医療分野におけるAIの活用

Category: |

医療分野におけるAIは、今日最も可能性がある画期的で発展している分野の一つであり、医療を大きく変革させつつあります。AIは、多くの業界で継続的かつ重要な効果をもたらしていますが、特に医療分野ではその影響により人の人生を変えるほどのものです。

病院での看護などのさまざまな側面から、臨床研究、医薬品開発、保険にAIを応用することで、患者の健康を改善し、さまざまなステークホルダーの利益を調整し、医療費の削減に変革をもたらすことが可能です。

AIの研究と応用による効果が医療分野では高く、産業全体のほぼすべての分野がこの技術の出現により影響を受けることでしょう。この技術は、医療部門の患者の診察、診断、治療計画の決定、および病院経営において、ますます高く評価されています。

最新の医療分野におけるAIの傾向は下記です。

（貴社におけるビジネスニーズをお聞かせください。）

医療分野におけるAIアプリケーション

１．診断

AIにはデータを分類する能力があり、大量データの分類に向いています。特に「診断」は、AIによる効果が高い領域の一つと言われています。医療画像解析と患者の医療記録、遺伝学、その他多くのことを組合わせて診断結果を向上させることができます。さらに、AIツールは同様の情報を使用して独自の治療アプローチを作成し、医師に推奨できます。

AIビジョンはこれらの診断アプリケーションに共通の要素として現れてきています。そしてその分野の改善が診断において信頼できる応用と密接に関連することは注目するべきです。。

 

２．ロボット支援手術

外科医はロボット手術を活用することで、危険度の高い領域で繰り返される作業の一部を自動化して、より正確な手術ができるようになります。また、外科医（および患者）は手術中に医療記録をリアルタイムのデータと組み合わせる、または同じタイプの以前に成功した手術のデータを利用することなど、AIからのメリットを得ることができます。ロボットは積極的または受動的に人間の外科医が行う仕事をより良くするために支援していると言えるでしょう。ロボット工学分野でＦＰＴソフトウェアの提供するケイパビリティは、人間の能力を超えたものとなっています。制御も疲労の制限はありません。リモートで実施できるのであれば、長時間手術室にいる必要はありません。手術が行われる方法を改善するためにAIを活用することは、多くの利点があります。

 

３．仮想看護アシスタント

仮想看護アシスタントは、不必要な病院訪問を減らし、医療関係者の負荷を減らすことができます。仮想看護師は患者のバイタルサインや症状を監視し観察します。また、患者の日常生活の支援、服薬、予約、健康に関する質問の回答などで、看護師の典型的な仕事を再現します。

仮想看護師は、医療分野で大きな助けになります。仮想看護アシスタントは、介護を促進する最も革新的で高度な技術の1つです。これは看護師の能力をさらに高め、そして新しい方法で看護を実践するようになります。過去数年間で大いに進化を遂げ、そして成長し続けています。またそれは多くの医療システムの重要かつ基幹部分となっています。

 

４．患者への関与

自動化されたスケジュールと予約のリマインダ−はごく普通のことですが、やがて患者エンゲージメントがよりロボット的になる可能性があります。それは患者の経験を個人化し、不必要な支出を減らし、  患者をできるだけ健康に保つために、病院訪問の間に開かれたコミュニケーションを支援することもできます。

たとえば、特定の状態や治療の副作用について心配している患者には、医師が不在であってもいつでもチャットボットに問い合わせることができます。

 

医療分野でのコンピュータービジョン

特にコンピュータービジョンの領域で、AIは医療に関して現実の世界に組み込まれ始めています。それでは、コンピュータービジョンとはどういう意味でしょうか？

コンピュータービジョンは、コンピューターサイエンスの一部であり、人間が行う同じ方法とで、コンピューターが画像を見て、識別し、理解して、そして適切な出力を提供することを可能にします。それは人間の知能をコンピューターに伝えるようなものです。実際には、人間の視覚を複製し、物体を理解するようにコンピューターを訓練することは非常に困難です。

コンピューターは見ているものが何であるかを理解してから適切な分析を実行するか、またはそれに従って行動する必要があるため、コンピュータービジョンはAIと密接に関係しています。（出典：Techopedia）

医療では、迅速で正確な診断から手術支援、または視覚障害患者の生活の質の向上に至るまで、無数の用途があります。この技術を使用する長期的目標は、結果の分析時間を短縮し、治療と介護の面で患者に付加価値を提供するための新しい方法を医師に提供することです。

医療分野におけるFPTの主要な事例

一部の市場で主要なITベンダーであるFPTは、グローバルのお客さまに優れたAIサービスを提供することができます。FPTは、筋肉・脂肪検出、皮膚診断、糖尿病性網膜症識別、血液分析器異常検出などにコンピュータビジョンを使用するいくつかの医療プロジェクトでAIの実装に成功しました。

 

  1. 筋肉・脂肪検出

FPTは筋肉・脂肪検出におけるAI医療プロジェクトを成功させた経験があります。これは診断における医師を支援するAI技術を備えたアプリケーションの開発です。このアプリケーションはお客さまから高く評価されています。

