医用画像解析は、膨大で複雑な MRI 画像データという課題に常に直面してきました。従来の方法では、3D MRI 画像を 2D 画像に切断して分析するため、複雑な解剖学的構造の理解が制限されていました。しかし、GE ヘルスケアは AWS re:Invent カンファレンスで業界初の全身 3D MRI 研究基本モデルを発表し、この問題にブレークスルーをもたらしました。このモデルは 173,000 枚を超える画像に基づいて構築されており、トレーニングに必要な計算能力は以前より 5 分の 1 に抑えられ、複雑な 3D MRI データのリアルタイム分析が可能になり、画像とテキストの検索とリンク、さらには疾患のセグメント化と分類もサポートされます。 。
MRI 画像は、その複雑さと大量のデータにより、医療画像解析において常に課題となってきました。 MRI 解析用の大規模言語モデル (LLM) をトレーニングするには、開発者は取得した画像を 2D 画像に切り出す必要がありますが、このような処理は実行可能ですが、特に脳腫瘍の複雑な解剖学的構造を解析するモデルの能力が制限されます。骨疾患や心血管疾患などの場合。
画像出典注：画像はAIにより生成され、画像認証サービスプロバイダMidjourney
しかし、GE ヘルスケアは、今年の AWS re:Invent カンファレンスで業界初の全身 3D MRI 研究基本モデル (FM) を発表しました。これは、MRI モデルがついに全身の 3D 画像を利用できることを示しています。このモデルは、19,000件の研究からの173,000枚以上の画像に基づいて構築されており、開発チームは、この新しいモデルにより、トレーニングに必要な計算能力が以前の5分の1になったと述べています。
GE ヘルスケアはこの基本モデルをまだ商品化していませんが、まだ研究段階にあり、初期の評価者であるブリガム大将がこのモデルの実験的使用を開始しようとしています。 GEヘルスケアの最高人工知能責任者であるパリー・バティア氏は、これらのモデルを医療システムの技術チームに提供して、研究や臨床応用をより迅速かつ経済的に開発できるようにしたいと述べた。
このモデルの登場により、複雑な3D MRIデータのリアルタイム解析が可能になります。 GE メディカル チームは、10 年間にわたる高度な技術を蓄積してきました。その主力製品である AIR Recon DL は、放射線科医が鮮明な画像をより速く取得し、スキャン時間を最大 50% 短縮できるディープラーニング再構成アルゴリズムです。さらに、3D MRI モデルは、画像とテキストの検索とリンク、疾患のセグメント化と分類をサポートすることができ、これまで以上に詳細なスキャン情報を医療専門家に提供できると期待されています。
データ処理に関しては、開発チームは「調整と適応」戦略を採用し、一部の画像データが不完全であってもモデルがさまざまなデータセットを処理できるようにしました。さらに、限られたデータ条件下でモデルの学習能力を向上させるために、半教師あり生徒学習法も使用されます。
この複雑なモデルを構築する際に直面するコンピューティングとデータの課題を解決するために、GE ヘルスケアは Amazon の SageMaker プラットフォームを高性能 GPU の分散トレーニング機能と組み合わせて活用し、データ処理速度とモデル トレーニングの効率を大幅に向上させました。これらはすべて、患者により個別化された医療サービスを提供するために、HIPAA などのコンプライアンス基準への準拠を確保しながら行われます。
現在、このモデルは MRI に焦点を当てていますが、開発者は他の医療分野にも拡大できる大きなチャンスがあると考えています。将来的には、この基本モデルに基づいて、放射線治療などの分野でより迅速かつ効率的なソリューションを提供できる可能性があります。
ハイライト:
GE ヘルスケアは、画像解析能力を大幅に向上させた、業界初の全身 3D MRI 研究基本モデルを発売します。
新しいモデルは、データ処理戦略を調整することでコンピューティング リソースの消費を削減し、トレーニングの効率を向上させます。
今後、このモデルは他の医療分野にも展開され、より的確な医療サービスの実現が期待されます。
GE ヘルスケアの 3D MRI 研究基本モデルは、医療画像解析の新時代を切り開き、その効率的な解析機能と潜在的な応用の可能性は、医療技術の進歩を大きく促進し、より正確で便利な結果を患者にもたらします。 今後、このモデルはより多くの分野で応用され、医療の診断と治療のさらなる効率化が期待されます。