Mirai：乳がんの早期発見と検診の害を減らす
マンモグラフィは、乳がんの兆候や症状のない女性の乳房の変化を検出するために使用されます。
世界中の保健機関はマンモグラフィ検診を支持しており、早期がん検出に有効で死亡率を20-40%低下させることが証明されています。
早期発見のための最良のツールですが、偽陽性、偽陰性、画像解釈の人為的なばらつき、専門の放射線科医の不足など、改善の余地が多くあります。
Miraiは深層学習システムとして、AIの力を借りて乳がんの形成を予測できます。3つの重要な革新を含んでいます：
- 時点の共同モデリング
- 非画像リスク要因の選択的使用
- 臨床環境間での一貫したパフォーマンスの確保
これによりMiraiは正確なリスク評価を提供し、さまざまな臨床環境に適応できます。
Miraiは将来の異なる時点での患者のリスクを予測できるだけでなく、年齢や家族歴などの臨床リスク要因も組み込むことができます(利用可能な場合)。
さらに、異なるマンモグラフィ装置などの微妙な臨床差異がある場合でも、安定した予測結果を維持できます。
このモデルの有望な点は、異なる人種に適用できることです。
Miraiは白人と黒人の女性に対して同等の精度を示しており、黒人女性の乳がん死亡率が白人女性よりも43%高いことを考えると、これは大きな進歩です。
大規模な検証
画像ベースのリスクモデルを臨床ケアに統合するために、研究者はアルゴリズムを改良し、複数の病院で大規模な検証を行う必要がありました。
研究チームはマサチューセッツ総合病院(MGH)の20万件以上の検査結果を使用してMiraiを訓練し、MGH、スウェーデンのカロリンスカ研究所、台湾の長庚記念病院のデータを使用して検証しました。
現在MGHに設置されているMiraiは、がんリスクの予測と高リスク者の特定において、以前の方法よりも明らかに高い精度を示しています。
Tyrer-Cuzickモデルよりも優れたパフォーマンスを示し、将来のがん診断数はTyrer-Cuzickモデルのほぼ2倍でした。
さらに、Miraiは異なる人種、年齢層、乳房密度カテゴリー、がんサブタイプにわたって精度を維持しています。
CSAILの博士課程学生で論文の第一著者であるAdam Yalaは、「改良された乳がんリスクモデルにより、既存のガイドラインが提供する方法と比較して、より早期に乳がんを発見し、検診の害を減らすことができる、ターゲットを絞った検診戦略が可能になります」と述べています。
このチームは現在、世界中の異なる機関の臨床医と協力して、さまざまな人口でモデルをさらに検証し、その臨床実装を研究しています。
現在、研究者はMiraiを改良し、患者の完全な画像履歴を利用し、トモシンセシスなどの先進的な検診技術を組み込んでいます。
これらの改善により、リスク検診ガイドラインが洗練され、高リスク者にはより感度の高い検診を提供し、同時に不必要な手順を減らすことができます。
乳がん検出へのAI応用に関するさらなる研究
Miraiだけでなく、Scienceは乳がん検出のAIに関するさらなる研究を推奨しています。
乳がんの生存率を向上させるため、研究者は患者が早期段階で腫瘍を検出できる装着型超音波デバイスを設計しました。この研究もMITから来ています。
MITエンジニアリング学部長のAnantha Chandrakasan、電気工程・コンピュータサイエンス教授のVannevar Bush、およびこの研究の著者の1人は次のように述べています：
「この研究は、材料、低電力回路、AIアルゴリズム、生物医学システムの進歩を活用し、超音波研究と医療機器設計を大きく前進させるでしょう。」
「そして、乳がんの検出と早期診断のための基本的な能力を提供し、これは良好な治療結果を得るための鍵となります。」
さらに、以前『ニューヨーク・タイムズ』は「AIが医師が見逃した乳がんを検出した」という関連記事を掲載しました。
記事によると、ハンガリーはAIソフトウェアががんを発見する主要な試験場となっており、医師たちはこの技術が彼らの医療業務に取って代わるかどうかについて議論しています。
2016年、世界をリードするAI研究者の1人であるGeoffrey Hintonは、この技術が5年以内に放射線科医のスキルを超えると考えていました。
「放射線科医であれば、アニメのWile E. Coyoteのようなものだと思います」と彼は2017年に『ニューヨーカー』に語りました。
「あなたはすでに崖っぷちにいますが、まだ下を見ていません。下には地面の見えない深淵があります。」
Hintonの言葉は的中しており、Scienceが投稿したツイートには、AIを使用する医師の方がAIを使用しない医師よりも乳がんを発見しやすいという研究結果が含まれていました。
この研究は、AIがスキャンの半分以上を自動的に処理でき、放射線科医の作業負荷を大幅に軽減できることも示しています。
研究を市場に押し進める
ScienceはXで特にDr. Connie Lehmanについて言及しました。
Connie Lehmanはハーバード医科大学の放射線学教授であり、マサチューセッツ総合病院の放射線専門医で、本文冒頭の基礎的な論文の共著者でもあります。
彼女は1998年にコンピュータ支援設計(CAD)の仕事を始めた時から、乳がん検出を改善する可能性に熱意を持っていました。