参考画像：人工知能を活用した医療画像診断支援技術「EIRL（エイル）」を発表（2017/11/24、LPixelプレスリリース）｜スクリーンショット
■人工知能を活用した医療画像診断支援技術「EIRL（エイル）」を発表｜エルピクセル（LPixel）
人工知能を活用した医療画像診断支援技術「EIRL（エイル）」を発表
（2017/11/24、LPixelプレスリリース）
「EIRL（エイル）」とは、人工知能を活用した医療画像診断支援技術の総称です。LPixelは、EIRL（エイル）を活用し、脳MRI、胸部X線、乳腺MRI、大腸内視鏡、病理などの医療画像診断支援技術の研究開発を進めており、本日10のテーマを公開いたしました。EIRL（エイル）には (1)医師のダブルチェック・トリプルチェックによって品質が担保された学習データを使用(2)学習データが少なくても効率的・高精度に学習する独自技術を活用(3)主要な画像診断装置および撮影プロトコルで撮影した医療画像に対応(4)PACSシステムと連携可能など4つの特徴があります。
「エルピクセル（LPixel）」は、画像解析技術に人工知能技術を応用し医療画像診断の効率化を促進することで、診断医の画像診断をサポートするための医療画像診断支援技術「EIRL（エイル）」を発表しました。
■背景
近年、医療の進歩とともに、医師は膨大な数の医療画像と向き合うこととなりました。CT（コンピューター断層撮影装置）、MRI（磁気共鳴断層撮影装置）等のモダリティ装置の進化により、高度な読影スキルが要求される画像診断では対象となるデータ量が増え続け、全国に約5,500人(医師全体の2％未満[1]) の放射線診断医[2]の業務負担の増加が問題視されています。
緑内障のリスク要因を４つの類型に自動で分類する手法を開発｜東北大・トプコンによれば、緑内障の治療では、視神経の変形を肉眼で判定し、分類作業を行なう上で、従来は、医師の経験や主観的な要素が大きく、また一般的な診療所では分類が難しいことが問題となっていました。
医療画像診断支援技術があることによって、比較的経験の浅い医師や主観を取り除いた状態での画像診断ができることが期待されます。
また、テクノロジーと医療分野のトレンド｜ウェアラブルデバイス・健康アプリ・医学研究｜メアリー・ミーカー（MARY MEEKER）レポートで紹介したレポート（スライド300）によれば、インプットのデジタル化の増加によって、医療データは年間成長率は48％となっているそうです。
また、レポート（スライド302）によれば、インプットされるデータ量が増えていくことで、科学論文引用が増加しており、医学研究・知識は3.5年ごとに倍増しているそうです。
以前取り上げたIBMの「WATSON」によってがん治療がスピードアップする！？によれば、医療従事者は、膨大な数の情報（最新の医療研究、論文、医療データ、患者の医療記録）を取り扱っていて、すでに人の頭脳では把握することができないほどなのだそうです。
そこで、注目を集めているのが、人工知能で医師や患者をサポートするシステムであり、その代表的なものがWatsonです。
Watsonは膨大な量の医療データや論文などのデータベースが格納されており、患者のデータを高速で解析し、医療データを照らし合わせることで、患者に最も最適と思われる治療方針を提案することで、医師や患者が意思決定の支援をするシステムです。
現在でも様々ながんの治療法（外科手術、抗がん剤による化学療法、放射線治療など）があります。
そして、がんの遺伝子を解析して患者ごとの診断を行い、がんを引き起こす特定の変異細胞を狙った治療ということも実現しています。
しかし、がんと立ち向かうことは、時間との闘いなのですが、がんの遺伝子を解析して患者ごとの診断を行い、治療方針を決める際には、専門の医師によるチームでも数週間という長い時間を要してしまうのが現状です。
Watsonを活用することで、遺伝子情報の解析、医療データや論文などと照らし合わせる作業の時間短縮が可能になります。
今後は、テクノロジー（AI、機械学習、ディープラーニングなど）による解析が低価格で行われるようになることによって、蓄積されるデータの量が増え、またそれに合わせて医学論文などの文献も飛躍的に増加するため、ますますコンピュータの力を活用することが重要になってくることでしょう。
■まとめ
テクノロジー（AI、機械学習、ディープラーニングなど）を活用した医療画像診断支援システムが取り上げられる機会が増えてきました。
今後はテクノロジー（AI、機械学習、ディープラーニングなど）を活用した画像認識による病気診断システム同士をつないだり、研究結果から得られた知見をつなぎ合わせるプラットフォームが必要になってくるのではないでしょうか。
「DIAMONDハーバード・ビジネス・レビュー 17年8月号 (ブロックチェーンの衝撃)」によれば、別のシステムを結び付けるという仕組みによる脆弱性について書かれてあります。
複数のビットコイン取引所がハッキングされてビットコインの評判を落としたが、この事例で明らかになったのはブロックチェーン自体の脆弱性ではなく、複数の当事者がそれぞれ別のシステムを結び付けてブロックチェーンを使うという仕組みの脆弱性だった
医療ビックデータ解析にテクノロジーを活用する場合の共通のプラットフォームがあれば、お互いの知見同士を活用しあえるようになり、さらなる発展が期待できるのではないでしょうか？
【関連記事】
【人工知能・機械学習・深層学習 関連記事】
【関連記事】
