国立がん研究センター中央病院 様

 国立がん研究センター中央病院では、最新のがん医療の研究を進める中で、医用画像におけるAI応用の研究に取り組んでいます。AI学習用データの品質は、それを以て作成される読影AIの性能に直結し、ひいては画像診断の正確さにつながることから、開発段階においていかに正確なデータを効率的に作成できるかが、今後のAIの質に関わってくるとされています。一方で、データの作成には非常に精密で集中力の要するワークフローと、膨大なデータの管理作業が必要とされ、医師の負担が大きいのが現状です。

　今回は、i3シリーズ「CL-S1200」を導入された放射線診断科の医長　三宅基隆氏に導入の背景、およびその効果についてお話を伺いました。

Ｑ　先生は消化管及び骨軟部腫瘍の画像診断がご専門と伺っておりますが、最新の画像診断研究にも取り組んでおられるそうですね。

Ａ　はい。医用画像におけるAI応用の研究に取り組んでおり、研究のワークフローの中で、本モニター製品はたいへん役に立っています。
 

Ｑ　具体的にはどのようなご研究、ワークフローなのでしょうか。

Ａ　AIの中核技術であるdeep learningを含む機械学習技術を用いて医用画像AIを開発しようとすると、医用画像を用いた教師データを大量に作成する必要があります。仮に、がんの領域を検出するAIを作ろうとすると、がんの領域を画像上で囲み、その領域が何のがんであるかという文字情報と紐づけた教師データを大量に作成する必要があります。この「がんの領域を画像上で囲む」作業を、「医用画像専用モニター」上で行います。普段の放射線診断業務は医用画像専用モニターで行っておりますので、業務と同等のモニター環境でAI開発を行っています。

AIの質は教師データの質に大きく依存しますので、この「がんの領域を囲む＝境界を決める」という作業は、AIを作ることと同等と言っても言い過ぎではないと思います。精密な作業が求められる為、長時間の作業でも疲労度少なく集中して効率よく安定的に実施できる環境が望ましく思います。

Ｑ　そのような作業では、どのようなモニターが必要とされるのでしょうか。

Ａ　病変を囲む際、病変と非病変の間でコントラストがつきにくく、境界を決めにくい場合があります。その際はガンマ特性がしっかりしているモニターが必要です。誰が見ても、いつ見ても、同じ病変であれば同じ境界線を引きたくなるような表示ができるモニターが理想です。教師データの評価がAIの性能の評価と同様に重要ですので「この人の作った教師データはおかしいのではないか」などと思われないようにしなければなりません。

CL-S1200のような高精細で大画面のモニターは、境界の決定に迷うような病変でも、複数の様々な画像を同画面内に表示させることで、境界決定に寄与する情報を得やすく思います。また、CTと同時に単純X線写真や内視鏡画像、病理画像などの様々な医用画像を同一のモニター上に表示させることがありますが、ダイナミックガンマ機能はそれぞれに適した解像度や階調特性で表示してくれるのは大変ありがたいです。

Ｑ　以前お使いになっていたモニターとは明らかに違う、ということですね。

Ａ　はい。開発環境の都合で一般画像用のモニターを利用して教師データを作成していた時期が一定期間ありました。ある時、一般画像用モニターを用いて囲ったそれらの教師データを、医用画像専用モニターを用いて囲みなおす機会がありました。何を今さらと怒られそうですが、モニターの違いによって囲み方が異なってしまうことがある事実を自覚しました。これが今回のモニター購入を決めたきっかけですが、CL-S1200を利用し始めてからは、従来よりも自信をもって病変を囲めるようになったと実感しています。

このページの内容についてのお問い合わせはメールでお問い合わせ下さい