました。
AIとエラストグラフィ
超音波エラストグラフィは、乳房組織の硬さをテストする比較的新しい診断技術です。それは波を作り出す組織を振動させることによってこれを達成します。この波は超音波スキャンに歪みを引き起こし、特性が周囲の組織と異なる乳房の領域を強調します。
この情報から、医師は病変が癌性であるか良性であるかを判断することができます。
この方法には大きな可能性がありますが、エラストグラフィの結果の分析には時間がかかり、いくつかのステップが必要であり、複雑な問題を解決する必要があります。
最近、ロサンゼルスの南カリフォルニア大学のViterbi School of Engineeringの研究者グループが、アルゴリズムによってこれらの画像から情報を引き出すために必要な手順を減らすことができるかどうかを尋ねました。彼らは結果をジャーナルに発表しました 応用力学および工学におけるコンピュータ手法.
研究者たちは、乳房スキャンで悪性病変と良性病変を区別するためのアルゴリズムをトレーニングできるかどうかを確認したいと考えていました。興味深いことに、彼らは本物のスキャンではなく合成データを使用してアルゴリズムをトレーニングすることでこれを達成しようとしました。
合成データ
チームが合成データを使用した理由を尋ねられたとき、筆頭著者のアサドオベライ教授は、それは実際のデータの可用性にかかっていると述べています。彼は次のように説明しています。「医用画像の場合、1,000枚の画像があれば幸運です。このようなデータが不足している状況では、この種の手法が重要になります。」
研究者たちは、12,000を超える合成画像を使用して、深い畳み込みニューラルネットワークと呼ばれる機械学習アルゴリズムをトレーニングしました。
プロセスの終わりまでに、アルゴリズムは合成画像で100％正確でした。次に、彼らは実際のスキャンに移りました。彼らはたった10回のスキャンにアクセスできました。その半分は悪性病変を示し、残りの半分は良性病変を示していました。
「約80％の正解率がありました。次に、入力としてより現実的な画像を使用することにより、アルゴリズムを改良し続けます。」
アサド・オベライ教授
80％は良好ですが、十分ではありません。ただし、これはプロセスの始まりにすぎません。著者は、実際のデータでアルゴリズムをトレーニングした場合、精度が向上した可能性があると考えています。研究者たちはまた、彼らのテストがシステムの将来の機能を予測するには小さすぎることを認めています。
AIの成長
近年、診断におけるAIの使用への関心が高まっています。ある著者が書いているように：
「AIは、放射線学、病理学、皮膚科の画像分析にうまく適用されており、診断速度は医療専門家を上回り、精度は同等です。」
しかし、オベライ教授は、AIが訓練を受けた人間のオペレーターに取って代わることができるとは信じていません。彼は次のように説明しています。「一般的なコンセンサスは、これらのタイプのアルゴリズムは、最も影響を与える画像専門家を含め、果たすべき重要な役割を持っているということです。ただし、これらのアルゴリズムは、ブラックボックスとして機能しない場合に最も役立ちます。それが最終的な結論に至ったのは何を見たのでしょうか？アルゴリズムが意図したとおりに機能するためには、アルゴリズムが説明可能でなければなりません。」
研究者たちは、他の種類の癌を診断するための新しい方法を拡張できることを望んでいます。腫瘍が成長するところはどこでも、それは組織が物理的にどのように振る舞うかを変えます。これらの違いをグラフ化し、それらを見つけるためのアルゴリズムをトレーニングすることが可能であるはずです。
ただし、がんの種類ごとに周囲との相互作用が非常に異なるため、アルゴリズムは種類ごとにさまざまな問題を克服する必要があります。すでに、オベライ教授は、AIがそこでの診断に役立つ方法を見つけるために腎癌のCTスキャンに取り組んでいます。
がんの診断にAIを利用するのはまだ始まったばかりですが、将来への期待は大きいです。
