2024 年グローバル デジタル エコノミー カンファレンスでは、医師の画像診断を支援する AI 医療機器を訪問者が視察しました。チェン・シャオゲン
1 回の CT スキャンで医師はさまざまながんを特定でき、オンライン プラットフォームでは個別の医療リソースの接続を数秒で完了できます。近年、人工知能 (AI) テクノロジーが腫瘍の診断と治療のあらゆる側面に包括的な革命をもたらしています。 。
「AIは腫瘍の診断と治療の全プロセスを実行できる」と中国科学院深セン先端技術研究所生物医学・健康工学研究所の医療人工知能研究センターのエグゼクティブディレクター、リー・ジチェン氏は記者に語った。 Science and Technology Daily より、「最初の画像診断、病変の特定、患者の入院から、病理学的診断、手術計画の視覚化、さらには退院回復の追跡に至るまで、AI の介入は医師と患者にとって目に見えて具体的です。」
腫瘍の早期スクリーニングに役立ちます
北京米中愛瑞癌病院の徐忠皇院長は、多くの癌患者は診断された時点ですでに中期から末期にあり、治療の最良の機会を逃していると述べた。早期スクリーニングは、医師が無症候性または前がん段階で状態を検出するのに役立ち、早期介入を通じて罹患率と死亡率を効果的に削減できます。AI は、早期腫瘍スクリーニングの分野で大きな可能性を秘めています。
早期の腫瘍スクリーニングは通常、画像検査、血液マーカー検出、分子診断などの一連の非侵襲性または低侵襲性の検査方法に依存します。この点で、AI 介入は画期的な進歩を遂げています。 Li Zhicheng 氏は、画像ベースのディープラーニング技術のサポートにより、特定の腫瘍スクリーニングにおける AI のパフォーマンスは人間の専門家をも上回る可能性があると考えています。
過去 2 年間で、Nature などの国際ジャーナルは、AI 支援による腫瘍スクリーニングに関する複数の研究を発表しました。ハーバード大学医学部チームが開発した CHIEF モデルは、19 種類のがんを診断できるだけでなく、腫瘍の微小環境を特定し、治療戦略を導き、生存率を予測することもできます。 Alibaba Damo Academy が開発した膵臓がん早期発見モデル PANDA は、病変の存在を判定する精度が 92.9% です。これらの結果は、AI が診断を支援するだけでなく、正確な治療においても重要な役割を果たすことができることを示しています。
関連する実践により、腫瘍スクリーニングにおける AI の役割が示されています。今年2月、アリババの「医療AI多がん早期検診慈善プロジェクト」が浙江省麗水中央病院などに展開され、DAMOアカデミーの革新的な医療AI技術を健康分野に応用した。 「このプロジェクトでは、4 か月以内に 50,000 人以上の人々のスクリーニングが行われました。スクリーニングされた疾患には、膵臓がん、食道がん、胃がん、結腸直腸がんが含まれていました。その中で見つかった 145 個のがん病変が臨床的に確認されました。」 Damo Academy 医療 AI チームの担当者。 、Lu Le 氏は、大量の過去のデータと複雑なアルゴリズムを組み合わせることで、AI が画像から肉眼では検出が難しい小さな病変に関する情報を抽出できると説明しました。退屈な画像分析タスクでも、AI は大量のデータを迅速に処理できるため、医師の負担が軽減されます。
Xu Zhonghuang氏は、がんは最適な治療計画を策定するために多分野の協力に依存する必要があり、AIはこのプロセスにおける専門家の不足や高い経済コストなどの問題の解決に役立つ可能性があると述べた。
Lu Le氏は、PANDAを例に挙げ、このモデルはさまざまな専門分野の数十人の医師の知識ベースを統合することに相当し、画像データ、ゲノム情報、病理学などのマルチモーダルデータを統合することで部門を超えたデータ融合を実現すると述べた。データなどこれに基づいて、モデルは主要な病変情報と潜在的な病理学的特徴を抽出し、部門を超えた包括的な分析を実行できます。
がんに対する意識を向上させる
医療分野における科学的理解を促進することは、AI が腫瘍の診断と治療を支援するためのより高い次元です。
Li Zhicheng のチームは数十年にわたって神経膠腫の研究に取り組んできました。李志成氏は神経膠腫の診断と治療の現状について、「この病気に対する私たちの科学的理解はまだ限られている。医師らは神経膠腫の発生、発症、再発のメカニズムをまだ完全には理解しておらず、効果的な治療法もまだ発見していない」と述べた。的確な治療法。」
徐忠皇も同じように感じている。 「がんに関する知識が不足しているため、診断や治療の方法が制限されています。困難で複雑な病気に直面すると、臨床現場では石を感じて川を渡ることしかできないことがよくあります。」
