アリババ、約150種類の腹部疾患を検出する医療AIをオープンソース化

導入

アリババグループの研究部門である達摩院は、医療画像を解析する視覚言語モデル「Damo Radar」をオープンソース化した。このモデルは造影CT画像を読み取り、悪性腫瘍を含む約150種類の腹部疾患や異常を特定するよう設計されている。特定の臓器や一つのがんだけに焦点を絞るのではなく、複数の臓器と臨床所見を一つのモデルで扱うことを目指している。

主なポイント

• 造影CTを対象にする：対比剤を用いたCT検査を入力とし、腹部の画像を広く解析する。
• 幅広い所見をカバー：約150種類の腹部の状態を対象とし、研究では146の臨床所見について評価した。悪性腫瘍も含まれている。
• 画像とレポートで学習：CT画像と対応する臨床レポートを組み合わせて学習することで、画像情報と医学的な記述を利用する。
• 実際の検査で評価：約4万件の実世界の検査を用いた評価で、146項目に対する平均AUCは0.913だった。AUCが1.0の場合は完全な識別を意味する。
• 放射線科医との比較：研究チームは、比較に参加した放射線科医の大半をモデルが上回ったと報告している。ただし、これは医師の代替や自律的な診断を意味しない。

なぜ注目されるのか

これまでの医療画像AIは、特定の腫瘍や一つの臓器の異常など、狭い課題に最適化されることが多かった。Damo Radarは、複数の臓器と病気を同一のモデルで扱う「汎用型の医療画像モデル」という方向性を示している。性能が複数の医療機関でも再現されれば、放射線科医の初期スクリーニングを支援し、疾患ごとに別々のシステムを使い分ける負担を減らせる可能性がある。

オープンソース化は研究面でも意味を持つ。研究者や医療機関は、モデルの能力と失敗しやすい条件を調べ、各地域の患者データや異なるCT装置で検証できる。閉じた製品だけに依存するよりも、外部の研究者が性能や限界を検討しやすくなる点は利点だ。

数字を読む際の注意点

平均AUCは識別性能をまとめる指標であり、患者にとっての臨床的な利益そのものではない。感度、特異度、偽陽性の割合、モデルが医師の判断をどう変えるかを直接示すものでもない。提供された素材には、評価対象者の詳細な構成、疾患ごとの性能、誤りの内訳、前向き臨床試験の結果も記載されていない。

医療画像の結果は、地域、装置、撮影条件、レポートの慣行、疾患の頻度によって変わり得る。一つの評価で良好な結果を示しても、別の病院で同じ性能が得られるとは限らない。実際の診療では、モデルの出力を病歴、症状、検査結果などと合わせ、資格を持つ専門家が判断する必要がある。

Damo Radarは、臨床支援の可能性を持つオープンな研究モデルと捉えるのが適切だ。自動診断システムとしての実用的な価値は、独立した再現実験、複数施設での検証、そして医療用途に関する規制当局の評価によって決まることになる。

出典：Hacker News