![見出し画像](https://assets.st-note.com/production/uploads/images/72960428/rectangle_large_type_2_a871014617afcadd4073ecc7ab513467.png?width=1200)
社内勉強会レポート|Standford CS230 AI + 医療についてご紹介
こんにちは。
Airitechのデータ分析アプリケーション開発のタンルインウーです。業務では、Pythonで自動化の開発をしています。
本記事では、当社で行っているスタンフォードCS230講義のディープラーニングの社内勉強会の中で、AI + 医療(Healthcare)の講義から分かったことをレポートします。
映像のリンクはこちらです。
これまでの講義は、下記のとおりです。
目標
本講義では、下記の3つについて学習しました。
ディープラーニング(深層学習)が解決できる、医療におけるインパクトの大きい問題とは?
継続的な研究とはどのようなものか?
学生が研究したいときにどうすれば参加できるのか?
医療「ディープラーニング(深層学習)が解決できる、医療におけるインパクトの大きい問題とは?」
AIが医療でできることを分析すると、データから問うことのできるレベルを定式化できることも勉強しました。
医療の質問のレベルは、次のように分けられます。
Descriptive Question(記述的質問)
例えば、「ある患者の一日の心拍数はどうだったか?」
Diagnostic Question(診断の質問)
なぜ患者は2週間も咳をしているのか?胸部X線写真に肺炎の徴候はあるか?
なぜこの患者は動悸がするのか?心電図に心房細動の徴候はあるか?
Predictive Question(予測質問)
この患者は、医療記録から見て、今後6カ月間生きられるか?
この患者は化学療法の結果、心不全になるのか?
Prescriptive Question (処方箋に関する質問)
この糖尿病患者はメトホルミンで治療すべきか、それとも生活習慣の改善によって治療すべきか?
研究「継続的な研究とはどのようなものですか?」
研究の項では、AIラボで異なる問題を適用した、下記の3つの事例を取り上げました。
1D-心電図
2D-胸部レントゲン
3D-MRスキャン
1D-心電図
心電図の解釈は難しいので、過去の研究などを先生たちが共有しました。
以前のアプローチでは、ドメイン知識に基づいて特徴工学の研究などをやり、前処理用バンドパスフィルタなどでSVM使用した研究などを行いました。
先生たちが研究の際は、ディープラーニングを使用したので、過去の扱いの違い、ディープニューラルネットワークを使用するため、ECGデータを下記のようにラベルを付けます。
![](https://assets.st-note.com/img/1646974087887-6FMyXwpBmv.png?width=1200)
アーキテクチャは34層の深さの1次元畳み込みニューラルネットワークを構築しました。
データは収集した6万以上のデータを使用し、Training Data のためはECGエキスパート からアノニョンしたデータです。Tesingデータのためは、ECGレコード300以上のデータをECGエキスパートがアノニョンしたデータを使用しました。
どこまで専門家に近づけるかと言うと、結果は、心臓専門医を超えることができました。研究で失敗した情報なども、共有してくれました。
2D-胸部レントゲン
2D-胸部レントゲンでは、先生がアメリカで数百万人が罹患している肺炎を例に挙げました。
設定として、
input -> 誰かの胸部X線画像を挿入することで肺炎を含み
output -> [0,1]
で判断するようにしました。
![](https://assets.st-note.com/img/1646974226089-Q1vTr8uHp4.png?width=1200)
ネットワークアーキテクチャには、ImageNetで事前に学習させた2D畳み込みニューラルネットワークを使用します。
![](https://assets.st-note.com/img/1646974295351-VgUhwZPFTD.png?width=1200)
そして、先生はDenseNetを使った理由を説明しました。
![](https://assets.st-note.com/img/1646974377400-IIV1bXYrbv.png?width=1200)
DenseNetは、各層が他の層とフィードフォワード方式で接続されています。DenseNetは、ImageNetの課題において、従来の最先端技術(ResNet)に勝り、一般に誤差が少なく、パラメータも少ないという結果が出ているため、使用しました。
3D-MRスキャン
MR検査は、体の他の部位に比べ、膝で多く行われています。
3D問題の利点は、2Dの設定と同じものを、別の視点から見られるところです。
そのため、放射線技師は3つの角度から膝の構造を見ることができます。矢状面、冠状面、軸平面です。
![](https://assets.st-note.com/img/1645700306646-ur2ozuF21w.png?width=1200)
以下のいずれかを出力する、またはまとめて出力することができます。
異常の有無
ACL
半月板
![](https://assets.st-note.com/img/1645700316589-WP7uRAjLHi.png?width=1200)
学習された畳み込みニューラルネットワークは、異常のペアごとに使用されたことなども勉強しました。
学生が研究したいときどうすれば参加できるのか?
本講演の最後では、医療AI研究に興味を持ち、研究してみたいという方に向けて、研究への関わり方、参加方法をお伝えしています。参加方法は、下記のとおりです。
1. スタンフォードMLグループのMURAデータセットを用いたX線研究の実施2. スタンフォード大学の学生を対象に毎年開催されているAI for Healthcare Bootcampに参加する
MURAのデータセットをダウンロードしたい方は、以下のリンクからダウンロードできます。
まとめ
本記事では、「ディープラーニング(深層学習)が解決できる、医療におけるインパクトの大きい問題とは?」や「継続的な研究とはどのようなものですか?」や「どうすれば参加できるのか?」などを紹介しました。
本講義では、AIが医療でできることとして、データから問うことのできるレベルを定式化できること、AIラボで異なる問題を適用した3つの事例、そして、ヘルスケアAI研究に興味を持ち、研究をしてみたいという方に向けて、研究への関わり方、参加方法について、学習することができました。
現在、Airitechではエンジニアを募集しています。
募集中のポジションはこちらです 👇
🔴プロジェクトマネージャー
🔴プロジェクトリーダー
🔴サブリーダー
🔴プログラマー
🔴システムエンジニア
たくさんのご応募をお待ちしています ❕
この記事が気に入ったらサポートをしてみませんか?