既存の AI 診断および治療モデルにも限界があります。 Li Zhicheng 氏は、画像の特徴と臨床転帰の間の相関関係を見つけるために、多くのモデルが大規模なアノテーション データセットを通じてトレーニングされていると述べました。この手法は精度の点で顕著な成果を上げていますが、この「ブラックボックス」操作は説明根拠に欠けており、医師がAIの診断結果を完全に信頼することは困難です。そのため、医学知識の源に立ち返ることが特に重要です。
この点において、AI には大きな活躍の余地があります。 「AI は、画像、病理学、遺伝子などのマルチモーダル データを統合し、マルチスケールの包括的な分析を提供し、腫瘍のより完全な「ポートレート」を構築するのに役立ちます。腫瘍は複雑ながん細胞で構成される生態系であり、そのポートレートがより詳細であればあるほど、これまで無視されてきた腫瘍の挙動や潜在的な治療標的を発見できるようになり、フロントエンド治療に新たなアイデアが提供される」とLi Zhicheng氏は述べた。ゲノムやプロテオームなどの分子レベルのデータを活用することで、AI は既存の認知のボトルネックを打破し、複雑ながんの科学的理解を向上させることが期待されています。
Xu Zhonghuang氏はさらに、「馴染みのない腫瘍に直面しても、AIがそれに対する人間の理解を少しでも前進させることができれば、腫瘍の診断と治療に根本的に新しい方法論的な指針を提供し、がんへの対処法を真に変える可能性がある。」と付け加えた。
データの「栄養」としての役割を最大限に発揮する
AI が腫瘍の診断と治療のプロセス全体をさらに強化するには、高品質で包括的な膨大なデータのサポートを取得することが重要です。
AI モデルのトレーニングは医師の注釈に依存するだけでなく、完全な臨床サイクル データも必要とします。 Lu Le 氏は例を挙げました。「PANDA モデルのトレーニング プロセス中、医師は病理写真、病理レポート、CT 画像などのマルチモーダル データを提供する必要があるだけでなく、手動で病変の位置を確認し、正確な輪郭を示す必要もあります。次に、エンジニアは、3 次元画像登録技術により、病変の 3 次元輪郭を単純な CT 画像にマッピングし、最終的に AI が初期の膵臓腫瘍の外観を識別できるようにします。単純CT画像で。」
このプロセスでは、医師と AI チームのみが緊密に連携して、モデルに高品質のトレーニング データを提供します。 Lu Le 氏はさらに、最先端の医療 AI アルゴリズム チームは、モデルの一般化能力を向上させるために重要である多様なデータの提供を広範囲の協力病院に依存していることが多いと説明しました。さまざまな病院からのデータにより、AI モデルに豊富な病理学的背景が提供され、さまざまな臨床シナリオにより正確に対応できるようになります。
しかし、大量のデータが必要であること、関与する部門が多いこと、データが散在していることなどの問題により、現在のがんAI研究ではデータ取得が大きなボトルネックとなっています。 「単一の画像や病理データを取得することは難しくありませんが、同じ患者の画像、病理、遺伝子などのすべてのモダリティデータを同時に取得することは非常に難しいだけではありません」と Li Zhicheng 氏は述べました。複数の部門間の緊密な連携が必要ですが、多くの時間がかかります。現在のがん研究はさまざまな分野に分散していることが多く、画像解析は画像技術者や工学技術者が担当し、遺伝子データは分子病理学や生物情報学の担当者が処理します。分野間の障壁を打ち破り、データを統合することは依然として大きな課題です。
「データは、AI が医療においてその役割を十分に発揮できるかどうかを判断するための基本的な『栄養素』です。」 Xu Zhonghuang 氏の見解では、病院が医療 AI を導入する際には、データの拡張性、標準化、セキュリティが重要な考慮事項となります。病院は、AI レイアウトを計画する際に現在から開始し、データ入力、アーカイブ、管理の標準化を確実にし、合理的なデータ管理フレームワークを事前に設計し、将来のデータ処理に備えてインターフェイスを予約する必要があります。 AI の利点は、継続的に新しいデータを吸収し、自らを最適化できることです。このため、病院のデータ ストレージ システムは、マルチモーダル データに対する需要の増大に対応できる拡張性を備えている必要があります。
データセキュリティの観点から、Xu Zhonghuang 氏は、法律、規制、社会倫理の遵守を前提として、テクノロジーのアプリケーションが臨床診断と治療に信頼できるサポートを提供できるように、病院は厳格なデータ暗号化とプライバシー保護メカニズムを確立する必要があると考えています。