「ホクロ」か「がん」か・・・微妙な違いをAIが診断補助
筑波大と京セラコミュニケーションシステム
筑波大学医学医療系の藤本学教授と藤澤康弘准教授、京セラコミュニケーションシステム(KCCS)の共同研究グループは、14種類の皮膚腫瘍の良悪性を判定する人工知能(AI)診断補助システムを開発した。
筑波大学が所蔵している臨床写真を用いて、これまでAI学習で必要とされていた画像数の半数以下の画像で90%以上という高い診断精度を実現した。腫瘍の良悪性の識別に関して、皮膚科専門医よりも正確な診断が行えることが分かった。
通常、AIによる画像の識別には一つのカテゴリーごとに最低1000枚の画像を用いた学習が必要となり、14種類の皮膚腫瘍では合計1万4000枚以上となる。これに対し、今回はその半分以下の約6000枚の臨床写真で90%を超える識別率を達成した。
診断の手本となる教師画像として使用した臨床写真の大半が病理組織診断で診断が確定している質の高いデータを採用。加えて、学習前の画像処理の段階でKCCSが蓄積してきた画像解析ノウハウを生かし、さまざまな工夫を加えた。
同じ画像セットを診断するテストを用いて、AI診断補助システムと日本皮膚科学会認定皮膚科専門医13人とを比較したところ、皮膚科専門医による皮膚腫瘍の良悪性の識別率が85・3%プラスマイナス3・7%だったのに対し、AI診断補助システムは92・4%プラスマイナス2・1%と上回った。
今後は診断精度の向上だけでなく、皮膚がん以外の皮膚疾患も診断できるように研究を進めていく。
筑波大学が所蔵している臨床写真を用いて、これまでAI学習で必要とされていた画像数の半数以下の画像で90%以上という高い診断精度を実現した。腫瘍の良悪性の識別に関して、皮膚科専門医よりも正確な診断が行えることが分かった。
通常、AIによる画像の識別には一つのカテゴリーごとに最低1000枚の画像を用いた学習が必要となり、14種類の皮膚腫瘍では合計1万4000枚以上となる。これに対し、今回はその半分以下の約6000枚の臨床写真で90%を超える識別率を達成した。
診断の手本となる教師画像として使用した臨床写真の大半が病理組織診断で診断が確定している質の高いデータを採用。加えて、学習前の画像処理の段階でKCCSが蓄積してきた画像解析ノウハウを生かし、さまざまな工夫を加えた。
同じ画像セットを診断するテストを用いて、AI診断補助システムと日本皮膚科学会認定皮膚科専門医13人とを比較したところ、皮膚科専門医による皮膚腫瘍の良悪性の識別率が85・3%プラスマイナス3・7%だったのに対し、AI診断補助システムは92・4%プラスマイナス2・1%と上回った。
今後は診断精度の向上だけでなく、皮膚がん以外の皮膚疾患も診断できるように研究を進めていく。
(2018年7月16日 ヘルスケア面)