理化学研究所、深層学習を利用した教師なし学習型のがん再発診断精度を上げる研究成果を発表

理化学研究所と日本医科大学の共同研究開発グループは12月18日、医師の診断情報が付いていない病理画像から、がんに関わる知識を人工知能が自力で獲得する技術を開発し、がんの再発の診断精度を上げる新たな特徴を見つけることに成功したと発表した。

今回、共同研究グループは、1枚あたり100億画素以上の前立腺病理画像から、人工知能が画像上のがんの特徴を人に教わることなく自動で取得し、それを人間が理解できる情報として出力することに成功したという。人工知能が発見した要素には、世界中で使われているがんの診断基準のほか、専門家も気づいていなかったがん領域以外の部位の特徴が含まれていたという。これらの要素の再発予測性能を確認するため、三つの大学病院の15,000枚以上の病理画像で検証したところ、現在の診断基準よりも高い精度で再発予測ができたとしている。病理医の診断と合わせて使うことで、予測精度をさらに上げることができたという。

現在の人工知能技術の主流であるディープラーニング（深層学習）では、学習にビッグデータを必要とするため、医師の診断情報が付いた大量の医療画像をどのように集めるかが実用化に向けた課題となっていた。共同研究グループは、複数のディープラーニングと非階層型クラスタリングを用いることで、病理画像から人間が理解できる情報を自動で取得する新たなAI技術の開発に成功した。今までは、医師が教えた診断をAIが学習する「教師あり学習」が医療分野では主に使用されてきたが、教師以上の分類はできないという限界があった。本研究では医師の診断を必要としない「教師なし学習」により獲得した特徴を、人が理解できるように変換し、再発期間のみを用いた最適な重み付けをAIに行わせることで、これまで不可能であったがんの未知なる情報の獲得を目指したとしている。

(川原 龍人/びぎねっと)

[関連リンク]
プレスリリース