新たなAIツールが医師が見逃した血球異常を検出

CytoDiffusion と呼ばれる新しい人工知能ツールは、血液疾患の診断環境を一変させ、並外れた正確さで異常を特定する人間の能力を上回る予定です。

ケンブリッジ大学、ユニバーシティ・カレッジ・ロンドン（UCL）、ロンドン大学クイーン・メアリー校の研究者によって開発されたCytoDiffusionは、DALL-Eなどの画像生成装置に使用されているものと同様の生成AI技術を活用し、血球の形状と構造を詳細に分析します。その研究結果は以下の通りです。 公表 Nature Machine Intelligence誌に掲載されました。

血球の大きさ、形状、外観の微妙な違いを検出することは、多くの血液疾患の診断において非常に重要です。しかし、この作業には長年の訓練が必要であり、難しい症例では医師間で意見が異なる場合があります。

血液塗抹標本は何千もの細胞で構成されているため、人間による包括的な分析は現実的ではありません。

「人間は塗抹標本中のすべての細胞を観察することはできません。それは不可能なのです」と、ケンブリッジ大学応用数学・理論物理学科の博士課程学生で、本研究の筆頭著者であるサイモン・デルタダール氏はニュースリリースで述べた。「私たちのモデルは、そのプロセスを自動化し、一般的な症例をトリアージし、異常があれば人間による確認のためにハイライト表示します。」

この革新は、血液学における重大なボトルネックを解消します。

「血液学の研修医として私が直面した臨床上の課題は、一日の仕事の後、大量の血液塗抹標本の分析をしなければならないことでした」と、ロンドン大学クイーン・メアリー校の臨床上級講師であり、共同筆頭著者のスセシュ・シヴァパララトナム氏は付け加えた。「夜遅くまで分析しているうちに、AIの方が私よりも優れた仕事をしてくれると確信するようになりました。」

CytoDiffusionの開発には、ケンブリッジのアデンブルック病院で採取された50万枚以上の血液塗抹標本画像を用いてAIを学習させ、この種のものとしては最大規模のデータセットを構築しました。この膨大なデータセットにより、AIは一般的な血液細胞の種類だけでなく、疾患を示唆する稀少で異常な細胞も認識できるようになりました。

CytoDiffusionは、細胞の外観の分布全体に焦点を当てることで、病院の機器、顕微鏡、染色方法のばらつきに対する堅牢性を示しました。その結果、白血病に関連する異常細胞の検出感度が向上し、より少ない学習例数でも既存システムを上回る結果となりました。

「精度をテストしたところ、システムは人間よりもわずかに優れていました」とデルタダールは付け加えた。「しかし、真に際立っていたのは、不確実な状況を把握できた点です。私たちのモデルは、確実だと判断した上で間違いを犯すことは決してありませんが、人間にはそういうことが時々あるのです。」

AIは、本物の血球画像と見分けがつかない合成血球画像を生成することにも優れていました。経験豊富な血液専門医10名による「チューリングテスト」では、専門家は実際の画像とAIが生成した画像を効果的に区別することができませんでした。

「本当に驚きました」とデルタダール氏は付け加えた。「彼らは一日中血球を見つめているのに、彼らでさえ気づかなかったのです。」

研究者らは、世界最大の公開末梢血塗抹標本画像データセットを公開し、世界的な研究を強化し、高品質の医療データへのアクセスを民主化することを計画している。

「このリソースを公開することで、世界中の研究者が新しいAIモデルを構築・テストし、高品質の医療データへのアクセスを民主化し、最終的には患者ケアの向上に貢献できるようになることを期待しています」とデルタダール氏は付け加えた。

CytoDiffusionは有望ではあるものの、訓練を受けた臨床医に代わるものではなく、補完することを目的としています。日常的な症例の検査を迅速化し、専門医による詳細な検査が必要な異常を検知します。

「ヘルスケアAIの真の価値は、低コストで人間の専門知識に近づくことではなく、専門家や単純な統計モデルが達成できる以上の診断力、予後予測力、処方力を実現することにある」と、共同上級著者でロンドン大学ロンドン校（UCL）の神経学教授、パラシュケフ・ナチェフ氏は付け加えた。

研究チームは、公平性と正確性を確保するために、システムの速度を向上させ、多様な患者集団にわたってその有効性を検証するためのさらなる作業の必要性を強調している。

出典： ケンブリッジ大学