PulmoDiagAI: An Intelligent Medical Diagnosis System for Automated Pulmonary Pathology Classification using Deep Learning

人間の肺は、呼吸のたびに酸素を二酸化炭素と交換するように設計された、繊細で枝分かれした気道と肺胞のネットワークです。このシステムが機能不全に陥ると、その結果は迅速かつ深刻なものになります。今日、呼吸器の健康に対する最も差し迫った脅威の一つは、肺がん、そしてCOVID-19として知られるウイルス感染症です。どちらの疾患も、しばしば体内の目立たない場所に潜んでおり、レントゲンやCTスキャンのような医療画像に見られる微かな影や質感を通じてのみ、その姿を現します。何十年もの間、これらの画像を解釈する任務は、数千枚の写真をスキャンして病気のわずかな兆候を探さなければならない、高度な訓練を受けた専門家である放射線科医に委ねられてきました。このプロセスは極めて重要ですが、医師が大量の患者に圧倒されている場合や、病気の兆候が曖昧な場合には、非常に疲弊しやすく、ヒューマンエラーも起こりやすいものです。

近年、これらの医療専門家を支援するための新しいツールが登場しました。具体的には、ディープラーニングと呼ばれる人工知能の一種により、コンピュータは人間の脳と同じように、一度に数百万の例を処理することで、画像内のパターンを認識する方法を学ぶことができます。研究者たちは、肺炎、腫瘍、ウイルス感染症の徴候を見つけ出すよう、これらのデジタルシステムを訓練してきました。その目的は、医師に取って代わることではなく、決して疲れることなく、疲労によって細部を見逃すこともなく、患者が直面している状況に対して迅速かつ一貫した意見を提供できる「第二の目」を提供することです。しかしながら、残された課題は、どの特定の種類の「デジタル脳」が、どの特定の疾患に最適なのか、そして、これらの複雑なシステムを病院で日常的に使えるほどシンプルにできるのかという点です。

アルジェリアのムルード・マメリ大学の研究チームは、「PulmoDiagAI」と名付けた新しいシステムによって、これらの問いに取り組んできました。彼らの研究は、胸部の画像を自動的に分類し、肺がんと言COVID-19という2つの異なる脅威を診断できるインテリジェントなツールを作成することに焦点を当てています。このシステムを構築するために、彼らはゼロから新しいタイプのコンピュータ脳を発明したわけではありません。代わりに、彼らは5つの既存のアーキテクチャ（すでに膨大な一般的な画像のライブラリで学習済みの、構築済みディープラーニングモデル）をテストしました。VGG19、ResNet50、EfficientNet-B3といった名称で知られるこれらのモデルは、人間の胸部を特化して見るように適応されました。研究者たちは、これらのモデルに数千枚の医療画像を読み込ませ、健康な肺、良性（非がん性）の増殖、悪性（がん性）の腫瘍、およびウイルス感染を区別することを学習させました。

プロセスは、画像自体の丁寧な準備から始まりました。医療スキャンには、コンピュータを混乱させる可能性のある明るさ、ノイズ、またはコントラストのバリエーションが含まれることがよくあります。チームはすべての写真に一連のデジタル強化を適用し、グレースケールへの変換、静的なノイズの除去、およびコントラストの鮮明化を行い、肺の輪郭や潜在的な異常がはっきりと際立つようにしました。このステップは極めて重要でした。なぜなら、人工知能が診断を開始する前に、患者の解剖学的構造の可能な限り鮮明なバージョンを見ていることを保証するためです。画像が準備されると、研究者たちは5つの異なるモデルを競わせ、画像の状況を正しく特定する能力をテストしました。

結果は、完璧なモデルは単一の仕事に対しては存在しないことを明らかにしました。最適な選択は、調査されている疾患に完全に依存していました。胸部レントゲンからCOVID-19を特定する場合、一つのモデル、EfficientNet-B3が他を圧倒しました。このモデルは、症例の97%を正しく特定し、感染した患者、他の種類の肺炎を持つ患者、および健康な肺を持つ患者を区別する卓越した能力を示しました。このモデルは非常に信頼性が高く、これら3つのグループをほぼ完璧に分離することができたため、ウイルス発生を検出するための理想的な候補となりました。

しかし、チームがCTスキャンを用いて腫瘍を見つけるという、より複雑なタスクである肺がんに注意を向けたとき、物語は変わりました。このより複雑な課題において、別のモデルが主導権を握りました。もともとモバイルデバイス向けに軽量で高速になるよう設計されたMobileNetV3というデザインが、驚異的な99%の精度を達成しました。さらに印象的なことに、MobileNetV3ともう一つのモデルであるResNet50は、テストセット内のすべての悪性がんの症例を見つけ出しました。彼らは、たった一つの危険な腫瘍も見逃しませんでした。これは、医療スクリーニングにおいて、がんの診断を見逃すことは、誤報を出すことよりもはるかに危険であるため、極めて重要な発見です。他のモデルは時として無害な増殖と健康な肺との区別に苦戦しましたが、これらトップクラスのモデルは鋭い区別を維持し、生命を脅かす状態が漏れることがないようにしました。

研究者たちは、単に優れた数値を見つけるだけでは終わりませんでした。強力なアルゴリズムであっても、医師が簡単に使えなければ役に立たないことを理解していたからです。このギャップを埋めるために、彼らは誰でも操作できるシンプルなインタラクティブなコンピュータプログラムを構築しました。このインターフェースにより、臨床医は胸部画像をアップロードし、がんを探しているのかCOVID-19を探しているのかを選択し、即座に回答を受け取ることができます。システムは単に「がん」や「がんなし」と言うだけではありません。コンピュータがその結果に対してどの程度確信を持っているかを示すパーセンテージである「信頼スコア」を提供します。この透明性は、医療専門家がコンピュータの意見をどの程度重視すべきかを判断する助けとなり、複雑な数学的計算を実用的なリアルタイムのアシスタントへと変えています。

この研究は、ディープラーニングが呼吸器疾患との戦いにおける強力な味方になり得ることを裏付ける一方で、万能な解決策（ワンサイズ・フィット・オール）は存在しないことも浮き彫りにしました。ウイルスを見つけるための最良のツールが、必ずしも腫瘍を見つけるための最良のツールであるとは限りません。適切なデジタル脳を適切な医療タスクに慎重に適合させ、そのテクノロジーを使いやすいインターフェースで包み込むことで、研究者たちは実世界で使用できるシステムを作り上げました。PulmoDiagAIは、高度な人工知能が注意深い医学的準備と組み合わされたとき、医師が命を救うための活動をサポートする、信頼性が高く、迅速で、アクセシブルな方法を提供できることを示すデモンストレーションとなっています。