ラピッドリードサイエンス

RapidRead テクノロジー

人工知能 (AI) は間違いなく私たちの日常生活の一部です。獣医師として、私たちには AI について、そしてそれが私たちの診療や患者のケアに与える影響について学ぶ責任があります。
この記事では、獣医画像診断のコンテキストで機械学習について説明し、AIS が強力で正確な AI 製品を開発する上でどのような独自の立場にあるのかをレビューします。

Diane U. Wilson、DVM、DACVR が執筆した記事 (2023 年 8 月)

AI と機械学習の概要

Antech Imaging Services の人工知能

私たちは人工知能 (AI) と機械学習 (ML) については知っていると思います。結局のところ、私たちは日常生活の中で毎日それに遭遇します。人工知能は、私たちの電子デバイス上の興味に合わせたニューストピックをターゲットにする場合に便利です。最も一般的なインターネット検索をマーケティング広告の対象とする場合、迷惑に感じたり、プライバシーの侵害にさえ感じたりする可能性があります。 Alexa、Cortana、または Google デバイスが私たちと会話できるようになると、私たちは魅了されます。私たちは、AI がどのように私たちの生活の質を改善するかという見通しに興奮すると同時に、いつか AI が意識を獲得し、ハリウッド映画のシナリオのように壊滅的な決断を下し始めるのではないかと懸念することがあります。獣医療における AI とのさらなる連携を準備するには、この楽観主義と悲観主義の間の矛盾を解決する必要があります。そのためには、まず生成機械学習と判別機械学習の違いを理解する必要があります。

私たちのプロセスのサポート

コンピューターに画像の読み取りを教える: 学際的なコラボレーション AIS は、組織内外で専門知識を活用しました

機械学習

生成的機械学習モデル (またはアルゴリズム) では、機械は以前にプログラムされていないソリューションを作成できます。一例として、使用中に会話を学習、作成、進化させることができるチャットボット ChatGPT があります。一方、判別機械学習モデルでは、機械はプログラムされた分類にのみ情報を解決します。つまり、識別および分類するために最初にトレーニングされたものだけを識別および分類します。識別学習モデルは、それ以上のものに進化することはできません。現在、AIS は機械学習技術に判別モデルのみを使用しています。（図1）

楽観的か悲観的かに関係なく、獣医療ではすでに AI が大幅に活用されています。日常生活の他の分野と同様に、人工知能の使用はユーザーにとって透過的です。エンドユーザーが一般開業医、獣医技師、専門医のいずれであっても、目的を達成するために人工知能が全体的または部分的に使用されたかどうかは明らかではない可能性があります。 AI は、ワークフロー内の別のプログラムを支援したり、専門家による診断情報の提供を支援したりするために使用されることがあります。それほど一般的ではありませんが、AI が人間の入力なしで診断テスト全体を実行します。

他の新しいテクノロジーと同様に、AI も未熟なテクノロジーであるため尊重される必要があります。開発者およびユーザーとして、私たちはマシンの機能と制限について自らを学ぶ責任があります。エンドユーザーは、新しいツールと現在依存している従来のツールの違いを理解する必要があります。開発者は、新しいツールの影響を十分に検討し、計画を立てる必要があります。これは、それがもたらす利益に焦点を当てるだけでなく、それがもたらす可能性のある害を十分に考慮し、それを軽減するために責任ある措置を講じることを意味します。

強力で正確な AI ツールを作成するには、3 つの主要なコンポーネントが必要です。 AI モデルの構築には、大量のデータ、ドメインスペシャリスト、データサイエンティストが必要です。 Antech Imaging Services (AIS) と Mars は、AI 診断ツールを構築するために必要なすべてのコンポーネントを統合する独自の態勢を整えており、患者のスループットを向上させ、診療現場への情報の提供を迅速化し、ペット、顧客、獣医師、技術者にとってより良い獣医療を実現します。

人工知能
すでに存在します
獣医学博士号

ワークフローは AI によって日々強化されています。人工知能は、椎骨の心臓サイズの瞬時測定、線形および体積測定、表示する画像の方向設定、スライド上の細胞の識別と機械的な計数などの日常的なタスクに取り組んでいます。これにより、専門家、獣医師、技師は人間の注意を最も必要な場所、つまり患者に集中させることができます。

レポートは数秒で作成され、複数の専門分野の医師に送信されるため、患者ケアの次のステップをより早く開始できるようになります。機械生成されたレポートにより、医療従事者は医療記録を書く時間が節約され、さらに患者やクライアントに注意を向けることができます。

