機械学習を使って見落としやすい腫瘍の検出を支援(1/2)

１．機械学習を使って見落としやすい腫瘍の検出を支援(1/2)まとめ

・内視鏡検査は米国だけで年間約1,900万件の検査が行われているが目視で行われている
・研究によると内視鏡検査中に腫瘍の22%～28%が見落とされて深刻化する可能性がある
・腫瘍の検出を支援する事で不完全な内視鏡検査検出の問題に対処するMLモデルを発表

２．内視鏡検査が不完全になる理由

以下、ai.googleblog.comより「Improved Detection of Elusive Polyps via Machine Learning」の意訳です。元記事は2021年8月5日、Yossi MatiasさんとEhud Rivlinさんによる投稿です。

医療系の記事は似たような画像か、生々しい画像になってしまう事が多いのですが、良い感じに暗喩できたと自画自賛しているアイキャッチ画像のクレジットはPhoto by Sharosh Rajasekher on Unsplash

大量のデータ、特に視覚データを一貫して正確に処理する能力が高まるにつれ、医師の仕事を支援するためにコンピューター支援診断システムがより頻繁に使用されるようになってきています。これは、次に、ヘルスケアの有意義な改善につながる可能性があります。

これが特に有用である可能性のある例は、結腸直腸癌(CRC:ColoRectal Cancer)の診断と治療です。CRCは特に致命的であり、世界中で年間90万人以上が死亡しています。CRCは、ポリープと呼ばれる結腸の小さな前癌病変に起因し、その同定と除去はCRC関連の死亡の予防措置として非常に精巧しています。

消化器病専門医(GI:gastroenterologists)がポリープを検出して除去するために使用する標準的な手順は結腸内視鏡検査であり、米国だけで年間約1,900万件のそのような検査が実行されています。結腸を内視鏡検査中、消化器病専門医はカメラ付きの検査機を使用して、腸の前癌性ポリープと癌の初期兆候をチェックし、気になる組織を取り除きます。

ただし、不完全な検出(ポリープが視野内に表示されていても、おそらくそのサイズの小ささや形状が原因でGIが見落とす)や不完全な探索(ポリープが腸壁の影などにありカメラに表示されない)などの複雑な要因視野で、見逃されるポリープの割合は高くなる可能性があります。実際、研究によると、結腸内視鏡検査中にポリープの22%～28%が見落とされ、そのうち20%～24%が癌性(腺腫)になる可能性があります。

本日、私たちは機械学習(ML:Machine Learning)を使用して行われた進歩を共有し、大腸内視鏡検査をより効果的にすることでGIが結腸直腸癌と戦うのを支援する研究を発表します。

論文「Detection of Elusive Polyps via a Large Scale AI System」では、GIが視野内にあるポリープを検出できるようにすることで、不完全な検出の問題に対処するように設計されたMLモデルを紹介します。本研究は、見逃された可能性のある領域にフラグを立てることによりGIをフォローし、結腸内視鏡検査中の結腸の目視範囲を最大化する以前に公開された研究に追加された研究です。臨床研究を使用して、これらのシステムがポリープの検出率を大幅に改善することを示します。

不完全な検査

GIが視野外のポリープを検出できるように、結腸内視鏡検査中に結腸の検査済み領域と検査されていない領域の割合を推定することにより、不完全な探索の割合を減らすMLシステムを以前に開発しました。この初期の研究では、結腸内視鏡検査の検査不足範囲を深度を介して呼び出す手法でコンピュータービジョンと位置測定を使用して、結腸の範囲毎に検査済み割合を計算します。これは2つのフェーズで行われます。最初に大腸内視鏡検査ビデオの各フレームの深度マップを計算し、次にこれらの深度マップを使用してリアルタイムで探索済み割合を計算します。

MLシステムは、単一のRGB画像(左)から深度画像(中央)を計算します。次に、ビデオ内の深度画像の計算に基づいて、探索済みの部分を局所的に計算し(右)、探索済み範囲が不足していて再確認が必要な場所を検出します。(青色は観測された部分を示し、赤色は観測されていない範囲を示します)。この研究の詳細については、以前のブログ投稿をご覧ください。

この部分毎の作業により、現在の探索箇所のどの部分がカバーされているかを見積もることができます。このような機能の有用性は明らかです。作業を実行している間に、医師は検査が不十分な部分について警告を受け、すぐにこれらの領域の確認に戻ることができ、不完全な探索によるポリープの見逃しの割合を減らせる可能性があります。

不完全な検出

最新の論文では、不完全な検出の問題を調査しています。不完全な検出の割合を減らすために、視野内にあるポリープを消化器病専門医が検出するのを支援するMLモデルについて説明します。時相論理(Temporal Logic)と単一フレーム検出器を組み合わせたアーキテクチャを備えた畳み込みニューラルネットワーク(CNN:Convolutional Neural Networks)に基づくシステムを開発し、より正確な検出を実現しました。