元広告はiThomeに掲載

台湾の人口が急速に増加していることを受け、低線量CTスキャンによるスクリーニングを実施することで、疾病予防の効果が期待できます。台北医科大学が開発した深肺スクリーニング補助システムは、肺、心臓、骨などの疾患スクリーニングサービスを提供し、貨物業務の負担を大幅に軽減します。将来的に台湾食品薬物管理局、米国食品医薬品局の認証を取得すれば、病院での実用化が期待されます。

国家発展委員会の研究報告によると、台湾はすでに高齢化社会に突入しており、2025年には超高齢化社会になる見込みです。高齢者人口の急速な増加と疾病予防に対応するため、政府は段階的に低線量CTスキャンによるスクリーニングの支援を条件付きで開放する予定です。将来的に病院は、健康診断センターやその他の部門に、より多くの人材を投入する必要があり、放射線技師や診断科医師の予約が大きな業務負担となるでしょう。そのため、台北医科大学の巨大データセンターチームは、低線量CTスキャンによるスクリーニング補助システム「深肺」を開発しました。これは主に胸部CT画像に焦点を当て、肺、心臓、骨の疾患スクリーニングサービスを提供します。

台北医科大学医療・バイオテクノロジー法学研究所の李崇僖教授は、肺結節CT画像診断補助システムの開発プロセスにおいて、台北医科大学の経験豊富な医師による6,000例の肺CT画像を利用し、健保署の異種データを活用してモデルの最適化を行い、深層学習と放射線図譜演算を組み合わせたと述べました。現在、20秒以内に肺結節病変の位置をスクリーニングし、肺結節の良悪性判断、幅の判断、自動地形国際標準臨床排除レポートを補助することができ、精度は95％以上であり、医師はさらに5分間の再確認をするだけで完了します。双和病院画像医学部の陳彦廷医師は、脳小血管病変の検出において、2000件の脳CT画像を利用してAIアルゴリズムを開発し、脳白質領域と小血管病変病巣を自動的に分割することができ、精度はそれぞれ90％と98％であると述べました。今後、計算方法を改良し、病巣の体積を計算したり、他の指標を追加したりすることで、脳血管小病変の定量的および定性的分析能力をより正確にする予定です。心臓画像による石灰化病変と冠状動脈のモニタリングについては、台北医科大学チームはすでに冠状動脈を自動検出する補助診断システムと、血管検出による冠状動脈石灰化の補助診断システムを構築しており、演算の精度はそれぞれ91.3％と87.2％です。

医療画像注釈標準プロセスの確立によるAIモジュールの精度向上

衛生福利部が発表した65歳以上の死因トップ10によると、肺がんが最も多く、5年生存率はわずか26％で、毎年約1万人の患者が新たに発生し、70％の患者が診断時に末期です。早期肺がんの検出を徹底できれば、死亡率を20％削減できます。慢性閉塞性肺疾患や転倒事故も高齢者の死因となっています。このような背景から、台北医科大学は長年にわたり医療画像AIモデルの開発に積極的に取り組んできましたが、最終的には予算不足で断念せざるを得ませんでした。陳彦廷医師は、研究が不十分な場合、まず困難なのは、大量の医療画像に注釈を付ける専門医を十分に確保することであり、これはその後のAIモジュールトレーニングに影響を与えると指摘しました。次に、高性能トレーニングホストの補助がないため、手元のパソコンでAIモジュールトレーニングを行うしかなく、時間が非常に長く、効率が悪いと述べました。科学技術部の補助を受けてからは、より多くの専門医に注釈を依頼できるだけでなく、高性能AIコンピューターでトレーニングを行うことができ、AIモジュール全体の時間を大幅に短縮できます。また、医療画像の注釈方法を確保するため、台北医科大学の研究チームは、注釈前に注釈方法について話し合い、異なるメンバーが医療ラベルチームの二次審査を行う包括的な再審査システムを確立しました。ラベルが規範メカニズムに適合していないことが判明した場合、チームはそのラベルのすべての医療ラベルに対して再審査を行い、AIモジュールトレーニングを非常に正確にします。

自動識別解除メカニズムの確立による患者プライバシーの保護

台北医科大学の研究チームは、長年にわたりスマート医療分野に携わっており、患者のプライバシー保護の重要性を認識しています。このプロジェクトに参加するすべての医療画像データは、患者に医療画像データの利用方法を通知し、研究から脱退する選択肢を提供します。台北医科大学附属病院、双和病院、万芳病院の3つの病院エリアで収集されたデータは、個人識別解除後にのみ使用され、個人情報保護法の要件を満たしています。万芳病院は、このメカニズムに従い、識別解除と画像フォーマット変換を完了した後、国家高速ネットワークコンピューティングセンターの医療画像データベースにアップロードします。双和病院については、医療画像を台北医科大学の巨大画像センターにアップロードし、同センターが識別解除とフォーマット変換を統一的に完了した後、国家高速ネットワークコンピューティングセンターの医療画像プラットフォームにアップロードします。「科学技術部は、台北医科大学チームの研究を補助するだけでなく、推進オフィスツール技術と法律関連の専門チームを通じて、個人情報保護法の法的問題を共に克服するのを支援してくれました。」と李崇僖教授は説明しました。「このようにして、台北医科大学チームは安心してAIモジュールの開発に全力を注ぐことができ、研究の進行に大いに役立ちました。」

初の医療画像共有メカニズム、フィードバックメカニズムの確立に期待

これまで台北医科大学附属病院が人工知能の研究開発を推進する際、医療画像や電子カルテなどのデータは病院内にありました。科学技術部が医療画像データの学術研究共有を推進する政策に協力し、初めて国家高速ネットワークコンピューティングセンターをプラットフォームとして他の機関と貴重な医療画像を共有しました。台北医科大学チームは、注釈付きの高品質な医療画像がスマート医療の発展に大きく役立つことを認識しており、医療画像共有メカニズムに楽観的な態度を示しています。陳彦廷医師は、外部に医療画像を共有するだけでなく、他の研究チームが医療画像を使用する際に直面するさまざまな問題や意見をフィードバックしてくれることを期待しており、今後のデータベース構築の参考にしたいと述べました。李崇僖教授は、台北医科大学チームが肺、脳、心臓などの分野で開発したAIモジュールは、いずれも優れた検出率を示していると指摘しました。現在、研究チームはFDA、TFDAの認証取得を目指しており、研究成果を病院で実用化し、より多くの患者に恩恵をもたらすことを目指しています。特筆すべきは、台北医科大学附属病院は長年にわたり精密医療に注力しており、腸疾患患者に最適な医療サービスを提供したいと考えています。台北医科大学チームは、将来的に医療画像と電子カルテを連携させる可能性を評価し、台湾に最適な精密医療サービスを開発することを計画しています。