■Google、網膜画像から心臓血管疾患のリスク因子を高精度に予測するディープラーニングアルゴリズムを開発
参考画像：Assessing Cardiovascular Risk Factors with Computer Vision（2018/2/19、Google Research Blog）｜スクリーンショット
Assessing Cardiovascular Risk Factors with Computer Vision
（2018/2/19、Google Research Blog）
Using deep learning algorithms trained on data from 284,335 patients, we were able to predict CV risk factors from retinal images with surprisingly high accuracy for patients from two independent datasets of 12,026 and 999 patients.
心臓発作、脳卒中および他の心臓血管疾患（cardiovascular (CV)）のリスク因子を予測することは病気を予防するうえで重要ですが、Google Research Blogによれば、ディープラーニングアルゴリズムを使用して、網膜画像から、心臓血管疾患のリスク因子（年齢、性別、喫煙、血圧など）を高精度に予測することができたそうです。
284,335人の患者のデータを訓練した深層学習アルゴリズムを使用して、12,026人および999人の患者の2つの独立したデータセットの患者に対して、網膜画像からCVリスク因子を驚くほど高精度に予測することができましたと書かれています。
■スマホで撮影した網膜画像を遠隔診断して生活習慣病につながる病気の早期発見をする時代になる！？
これまでにも、Googleは糖尿病網膜症を網膜写真から見つけるディープラーニングアルゴリズムを開発しています。
【関連記事】
眼底検査で糖尿病や高血圧、緑内障、加齢黄斑変性などの病気の予測ができるによれば、眼底検査は、内臓の血管を生きた状態で見ることができる唯一の検査であり、これによって、血管の変化から、高血圧や糖尿病などの病気の早期発見につながるのだそうです。
最近では予防医療・予防医学に関しても注目が集まっており、予防医療が広がることで、自分の健康状態を天気予報を見るようにダッシュボードで見て予測できるような未来になる！？で紹介した在日米国商工会議所（ACCJ：The American Chamber of Commerce in Japan）と欧州ビジネス協会（EBC：European Business Council in Japan）は、持続的な経済成長を促すことを目的に、健康寿命を延ばし病気による経済的負担を軽減するための政策を提言した「ACCJ-EBC医療政策白書2017年版」を共同で発表し、病気の予防や早期発見、早期治療を柱とする「予防型医療」への転換の重要性を訴えていると紹介しました。
網膜写真や眼底検査による病気の予測の研究が進めば、健康診断で目の検査を行ない、病気につながるリスク因子を調べ、生活習慣の改善を促すような流れになっていきそうですね。
技術的に可能なのかはわかりませんが、例えば、スマホで目を撮影して、そのデータで遠隔診断してスクリーニング検査を行なうという可能性もあるかもしれません。
スマホで撮影した網膜画像を遠隔診断して生活習慣病につながる病気の早期発見をする時代になったら、ぜひ試してみたいですね！
【関連記事】
- AIが眼底画像を画像解析して「緑内障」「糖尿病網膜症」「加齢黄斑変性症」の早期発見を目指す｜佐賀大学・オプティム
- トプコン、眼科用医療機器とICTで遠隔診断など課金型サービスを展開する構想
- マシンラーニング（機械学習）を活用した網膜画像診断領域における戦略的提携を締結し、糖尿病網膜症および糖尿病黄斑浮腫の早期発見・治療を目指す｜ニコン
【参考リンク】
- Ryan Poplin, Avinash V. Varadarajan, Katy Blumer, Yun Liu, Michael V. McConnell, Greg S. Corrado, Lily Peng & Dale R. Webster Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning Nature Biomedical Engineering (2018) doi:10.1038/s41551-018-0195-0
- [1] Gulshan, V. et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA 316, 2402–2410 (2016).
- [2] Ting, D. S. W. et al. Development and Validation of a Deep Learning System for Diabetic Retinopathy and Related Eye Diseases Using Retinal Images From Multiethnic Populations With Diabetes. JAMA 318, 2211–2223 (2017).
- [3] Esteva, A. et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature (2017). doi:10.1038/nature21056
- [4] Ehteshami Bejnordi, B. et al. Diagnostic Assessment of Deep Learning Algorithms for Detection of Lymph Node Metastases in Women With Breast Cancer. JAMA 318, 2199–2210 (2017).