GoogleのAI研究者は、網膜スキャンを分析して心臓発作のリスクを評価できるアルゴリズムを開発した。
あるアルゴリズムは、網膜スキャン画像に共通するパターンを探し、それを患者の医療記録のデータと照合することで、喫煙者か非喫煙者かを71%の精度で判定することができた。また、眼の血管に注目した別のアルゴリズムは、脳卒中のリスク増加に関連する兆候である重度の高血圧かどうかを判定できた。
研究者らは月曜日にネイチャー・バイオメディカル・エンジニアリング誌に発表した論文の中で、このモデルは年齢、性別、心臓発作や脳卒中の確率など他の要因も予測できると主張している。
「（最大5年後に）心臓発作などの重大な心血管イベントを経験したある患者の網膜画像と、それを経験していない別の患者の画像を与えると、私たちのアルゴリズムは心血管イベントを経験した患者を70％の確率で選び出すことができました」と、Google Brainのプロダクトマネージャー、リリー・ペン氏は今週のブログ投稿で説明した。
ああ、なんて素敵なんだ。Google Brainは、本物の医師と同じように糖尿病性眼疾患を計測できると主張している。
続きを読む
トレーニングデータセットは、糖尿病患者に起こりうる眼疾患である糖尿病網膜症の検査のために医師が開発したプログラムであるEyePACSによって収集されました。診断データセットは主にヒスパニック系の人々で構成されています。検証データセットには、主に白人で構成される医療慈善団体UK Biobankから収集された患者データも含まれています。
スタンフォード大学、Google Brain、そして生命科学に特化したアルファベット傘下の企業Verilyの科学者たちは、284,335人の患者から採取した160万枚以上の網膜スキャン画像を用いてモデルの学習を行った。さらに25,996枚の画像がアルゴリズムの検証のために保管された。
精度は、コレステロール値を測定する従来の採血方法とほぼ同等のようです。彭氏は、この研究は「科学的発見の新たな方法となる可能性がある」と述べています。
伝統的に、医学的発見は、観察から仮説を立て、それを検証するための実験を計画・実行するという、高度な推測と検証を通じてなされることが多い。しかし、医療画像の場合、実画像には多様な特徴、パターン、色、値、形状が存在するため、関連性を観察し定量化することが困難な場合がある。
「私たちのアプローチは、ディープラーニングを用いて人体構造の変化と疾患との関連性を導き出します。これは、医師が新たな疾患の診断と兆候や症状を関連付ける方法に似ています。これは、科学者がより的を絞った仮説を立て、幅広い将来の研究を推進するのに役立つ可能性があります」と彼女は結論付けました。®
