ディープラーニング活用事例

・畳み込みニューラルネットワーク（CNN）を活用し、内視鏡画像から胃がんを検出。
・6mm 以上の胃がんを熟練の内視鏡医レベルに匹敵する精度で発見。
・1 画像の診断にかかる時間は約0.02 秒であり、人間の解析速度を遥かに凌駕。
・本事例発表時においてAI を活用した胃がん内視鏡診断支援システムの報告はなく、本報告は世界初とのこと。
・2019 年11 月、米国食品医薬品局（FDA）よりブレイクスルーデバイス指定（注）（画期的医療機器/ デバイス指定）を受ける。
（注）米国内での医療機器承認取得の際、優先的に審査を受けることが可能に。

出典：「G検定公式テキスト第2版」（翔泳社・2021年）より

・介護初心者が実際にケアをしている様子を動画で撮影。
・当該動画を、熟練の介護者がタブレットで視聴（注）。
→被介護者が「介護拒否を起こしやすいコミュニケーション」を採っていないか、赤ペンを入れながら指導実施。
（注）当該プロセスを経ることにより、指導内容を教師データ化。
・次の介護研修の際、「天井に設置したカメラと介護者が装着したメガネ型カメラによって撮影された動画」を、前項で学習させた内容をもとに解析・評価。
・上記により、都度、熟練介護者が指導を行わなくても、介護初心者が的確な指導を受けることが可能に。
・介護効果を高めることを狙うとともに、あわせて「介護拒否が起きにくくなるアプローチを採る」ことにより、介護士の負担を軽減することを狙った取り組み。
・実際に福岡で行われた実証実験（2017 年）では、被介護者の認知症における行動
/ 心理症状が20% 低下するとともに、あわせて介護者の心理負担感も28% 軽減される結果に。

出典：「G検定公式テキスト第2版」（翔泳社・2021年）より

・「生物情報学分野における公開データベースや医療文献データベースを用いた学 習データとナレッジグラフ」を利用し、関係性が部分的にしか知られていないよ うな事象に関して、裏付けとなる根拠を探し出し、紐づけ可能であるかを検証。
・当該技術は、以下2つの技術から構成される。
1.推定結果の【理由】を説明する推定因子特定技術＜DeepTensor＞ ・変異と疾患の関連性を推定
・あわせて推定因子を出力し、推定した関連性の理由を説明
−ゲノム医療応用のケースでは、18万件の疾患系変異データから学習
2.推定結果の【根拠】を説明する根拠構成技術＜ナレッジグラフ＞ ・入力から推定結果に至る「根拠」をナレッジグラフで構成。
（変異から疾患に至る、医学的に裏づけされた根拠を構成）
−ゲノム医療応用のケースでは、医学論文1,700万件等から100億を超える知識を構築。
・推定対象の遺伝子変異（図W.4）に関して、推定結果に大きく影響した複数の因子とナレッジグラフから取り出した医療文献などからなる学術的な裏付けとなる根拠および疾患の候補を同時に確認。
・上記技術を活用することにより、がんのゲノム医療判断期間を、2週間から1日に。

出典：「G検定公式テキスト第2版」読者WEB特典（翔泳社・2021年）より

・「眼底画像を用いた網膜剥離判定」領域でディープラーニングを活用。
・網膜の広角画像のみから（失明に直結する疾患である）網膜剥離眼と正常眼とを 判別。
・診断見落としを防ぐ二重チェックシステムへの応用や、眼科医療過疎地に対する 遠隔診療への応用、健診による早期発見などへの応用を想定。

出典：「G検定公式テキスト第2版」読者WEB特典（翔泳社・2021年）より