Skip to content

Dicomデータ に Convolution3D をかけるという平凡なアイディア

 以下与太話。

 そぼくな気持ちで、人工知能を医療に応用しようとすると、最初に思いつくのは、CT画像の自動診断だろう。
CT画像は、解像度こそ高いが、グレイスケールでありデータの構造としては単純だ。人類の内臓の配置は通常互いに似通っているので、平行移動に強いCNN(conventional neural network)が有効に動きそうだと予想される。(その場合、Convolution2D は Convolution3Dに書き換える必要があるだろう。)直感では動くような気がする。広い世の中では既に試している人々がいるだろう。
Denoising Autoencoderをすれば、個別の臓器を学習するようになるかも知れない。

 ビジネスへ展開する道筋もおぼろげながら見えている。サービスをはじめるうえで、最大の障害になるのは、CT画像が、個人情報に相当するため厳格な管理が求められることである。しかし、実際には、この問題は存在しない。オンライン学習にして、受け取った画像はすぐに破棄することを宣言すればよいのだ。
 次に訴訟のリスクがあるが、これも思ったよりも簡単だ。”無料”でサービスを提供すればよい。これだけで訴訟リスクは大きく回避できると思われる。

 すぐに気になる大きな問題は2つある。1つは、おそらくDeepLearningを実現するためにはマシンパワーがまるで足らないであろうことだ。例えば囲碁の19×19のマスなどとは比較にならないほど大きなデータを扱う必要が出てくる。

 もう1つの問題は、このような人工知能は、医療という巨大なCPUを使わなない人工知能の一部品として組み込んで使うことになるが、それ故に、医療という巨大な人工知能の他の部品とフィードバックがうまく働くかどうかという点に不安が残り、そのすり合わせに大きな時間が使われるだろうということである。この問題については医療に関する意思決定という心理や倫理にまつわる難しい問題も発生する。

 多くの人は、これを「人間の問題」とか、「機械には解決できない…」などと表現したがると思うが、それは少し違うと思う。人工知能というのは、センサーであり、それがフラクタルな構造で積み重なっているものだ。CTの自動読影装置というのはより大きな人工知能の部品となる「小さい」人工知能なのである。より大きな人工知能の問題の一部を、人は「人間の問題」と呼ぶ。

 この手のプロジェクトは結局のところ体力と馬力がものを言うと思う。たぶん日本の出る幕はないし、結局は巨大なデータセンタをもつ組織が颯爽と駆け抜けていくだろう。僕たちは悲しい時代に生きている。

 だから、他の何かを見つけなければならない。

One Trackback/Pingback

  1. […] とあり、ひそかに医療画像診断は深層学習の主戦場の一つになると思っていたので、やっぱり、みんな同じことを考えているんだなと思いました。一方でPFIが推し進める深層学習のライ […]

Post a Comment

Your email is never published nor shared. Required fields are marked *
*
*