人工知能ソフトウェアは、X線スキャンの結果を待ちわびている患者の待ち時間を大幅に短縮できると主張されている。
長い待ち時間は世界中の病院にとって悩みの種となっている。そこで、キングス・カレッジ・ロンドンとウォーリック大学の研究者たちは、コンピュータービジョンと自然言語処理技術を組み合わせることで、X線検査結果の遅延を軽減できると考えている。つまり、訓練されたソフトウェアが患者のX線スキャン画像を見て、患者の症状の重症度に応じて、すぐに診察を受けて検査結果を伝えるべきか、それとも他の患者と一緒に順番待ちすべきかを提案するのだ。
「世界中で放射線科への臨床需要が高まり、特に公的資金で運営される医療制度において、現在のサービス提供モデルに課題が生じている」と、今週初めにラジオロジー誌に掲載された研究論文の共著者でウォーリック大学の教授、ジョバンニ・モンタナ氏は述べた。
「現在の人員構成では、多くの放射線科部門にとって、取得した単純レントゲン写真すべてをタイムリーに報告することはもはや現実的ではなく、未報告の検査が大量に滞留しています。英国では、常時30万枚以上のレントゲン写真が30日以上報告を待っていると推定されています。」
このシステムは、X線検査結果を医療上の緊急度に応じてランク付けすることで、放射線科医が患者の優先順位付けを支援することを目的としています。チームは、「重篤」とランク付けされた患者の平均待ち時間を11日から3日未満に、「緊急」とランク付けされた患者の平均待ち時間を約8日から4日に短縮することに成功しました。
目を見ろ！DeepMindが医師と提携し、眼球から病気の兆候を探る
続きを読む
これを実現するために、研究者たちはまず、10年間にわたって収集された329,698枚の胸部X線スキャン画像を「重篤」「緊急」「非緊急」「正常」に分類しました。次に、これらの分類ラベルと画像を2つの畳み込みニューラルネットワークに入力し、スキャン画像におけるどの特徴が各カテゴリーに共通して関連するかを学習させました。
例えば、腹腔内疾患による膿瘍などの視覚的症状がレントゲン写真で確認された場合は、重篤とみなされます。一方、胃の一部が腫れて胸部に押し込まれる食道裂孔ヘルニアの症状がある場合は、緊急性は低いと判断されます。
検証とテストの結果、システムは正常および緊急の胸部スキャンに対して最も高い感度を示しましたが、重篤なスキャンや緊急でないスキャンを正しく分類する点ではそれほど効果的ではありませんでした。緊急スキャンを誤って正常スキャンと分類してしまうという最悪のケースは、患者にとって非常に稀で、発生率は1%程度だと聞いています。
「注目すべきことに、385枚の『重要』とされたレントゲン写真のうち5枚は正常と分類されていました。これらの5枚の重要なレントゲン写真を再検討したところ、AIによる正常の解釈は5例中4例で正しいと全員一致で判断されました」と論文は述べています。
研究者らは、誤分類の可能性を減らすために、このシステムをさらに改良する必要があると述べた。また、このシステムは単一のX線スキャン画像からしか判断できず、患者の既往歴などの他の情報を放射線科医に提供できない。
「この研究の結果は、コンピュータービジョンアルゴリズムなどの代替ケアモデルを使用することで、異常なX線写真の特定と対応のプロセスにおける遅延を大幅に削減できることを示しています。特に、世界中で実施される診断画像の40％を占める胸部X線写真において顕著です」とモンタナ氏は述べた。®
