Google Health のいわゆる拡張現実顕微鏡は、がん腫瘍をリアルタイムで検出し診断する上で驚くほど正確であることが証明された。
この装置は、基本的には標準的な顕微鏡ですが、カメラと、AIソフトウェアを実行するコンピューター（Nvidia Titan Xp GPUを搭載）という2つの追加コンポーネントが搭載されています。カメラは顕微鏡下に置かれた体組織の画像を連続的に撮影し、これらの画像をコンピューター上の畳み込みニューラルネットワークに渡して解析します。ニューラルネットワークは、画像内の細胞のヒートマップをリアルタイムで生成し、画面上で良性と異常性の領域をラベル付けして医師が検査できるようにします。
Googleの精鋭たちは、このデバイスを使って乳がんと前立腺細胞のサンプルからがんの存在を検出する実験を行った。アルゴリズムの性能スコアは、乳がんのがん性リンパ節の検出で0.92、前立腺がんの検出で0.93（1が満点）であり、概念実証と称するものとしては悪くない結果だった。
顕微鏡システムの詳細は、今週Nature誌に掲載された論文に記載されています。乳がんの学習データはここから、前立腺がんの学習データはここから取得しました。学習データの一部は推論テスト用に確保しておきました。
このデバイスの構築は極めて困難なシステムです。細胞レベルの詳細を捉えられるほど高解像度の顕微鏡画像を、リアルタイムで処理できる処理パイプラインが必要です。この実験で使用した画像のサイズは5,120×5,120ピクセルです。これは、今日のディープラーニングアルゴリズムで一般的に使用されるサイズよりもはるかに大きいです。ディープラーニングアルゴリズムは数百万ものパラメータを持ち、300×300ピクセルほどの画像を処理するだけでも数十億回の浮動小数点演算を必要とします。
科学者のニューラルネットワークは、あなたの会話から精神病を発症するかどうかを判断できる
続きを読む
こうした大きな画像に対応するため、GoogleのInception V3アーキテクチャをベースとする畳み込みニューラルネットワークは、画像を小さなパッチに分割し、個別に分析します。また、人間の助けを借りて、様々な品質の画像から癌細胞を検出・分類できるよう、この技術をトレーニングするには時間がかかります。医師にとって有用な情報となるためには、推論段階でこれらすべてがリアルタイムで機能する必要があります。医師は数時間後や数日後ではなく、できるだけ早く結果を知りたいのです。
「この遅延は、ARM（拡張現実顕微鏡）システムの絶対的な計算性能を定量化するものです」と研究者らは記している。彼らはこの装置を癌の研究に使用したが、他の用途にも役立つ可能性があると考えている。
臨床現場以外にも、ARMはリバースイメージ検索ツールを活用することで、研修生が参考資料を素早く検索し、「私が見ているこの組織学的特徴は何なのか？」という質問に答えるのに役立つ教育ツールとして役立つ可能性があります。経験豊富な医師は、ARMを臨床研究に活用し、変異状態やマイクロサテライト不安定性の予測など、これまで患者ケアには承認されていなかったAIアルゴリズムを前向きに検証することもできます。
ARMが有望視されている理由は他にもあります。どうやら「従来の全スライドスキャナ」よりも1桁か2桁ほど安価だそうです。Googleに詳しいコメントを求めました。®
