肺がんは世界的にがん死の主要な原因であり、早期診断が生存率を向上させる鍵となっています。CTによる肺がんスクリーニングは、高リスク集団において死亡率を少なくとも20%低下させることができますが、偽陽性の結果は不必要な医療手続きを引き起こし、医療システムに負担をかける可能性があります。
Googleは肺がん検出のための機械学習モデルを開発し、その性能は専門家と同等であることが示されています。このモデルは、放射線科医が結果を効果的に解釈するためのユーザーセントリックなインターフェースを通じて、肺がんスクリーニングに活用されています。
Google Cloudを使用した肺がんスクリーニングシステムは、Google Kubernetes Engineを活用してCT画像の取得と機械学習モデルの実行を行い、放射線科医がDICOMストアに保存された画像に直接アクセスできるようにしています。
このシステムの有用性を評価するために実施されたリーダースタディでは、モデルの支援により放射線科医の特異度が5-7%向上し、不必要な追加手続きを回避することが可能であることが示されました。
将来的には、DeepHealthとApollo Radiology Internationalとの協力により、このシステムを製品に組み込む予定です。また、リーダースタディに使用されたコードをオープンソース化し、他の研究者が臨床ワークフローに機械学習モデルを統合する方法を研究できるようにすることで、医療画像研究の進捗を加速し、翻訳研究を促進することを目指しています。
ニュース解説
肺がんは世界中でがんによる死亡の主な原因となっており、早期発見が生存率を高める鍵です。この背景のもと、Googleは肺がんスクリーニングのためのコンピュータ支援診断システムを開発しました。このシステムは、高度な機械学習モデルを用いてCT画像から肺がんの兆候を検出し、放射線科医が診断を下す際の支援を行います。
この技術の導入により、放射線科医はより正確に肺がんの有無を判断できるようになります。特に、偽陽性の結果、つまりがんがないにもかかわらずがんがあると誤って報告されるケースの削減が期待されます。偽陽性は患者に不必要な不安を与え、追加的な医療手続きを引き起こし、医療システムに負担をかけるため、これを減らすことは大きな利点です。
Googleのシステムは、Google CloudとGoogle Kubernetes Engineを使用してデプロイされ、放射線科医が容易にアクセスできるように設計されています。このシステムは、肺のCT画像を入力として受け取り、がんの疑いの度合いを4つのカテゴリーで評価し、関連する領域を示します。これにより、放射線科医は自身の診断にAIの分析結果を組み込むことができ、より精度の高い診断が可能になります。
実施されたリーダースタディでは、このシステムを使用した場合、放射線科医の特異度が5-7%向上することが示されました。これは、15-20人に1人の割合で、不必要な追跡検査を避けることができることを意味します。これにより、患者の不安が軽減され、医療システムの負担が減少します。
この技術の導入は、肺がんスクリーニングプログラムの持続可能性を高めることにも寄与します。特に、スクリーニングの対象となる人々が増える中で、効率的かつ正確な診断支援ツールは重要です。また、Googleはこのシステムをさらに発展させ、DeepHealthやApollo Radiology Internationalといったパートナーと協力して、将来的に製品に組み込む計画を進めています。
さらに、この研究で使用されたコードをオープンソース化することで、他の研究者が臨床ワークフローに機械学習モデルを統合する方法を研究するための支援を行います。これは、医療画像研究の進捗を加速し、翻訳研究を促進することを目的としています。
この技術の開発と実装は、肺がん診断の精度を高め、医療システムの効率を向上させることで、肺がんによる死亡率の低下に貢献する可能性があります。しかし、このようなAI技術の導入には、患者のプライバシー保護やデータのセキュリティ、さらにはAIの判断に過度に依存しないようにするためのガイドラインの策定など、慎重な検討が必要です。
from Computer-aided diagnosis for lung cancer screening.