病理学では、AI が有糸分裂像を認識してカウントし、組織の種類を区別して病理学者のワークフローを支援します。心臓病学では、機械学習を使用して心電図を読み取り、数分で医師に情報を提供します。これは、タイムリーな情報が医師が待機的手術を続行するかどうか、また緊急手術に特別な予防措置が必要かどうかを決定するのに役立つ麻酔前の精密検査に役立ちます。人間の医療では、麻酔中の患者を監視するために AI が使用されています。獣医麻酔科医の間では、AI による獣医患者の監視に関心が示されています。

機械学習は責任を持って実行する必要がある

前述したように、エンドユーザーと開発者にとって同様に、知識を身につけ、特定の AI ツールのプラスとマイナスの両方の影響を理解することが重要です。強力で正確なモデルを開発するには、主に 3 つの要件があります。これらは、膨大な量のデータ、データサイエンティスト、およびドメインの専門家です。画像診断の観点から解説していきます。

それぞれの結果に基づいてモデルをトレーニングするには、大量のデータが必要です。データがなければ、精度、感度、特異性についての主張を確実に主張することはできません。人間の場合、特定の画像所見について少なくとも 500 件の経験がある場合、その人はその画像所見の専門家であると言われます。残念ながら、機械が学習する場合はそうではありません。
AIS では、モデルがその検出結果の 4 ～ 5,000 回のインスタンスに遭遇した場合、特定の検出結果に対するモデルの精度、感度、特異性の測定レベルに自信を持てると判断しました。肺気管支パターンなどの一般的な所見の場合、精度を確保するために必要な症例数を簡単に取得できます。椎間板脊椎炎などのあまり一般的ではない所見の場合、モデルを自信を持ってトレーニングするために必要な症例数を獲得するには、時間がかかり、複数のグループ間の協力が必要になる場合があります。

モデルをトレーニングするために必要な多くのケースに加えて、モデルをテストするには、特定の結果についてさらに多くのケースが必要です。特定の所見に関してモデルが正確であると判断され、病院での診断ツールとして使用するためにリリースできるようになった後は、継続的な精度とドリフトが発生していないことを確認するためにモデルを定期的にテストする必要があります。ドリフトは、経年による機器の変化・改良、電子空間の変化、技術の変化・進歩など、環境に微妙な変化があるときに発生します。特定の所見のモデルがテストされるたびに、精度、感度、特異性を自信を持って評価し、必要な調整を行うには、その所見を含むさらに多くのケースが必要になります。調整が行われた場合、その調整をテストするにはさらに多くのデータが必要になります。

各モデルのトレーニングと精度の測定には、ドメインの専門家 (委員会認定の専門家) が必要です。放射線科医 (病理学者、心臓専門医、歯科医など) は何時間もかけて画像にラベルを付け、機械のトレーニング、評価、再トレーニングに使用する修正データを提供します。さらに、合意に達するためには、ドメインの専門家のチームを含める必要があり、マシンは 1 人の個人の意見に基づいてトレーニングされるわけではありません。既知のケースに対する正確性を検証するには、第三者による調査を使用する必要があります。

データサイエンティストは、モデルアルゴリズムの開発に必要なプログラミングチームの基礎となります。最良のチームには、製品に対するビジョン、ドメインの専門家との強力なコラボレーション、エンドユーザーのニーズに関する知識を備えたデータサイエンティストが含まれます。独自の専門分野 (セグメンテーション、回帰、データ分析、さまざまなソフトウェア) を備え、データサイエンスのあらゆる側面をしっかりと理解している多様なチームが、創造的なソリューションで障害に取り組むことができる最も堅牢なチームを作り上げています。

AISのAI

AIS と Mars は、強力で正確な AI 製品を開発するための 3 つの主要な要件すべてに社内でアクセスできる独自の立場にあります。 AIS は 1999 年以来遠隔放射線学サービスを提供してきました。 24 年間にわたる委員会認定放射線科医のレポートと約 80 億枚の画像が保存されており、大量のデータをすぐに利用できます。多くの症例では、病院からの経過観察と病理報告があり、確定診断が得られます。

AIS AI チームの 15 人の認定放射線科医は、画像のラベル付け、AI 評価に関するフィードバックの提供、パイロット研究レポートの品質管理の維持に精力的に取り組んでおり、患者ケアが最優先であることを保証します。 Mars Science and Diagnostics の次世代テクノロジーチームには、AIS の資金提供を受けた 10 人のデータサイエンティストチームが含まれており、それぞれが豊富な経験、独自の一連の資格を持ち、機械学習についての幅広い理解を持っています。

その成果が AIS の RapidRead Radiology であり、米国とヨーロッパで 2 年近くパイロット研究が行われてきました。パイロット研究に参加しているマーズファミリー病院とマースファミリー以外の病院の協力により、RapidRead Radiology は、数分で多くの所見について専門家レベルのコンサルティングを提供する強力な診断ツールに開発されました。パイロット研究では、RapidRead が一般開業医、専門医、夜間および救急医療の医師にとって有用であることが証明されました。 RapidRead Radiology は現在、犬と猫の胸部、腹部、四肢の 50 以上の所見を評価していますが (図 2)、検査結果が認定医チームの総意と少なくとも 95% 正確であることが証明されない限り、所見は公表されません。放射線科医。

