原掲載：新創幫

台北医科大学人工知能医療研究センターは、陳震宇副学長が率い、人工知能マルチモーダル画像精密健康プラットフォーム「Deep-Lung」を開発しました。一度の胸部低線量CT画像取得だけで、独自のAIモデルを通じて、骨粗鬆症、肺がん、慢性閉塞性肺疾患、心臓冠状動脈石灰化のリスクを同時に予測でき、精度は9割を超え、国際標準に準拠した推奨レポートを自動的に生成できます。これは世界初の試みです。プラットフォーム統合を担当する医師の陳彦廷氏は、病院での検証において、このプラットフォームが臨床医が注釈を付けられなかったり見落としたりした肺結節を何度も検出したと述べています。

台北医科大学の人工知能医療チームは、新たにDeepRad.AIというスタートアップ企業を設立し、開発済みの世界初の単一の低線量肺CTスキャンから心臓、肺、骨の4つの疾患を同時に早期スクリーニングできるソフトウェアプラットフォーム「Deep-Lung」人工知能マルチモーダル画像精密健康プラットフォームの積極的な普及を目指します！Deep-Lungは現在、4つの主要モジュールをリリースしています。

肺結節モジュール（LungRads）

肺結節自動検出判定システムであり、結節検出モデル、結節分割モデル、結節良悪性分類、LungRads自動レポートモデルなどで構成されています。複数の結節の位置検出（感度94%）、結節サイズの正確な測定（精度Dice係数81.39%）、肺結節良悪性分類（精度約98%）をそれぞれ提供できます。最後に、モジュールは上記の結果を統合し、肺結節の質感、形状、サイズ、位置、および国際肺結節分類および処理基準に準拠したLungRads完全テキストレポートを自動的に生成します。これは国内初の試みです。このモジュールのトレーニングデータは、科学技術部の巨大画像計画から得られた、台北医科大学附属病院、双和病院、万芳病院から収集された約6,000例の肺結節画像データベースです。また、専門医が各肺結節を厳密に注釈し、注釈内容には107の画像図譜学的特徴、47の語意注釈、および対応する病理報告が含まれています。

※図は「Deep-Lung」AIプラットフォームのインターフェース。（写真提供：台北医科大学）

心臓冠状動脈石灰化モジュール（CAC）

胸部低線量CTから、標準的な心臓冠状動脈高線量CT画像から得られる心臓冠状動脈石灰化指数（Coronary Artery Calcifications score, CAC score）とほぼ同等の指数を直接予測し、米国心臓協会の基準に従って心血管リスク予測分類と健康アドバイスを提供します。台北医科大学附属病院の202症例と双和病院の549症例の臨床検証を通じて、このモジュールが高心冠リスク患者（石灰化指数が400を超える）のスクリーニングにおいて、それぞれ92％と92.7％の感度を達成したことがわかりました。さらに、このモジュールの強みは、世界の文献と比較して、より優れたAIモデルトレーニングデータセットを持っていることです。つまり、各低線量胸部CT画像には、関連性評価の基準として、同じ日に撮影された高線量心臓冠状動脈CT画像から得られた石灰化指数（台北医科大学附属病院の1621症例から取得）があります。したがって、より高い精度と信頼性を持っています。

肺気腫モジュール（COPD）

胸部低線量CT画像を通じて、肺葉を正確に分割し、肺気腫重症度指数（RA950：減衰値が-950Hounsfield units未満の肺の相対面積の割合）を自動的に計算し、慢性閉塞性肺疾患（COPD）の可能性と重症度を予測できます。臨床検証の結果、現在の肺葉分割精度Dice係数は95.6％に達し、胸部CTから自動的に計算されたRA950指数は患者の肺機能と有意な関連性があり（回帰係数-0.72、p <.00001）、COPD患者のスクリーニングにおける感度は90.2％（ROC-AUC = 0.813）に達します。

骨粗鬆症予測モジュール（BMD）

多くの研究によると、胸椎骨密度は骨粗鬆症の程度を正確に予測するために使用できます。このモジュールは、この点に着目し、胸椎CT画像から骨密度を直接予測できる数少ない革新的な成果であり、骨密度分類予測（正常、欠乏、または粗鬆）を提供します。このモデルのトレーニングデータの基準（ground truth）は、低線量胸部CTと同じ日に被験者が行った腰椎および股関節の標準DXA骨密度であるため、予測の信頼性は非常に高く、台北医科大学附属病院および外部病院でのテスト後、現在の精度はそれぞれ88％および94％、感度は89％および94％に達します。

Deep-Lungの開発統合を担当する台北医科大学人工知能医療研究センター長の陳彦廷氏は、チームが大量の臨床症例データを継続的に収集してモデルトレーニングを行い、プラットフォームが提供する検出判定結果をより正確にし、臨床に近づけるようにすると述べました。彼はまた、以前の研究は論文発表のためであったが、現在は研究を実用化することであると述べました。このプラットフォームが国際標準に準拠したレポートを自動的に生成し、臨床医の時間を節約できることが、彼が最も感動した部分であると述べています。さらに、プラットフォームの臨床検証中に、医師が注釈を付けられなかったり見落としたりした肺結節が発見されることがあり、これはプラットフォームの大きな貢献と意義の1つであると述べています。

Deep-Lungの商業応用には、国内外での販売およびライセンス、個人保健クラウドプラットフォーム、被保険者のリスク予測、新保険商品の開発、新薬臨床試験などが含まれます。現在、チームは主要なターゲット顧客を病院の画像医学科、健康診断センター、健康相談センターに絞り、二次的および潜在的な顧客には50歳以上の中高年層、保険業界、製薬会社が含まれます。チームは今年中に査読登録型臨床試験を完了し、台湾と米国の認証許可を順次申請する予定です。陳彦廷氏は、まず個々の適応症に基づいて個別に承認を申請し、その後、4-in-1アプリケーションについて別途申請する可能性があると述べました。将来的には、EU、オーストラリア、日本、韓国、東南アジアなどの市場にも展開し、中高年者がより少ないCT放射線量で肺、心臓、骨のスクリーニングアドバイスと健康評価を同時に受けられるようにし、罹患リスクを効果的に低減することを目指しています。

※図はDeepRad.AIチームCOOの陳彦廷医師。（写真提供：台北医科大学）