FPTは肥満診断において人工知能を使用し、脂肪の検出と医師を支援するために、CTスキャンで撮影された画像に基づいて腹部の脂肪を分析するこのアプリケーションを開発しました。プロジェクトチームは適切なモデルを定義し、製品にうまく適用して以下の結果をもたらしました。

–      分析結果の精度 –  95%

–      1画像の診断時間 –  0.4秒未満

–      お客さま満足度 – 約90%

あらゆる分野の技術にAIを適用することで、FPTは特に医療で、健康分野の発展に貢献したいと考えています。現在、本製品は、より良い治療と人々の健康向上のための病理学的兆候の検出に役立っています。

  1. 体力測定

日本の看護制度では、運動負荷テストを通して高齢者の健康をチェックし、評価しています。そこには4種類のテストがあり、各テストには1人の被検者につき少なくとも1人の医師/オブザーバーが必要であり、これは実際に時間や労力を必要としました。FPTはこの領域にAIを適用しました。病院でのAIシステムは、高齢者の健康状態を高精度で検査し、医師や看護師の労力を節約するなどの問題解決に役立ちました。

4種類のテストは、10m歩行テスト（10MWT）、タイムアップアンドゴーテスト（TUG）、30 秒椅子立ち上がりテスト（30SCS）、片足立ちテスト（OSV）です。 ​

お客様のシステムを使用して、上記の4つのテストを解決するための方法を定義し、10m歩行テストでの歩数、30秒間に座って立ち上がった回数、片足で立つことができる時間、肩のたわみ、股関節のたわみ、腰痛などがあるかどうかを判断し、正確で有用な出力情報を医師に提供しました。

当初、プロジェクトチームは被検者の横たわる姿勢を観察することによってのみ正しい出力を取り出すための解決策を定義しました。このプロジェクトが進むに連れて、結果は96%の精度でより正確になり、被検者の直立姿勢の観察でお客さまの要求を満たしました。

  1. 糖尿病性網膜症の識別

糖尿病性網膜症（DR）は、糖尿病につながり得る眼疾患です。DRが一定の期間で検出される場合、視力障害を回避することができます。FPTは、最適な深層学習モデルを提供し、そのモデルに位置情報を加えて精度を向上させるための分析を実行し、学習データを取得してラベル付けする新しい方法を提案します。

弊社は、コスト効率を最大化するために、専門家と研究者の研究結果をお客さまとの共同研究開発プロジェクトで活用しました。

 

  1. 血液分析器の異常検出

血液分析器の誤測定が誤診につながるため、すべての血液分析器は測定のベースラインを確実にするために定期的に試験されなければなりません。現在の異常検出メカニズム（単純な閾値ベース方式など）では、関連するデータ点が考慮されず、大量のリアルタイムデータを処理できないため、弊社のお客さまは異常データを検出するための予測機能を向上させた高度なメカニズムを必要としています。

ＦＰＴソフトウェアは品質管理、Machine Raw、標本平均などの3つの集約されたクライアントデータソースを使用して、スケーラブルなデータ情報パイプラインを構築しました。予測モデルを構築するために再帰型ニューラルネットワークとTensorflowを使用し、予測モデルを訓練するために、ファームウェアのバージョン、試薬ロット、機械モデルなどの他のパラメーターとともに時系列データを使用して、再帰型ニューラルネットワーク（LTSMおよびGRU）を訓練します。予測モデルは入力シーケンスデータを受け取り、出力シーケンスを出力しますこのシステムは、予測出力が実際のデータと非常に異なる場合に警告を発することができます。データ分析の表示では、外れ値を視覚化するための動的ダッシュボードと、統計的プロパティを強調するタブローブックを使用しました。

センサーやその他のマスターパラメータから収集されたリアルタイムデータ（時系列形式）は、LTSMやGRUを含む再帰型ニューラルネットワークの学習に使用されます。訓練後、モデルは与えられた入力シーケンスを用いて出力シーケンスを予測することができます。このシステムは、リアルタイムデータを視覚化し、ストリーミングするBokehを備えた動的ダッシュボードと、統計的特性を強調するタブローブックの2つの方法でデータ分析を提供します。

弊社ソリューションでは、血液分析装置の予測性能と精度を向上させながら、誤診断率を低下させました。

 

 

最後に

FPTは、医療業界およびさまざまな分野におけるAIプロジェクトを成功させ、世界的なデジタル変革時代において、その成果を徐々に証明してきました。FPTは、他の多くの分野においても最先端の技術を研究開発するために、多大な時間を費やしています。

他の研究に関しては、今後の記事でお伝えします。

 

 

 参考資料

  1. AIと医療：巨大な機会－ フォーブス： https://www.forbes.com/sites/insights-intelai/2019/02/11/ai-and-healthcare-a-giant-opportunity/#58faceab4c68
  2. 発展途上国の農村地域における医療用人工知能技術の応用 － NCBI：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6110188/
  3. コンピュータビジョン － Techpedia：https://www.techopedia.com/definition/32309/computer-vision