所見リストの臨床応用は、任意のレポートにいくつかの異なる所見が存在する可能性があることを意味します。個々の所見は少なくとも 95% の精度を持つ可能性があります。ただし、事件に対する報告書の全体的な情報の貢献を考慮する必要があります。

AIS の現在の品質管理統計は、RapidRead ツールが単独で放射線科医の監督なしで使用された場合、82% の確率で特定の症例に関連する臨床上の疑問に適切に答えることを示しています。 RapidRead レビューで放射線科医の監視を採用すると、症例に重要な情報を提供するレポートの数が 92% に増加します。提出された症例の残りの 8% は、AI が提出された画像内の体の部位、種、モダリティに合わせてトレーニングされていないため、RapidRead のレビューには不適切です。 (図3)

放射線科医の精度は約 96% であると報告されています (誤り率はわずか 4%)。このため、AIS は、提出された症例の毎日の品質レビュー、放射線科医のレビューのための緊急所見の自動ルーティング、および放射線科医のレビューを要求するためのワンクリック送信を通じて、委員会認定放射線科医との強力な品質管理システムを導入しています。 RapidRead ツールが適切に使用され、放射線科医の強力な監視と連携すると、症例に役立つ情報の提供と精度が 100% に近づきます。

RapidRead と放射線科医の間でレポートの読み取りは高度に一致しているにもかかわらず、放射線レポートの生成における AI の適切な使用法を理解することが、このようなツールが個々の診療所にとってどれだけ役立つかを決める原動力となっています。 RapidRead レポート (図 4) と放射線科医からのレポートの外観と「感触」の類似性を考慮すると、RapidRead は、考えられるすべての異常を検査する「機械放射線科医」に相当するものであるという思い込みに陥りがちです。放射線科医。しかし、これは事実とは程遠い。人工知能モデルは、トレーニングされた結果のみを評価します。たとえば、RapidRead の結果リスト (図 2) を見ると、妊娠検査 (子犬の数) がリストにないことは明らかです。患者が妊娠しているかどうか、または子犬が何頭いるかを知ることを期待して RapidRead にコンサルトを送信しても、有用な情報は得られません。全血球計算 (CBC) と化学パネルの類似点を考えてみましょう。肝酵素レベルは CBC 検査ツールの一部ではないことを理解しているため、肝酵素情報の提供を期待して CBC を提出するつもりはありません。 RapidRead に送信されたケースの約 8% は、マシンによる評価には不適切です。つまり、マシンがまだトレーニングされていない身体部分、種、またはモダリティが含まれています。

また、この記事の前半で説明した識別 AI モデルと生成 AI モデルの違いと、RapidRead は生成モデルではなく識別 AI プログラミングモデルを使用して構築されていることを覚えておくことも重要です。自主学習用にプログラムされていません。したがって、現在 RapidRead によって評価されていない体の一部または種の画像を送信し、それらの画像から「学習」することを期待することも役に立ちません。
一方、RapidRead は、図 2 にリストされている調査結果に基づいて広範囲にトレーニングされています。たとえば、患者に麻酔が禁忌となるような心臓や肺の変化があるかどうかを知りたい場合、または胃腸の兆候がある患者が閉塞しているかどうかを判断したい場合、RapidRead は専門家レベルの情報を迅速に診療現場に届ける非常に便利なツールです。数分で完了します（従来の放射線科医の読み取りでは数時間から数日かかるのに対し）。

結論

人工知能は、刺激的な、あるいは憂慮すべきとさえ言えるほどの速度で私たちの日常生活に入り込んでいます。すべての新しいテクノロジーと同様に、学習と調整の期間が必要です。知識があれば理解が得られ、その後に同化が続くことがよくあります。獣医学における AI の使用は、ワークフロー、測定、セグメンテーションを含む多くの分野ですでに存在しており、病理学、心臓病学、画像診断などの一部の専門分野では診断ツールとしても使用されています。

機械学習の背後にある基本を理解することは、私たち一人ひとりが画像診断での機械学習の使用を最もよく理解するのに役立つ鍵となります。開発者は、責任ある正確な AI 製品を構築するには、大量のデータ、データサイエンティスト、およびドメインの専門家が必要であることを理解する必要があります。エンドユーザーは、患者に最大限の利益をもたらすために AI ツールの適切な使用法を理解する必要があります。これらの要素が揃って初めて、人工知能によってペットと顧客の生活を改善するという最終目標を達成することができます。