AIは乳がんの見逃しを防げる？｜ 乳がん画像診断の未来
文／松村むつみ
AI導入による診断精度向上が期待される
AIの医療への活用が近年話題になっています。特に、画像診断や病理診断の分野では、ディープラーニングによる高い精度の診断が可能になってきており、AI導入による診断精度向上が期待されています。
ディープラーニング（深層学習）とは、ニューラルネットワーク（脳の神経細胞の回路をモデルとしたアルゴリズムを多層構造化したもの）の構造を利用して機械学習を行う仕組みで、コンピューターが自ら繰り返し学習するという特徴があり、画像診断の分野では、それを利用して画像の特徴を抽出し、診断に利用する研究が行われています。
AIは見逃しを防ぐ？
画像診断で、熟練した画像診断医ですら見落としが起こることがあります。癌の見落としがニュースになることもあります。一般的に、CTやMRIなどの画像が撮影されると放射線診断専門医という医師（筆者もそのひとりです）が画像を読影し診断を行いますが、CTやMRIの台数が世界でも飛び抜けて多い日本では（下図参照）、それに比較すると放射線診断専門医の数が少なく、全ての画像を放射線診断専門医が読影できているわけではありません。また、読影されていても、放射線診断専門医でも見逃すことはあり得ますし、レポートが担当医によって見逃されることも残念ながら起こり得ます。AIを使った特徴の抽出と、専門医の目視によるダブルチェックを行うことで、将来的には見落としを最大限に防ぐことが期待されています。
OECDの2015年データをもとに厚生労働省作成
画像診断では、胸部レントゲン写真(1)やCTでの病変検出に加えて、脳ドックなどでMRIを受けた際に、高い精度で動脈瘤を検出することなどが期待されています。大阪市立大学のグループは、脳動脈瘤の検出にAIを使用したところ、検出数が5-10%上昇したと報告しています(2)。アメリカのNIHは、10万枚を超える胸部レントゲン写真のデータを公開し、AI開発に役立てています (3)。
乳がん分野でのAI活用は？
乳がんの検査で、検診などでもっとも受ける機会が多いのはマンモグラフィ検査と思われますが、マンモグラフィは、画像診断の中で、AIを用いた検出システムがもっとも使用されている分野です。前回、「高濃度乳房に注意」と書きましたが、ディープラーニング機能による乳腺濃度を判定するシステムが開発され、診断医の判定と一致率が高いことが報告されています(4)。マンモグラフィによる癌の検出に関しては、AIによりマンモグラフィ診断のAUC(
また、乳癌においては、画像診断以外の病理学の分野でもAIの活用はすすみ、乳がんの転移を、病理医よりも正確に診断できたという報告があります(6)。
AIを併用して、より適切な診断を
AIの進歩により、将来的には、放射線診断専門医に代表される画像診断医という仕事自体がなくなるかもしれないとも囁かれ、画像診断医を目指す若い人が減っているともききます（日本専門医機構によると、初期研修を終え、放射線科を選んだ医師の数は、平成31年度は前年に比べ30人弱減少しています(7）。この減少にAIによる診療の可能性がかかわっているのかどうかは、現時点でははっきりしません）。一方で、単純作業をAIに任せ、より創造的で複雑な仕事に時間を割くことができるというプラスの意見もあります。また、AIを使用する医師と使用しない医師での格差が将来生じるかも知れない可能性もいわれています。AIの認識パターンと人間の医師による認識のパターンは仕組みが異なることが知られており、AIが画像診断分野において、最終的にどのような影響をもたらすのかは、世界的にも議論されていますが、まだ議論の途上にあります。いずれにせよ、AIを活用することで、見落としが減ったり、より精度の高い画像診断、病理診断ができるのであれば、乳がんをはじめとする、がん患者さんや検診受診者にとっては、より質の高い医療が提供されることになり、望ましいといえるでしょう。
【参考文献】
1) Kallianos et al：How far have we come? Artificial intelligence for chest radiograph interpretation. Clinical Radiology 74: 338-345
2) Ueda et al：Deep Learning for MR Angiography: Automated Detection of Cerebral Aneurysms. Radiology
3) Wang et al: ChestX-ray8: Hospital-scale Chest X-ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases.
IEEE CVPR 2017, pp. 2097-2106
4)Lehman et al: Mammographic Breast Density Assessment Using Deep Learning: Clinical Implementation. Radiology 2019;290:52-8
5)Rodriguez-Ruiz A et al：Detection of Breast Cancer with Mammography:
Effect of an Arti cial Intelligence Support System . Radiology290:305-14
6)Bejnordi et al: Diagnostic Assessment of Deep Learning Algorithms for Detection of Lymph Node Metastases in Women With Breast Cancer. JAMA. 318(22):2199-2210.
7）１．www.mhlw.go.jp/content/10803000/000491846.pdf
文／松村むつみ 放射線診断専門医 核医学専門医 日本乳癌学会認定医 医学博士
1977年 愛知県生まれ。2003年名古屋大学医学部医学科卒。国立国際医療研究センターにて初期研修。外科医を経て、2009年 より横浜市立大学にて乳房画像診断、PETを中心に画像診断を習得。2017年より、フリーランスの画像診断医となり、神奈川県内の大学病院や、複数の病院で、乳腺や分子イメージングを中心に画像診断を行う。医師業の傍ら、医療ジャーナリストとして、医療制度やがん、日本の医療の未来を中心とした記事の執筆も行う。プライベートでは、非医療職の夫、２人の子どもがいるワーキングマザー。
