LMU、ベルリン工科大学、シャリテの研究者らは、画像データを使用して頻度の低い消化管疾患も検出する新しい AI ツールを開発しました。
すでに医療の多くの分野で使用されている AI は、画像データを利用して医師が病気を診断できるようにするという点で、大きな可能性を秘めています。ただし、AI モデルは多数の例を使用してトレーニングする必要があり、これらの例は通常、一般的な病気に対してのみ十分な量で利用可能です。
かかりつけ医は咳、鼻水、喉の痛みだけを診断すればよいようなものです。実際の課題は、現在の AI モデルが見落としたり誤って分類したりすることが多い、あまり一般的ではない病気も検出することです。」
フレデリック・クラウシェン教授、LMU病理学研究所所長
ベルリン工科大学/BIFOLDのクラウス・ロバート・ミュラー教授のグループと、ベルリン・シャリテ大学の同僚らとともに、クラウシェンは、この限界を克服する新しいアプローチを開発した。 ニューイングランド医学ジャーナルAI (NEJM AI)、彼らの新しいモデルは、頻度の低い疾患も確実に検出するために、一般的な所見からのトレーニング データのみを必要とします。これにより、将来的には診断精度が大幅に向上し、病理医の作業負荷が軽減される可能性があります。
正常から学ぶ
新しいアプローチは異常検出に基づいています。モデルは、正常組織の非常に正確な特徴付けと頻繁に発生する疾患の所見から、これらのまれなケースについて特別にトレーニングすることなく、逸脱を認識してフラグを立てる方法を学習します。研究のために、研究者らは、胃腸生検からの組織切片の顕微鏡画像と、対応する診断を含む 2 つの大規模なデータセットを収集しました。これらのデータセットでは、正常な所見や慢性胃炎などの一般的な疾患を含む最も一般的な 10 の所見が症例の約 90% を占め、残りの 10% には多くの癌を含む 56 の疾患実体が含まれています。
モデルのトレーニングと評価のために、研究者らは 5,423 件の症例から合計 1,700 万枚の組織学的画像を使用しました。 「私たちはさまざまな技術的アプローチを比較し、私たちの最良のモデルは、まれな原発性がんや転移性がんを含む、胃と結腸のよりまれな病状の広範囲を高い信頼性で検出しました。私たちの知る限り、これを実行できる公開されている AI ツールは他にありません。 」とミュラー氏は言う。さらに、AI はヒートマップを使用して、組織切片内の異常の位置を色で示すことができます。
診断負荷を大幅に軽減
正常な所見と頻繁な疾患を特定し、異常を検出することで、時間の経過とともにさらに改良される新しい AI モデルは、医師に重要なサポートを提供できる可能性があります。特定された疾患は依然として病理医による確認が必要だが、「正常な所見と一定割合の疾患はAIによって自動的に診断できるため、医師は大幅な時間を節約できる。これは症例の約4分の1から3分の1に当てはまる」 」とクラウシェンは言います。 「そして残りのケースでは、AI がケースの優先順位付けを容易にし、診断の見逃しを減らすことができます。これは大きな進歩となるでしょう。」
ソース：
1729904270
#新しい #ツールが稀な消化器疾患の検出に革命をもたらす
2024-10-26 00:38:00