Development and Open-Source Release of a Multi-Cancer Module for Structuring Pathology Reports

あなたは、巨大なミステリーを解明しようとしている探偵だと想像してください。ただし、整然としたファイルキャビネットから手がかりを見つけるのではなく、何百万もの手書きのメモ、乱雑な走り書き、そして混沌とした日記を掘り起こさなければなりません。これは、がんを研究する研究者たちが直面している日常の現実です。何十年もの間、腫瘍に関する最も重要な手がかり――その種類、大きさ、進行度――は、「病理診断報告書」の中に閉じ込められてきました。これらは、医師が顕微鏡で組織サンプルを検査した後に作成する詳細な要約です。問題は、これらの報告書が、スプレッドシートのような形式ではなく、日記のように自由な文章や半構造化された形式で書かれていることが多い点です。人間である医師には容易に読めますが、コンピュータにとっては理解するのが困難です。それは、リンゴがテキストの段落の中に隠されているときに、ロボットにリンゴの数を数える方法を教えようとするようなものです。これを解決するために、科学者たちは「自然言語処理（NLP）」と呼ばれる人工知能の一分野を使用します。NLPを、人間の言語を読み取り、コンピュータが処理できる整理されたデータに変換できる、超スマートな翻訳者だと考えてください。もし私たちがこれらの報告書を解読できれば、がんの傾向を大規模に分析できるようになり、単独の医師では決して見ることができないパターンを特定することで、命を救える可能性があります。

ここで、韓国国立がんセンターのチームが登場します。彼らは、がんの報告書のための「万能翻訳機」を構築することに決めましたが、そこにひねりを加えました。それは、自分たちのラボの中だけで使うのではなく、誰もが使えるツールにしたいと考えたのです。彼らは「ClinicalBERT」と呼ばれる技術に基づいたデジタルなロボットの脳を作り上げました。ClinicalBERTを、何百万冊もの医学書を読み、医師が腫瘍について話す際に使う特定の言語を理解するエキスパートとなった学生だと想像してください。チームはこの学生に、腎臓、甲状腺、肝臓、乳房、大腸の5種類の癌の病理診断報告書を読ませる訓練を行いました。彼らの目標は、ロボットに「これはどの臓器か？」「どのような手術が行われたか？」といった質問に対する具体的な答えを見つけ出し、その情報を乱雑なテキストから抽出して、清潔で整理されたリストを作成させることでした。

結果は、「驚き」と「困惑」が入り混じったものでした。ロボットが訓練を受けた病院（国立がんセンター）の報告書でテストされたとき、その性能は驚くほど素晴らしいものでした。ほぼ毎回正解を導き出し、成功スコア（F1スコアと呼ばれる）は0.945から0.977の範囲に達しました。これを換算すると、もし100の質問を投げかけたとしても、95から98回は正解するということです。それはまるで、スター生徒が自分の教室ですべてのテストで満点を取るようなものでした。

しかし、本当の試練は、彼らが新しいトレーニングを与えることなく、ロボットを2つの異なる病院（イルサン病院とボラメ医療センター）に送り出したときに訪れました。これは、そのスター生徒を、先生たちのノートの書き方が少し違ったり、異なるスラングを使ったり、フォーマットが異なったりする、全く別の学校へ連れて行くようなものです。著者たちが予想していた通り、ロボットはつまずきました。その性能は大幅に低下しました。乳がんの場合、スコアは一箇所の病院では0.945というほぼ完璧な数値から0.777へと下がり、もう一方の病院では0.427にまで落ち込みました。肝臓、腎臓、甲状腺がんについても同様の低下が見られました。論文は、これらの低下が起こった理由として、医師の報告書の書き方が場所によって異なること――文章構造の違い、あるいは「がんは見つからなかった」という表現の仕方の違い、単なる習慣の違いなどが原因であると示唆しています。

つまずきはあったものの、ロボットが完全に失敗したわけではありません。それは依然として「大きな枠組み」の質問については正解を出すことができました。新しい病院においても、関与している臓器や行われた手術の名前をほぼ常に特定することができました。しかし、臓器内の正確な位置といった、より詳細な部分については混乱が生じました。これは、その特定の病院がどのように書くことを好むかに大きく依存しているようです。

この論文の最もエキサイティングな部分は、数字そのものではなく、チームがその数字を使って何をしたかという点です。彼らは、自分たちのロボットの脳を秘密にするのではなく、ドアを開放して他のすべての人を招き入れました。彼らはコード、学習済みモデル、そして手順をインターネット上で無料で公開しました。彼らは実質的に、「これが私たちのツールです。私たちの家では素晴らしく機能し、他の家でもそこそこ機能しますが、あなた自身のスタイルに合わせて少し調整する必要があるかもしれません」と言っているのです。これは、他の研究者がゼロから独自のロボットを構築するのではなく、このテクノロジーをすぐに使い始めることを可能にするため、大きな前進となります。著者たちは、これが強力な基盤ではあるものの、箱から出してすぐにどこでも完璧に機能する魔法の杖ではないことも注意深く述べています。彼らは、異なる病院でベストな結果を出すためには、現地のチームがそれぞれの特定の書き方に合わせるための、わずかな「キャリブレーション（校正）」や微調整を行う必要があるかもしれないと示唆しています。

要するに、この論文は、がん研究をより速く、より協調的なものにするための大きな飛躍です。それは、AIを用いることで、乱雑な手書きの医学的メモを、清潔で利用可能なデータに変えられることを証明しましたが、同時に、すべての病院が少しずつ異なる言語を話しているという事実も正直に認めています。彼らの仕事をオープンに共有することで、チームは科学界全体に鍵を渡し、いつの日か、あらゆる場所のあらゆる医師に対して完璧に機能する万能翻訳機を実現するために、皆がこのツールを洗練させる手助けができるよう招待しているのです。