人工知能エンジニアMeetUp! #4 に参加してきました。
以下自分用のメモ
概要
- 主催: エルピクセル株式会社
- 場所: 東京大学伊藤国際学術研究センターギャラリー1
- 開催日: 2016/12/22
- 今回の参加者
- 医師
- 放射線技師
- PACS関連エンジニア
- Web系エンジニア
- その他
医療画像診断支援の取り組み紹介
エルピクセル株式会社 島原 佑基 氏
- エルピクセル
- 研究室のスピンアウト
- ライフサイエンス領域における画像解析システム
- 医療/病変検出
- 製薬/細胞の毒性検査
- 医療画像の膨大化
- 読影医不足
- 病理医不足
- 画像診断は圧倒的な医師不足。代替診断手法が必須
- 日本は医療画像大国
- 診断支援
- 脳動脈瘤検出
- 複数の医療機関と提携
- 10年以内に保険点数化を狙っている
RSNA2016の報告
エルピクセル株式会社 木田 智士 氏
- RSNA
- 北米放射線学会
- 毎年シカゴで11月末~ 1週間
- 約5万人参加
- RSNA 2015-2016
- AI用語の急増
- 機械学習, 深層学習, 畳み込みニューラルネットワーク
- IBM
- Merge Healthcare買収
- enlitic
- Deep Learningを用いた画像診断支援
- 肺がんのスクリーニングのソフトを展示
- Lunit
- Deep Learningを用いた画像診断支援
- 10万件の胸部レントゲン写真を利用
- 人の手を介さずにデータのみだけで診断を行う
- FUJIFILM
- クラウドによる診療情報共有
- PHILIPS
- 病理標本をデジタルデータで診断
- ziosoft
- 臓器抽出
- Deep Learningによる自動診断の前処理としても重要
- 臓器抽出
- terarecon
- 3Dプリンティング
- 画像をアップロードすると1日以内にものが届く
- 画像の定量化&標準化
- QI, Radiomics, Radiogenomics
- HITACHI
- QSM
- 磁化率の定量的評価が僕セル単位で可能
- QSM
- PHILIPS
- MRI画像の定量評価
- Radiomics, Radiogenomics
- 腫瘍内構造の不均一性
- 画像と遺伝子に有意な相関がある
- MRI画像と病理画像にも相関がある
- 画像の特徴量を組み合わせて機械学習で分類すると93%の精度で見分けられる
- 標準化が必須
- QIBA
- 装置とか患者さん時間による差を減らす
- 日本でもQIBA-JAPANという組織が立った
- QIBA
- 腫瘍内構造の不均一性
- AI用語の急増
機械学習×医用画像解析の最前線
龍 嘉治 氏
- 病理診断×人工知能
- AIツールによる病理診断支援ツールの開発
- 病理デジタル診断
- 現状は保険点数が加算されない
- 従来の自動がん検出手法 VS 人工知能
- 従来
- 綿密な画像計測
- 事前定義した基準と比較
- 人工知能
- 細胞や組織を個別には計測しない
- 従来
- HLAC
- たくさんの正常画像を普通と学び、普通ではない画像を異常として検出する
- パターン空間 ⇒ 特徴空間 ⇒ 概念集合(がん/非がん)
- 眼底写真×人工知能
- Google: 糖尿病網膜症を97.5%の高い感度で検出可能
- ディープラーニングによる自動診察のメリット
- 診察の再現性が高まる
- ヒューマンエラーを減らすのに役立つ
- 糖尿病網膜症の検出には、GoogleNetアーキテクチャを進化させたInception-v3を採用している
- 結果
- 眼科医と同等の結果となった
- 肝臓がんの画像診断×人工知能
- 立命館大で肝腫瘍の画像診断を人工知能で支援するシステムを開発した
懇親会
懇親会は大いに盛り上がってました。本当に様々な会社や肩書きの人が来ていて、色んな話ができて面白かったです。
人工知能・Deep Learningといった辺りの注目度の高さをうかがわせる感じでした。