乳がんのスクリーニングにAIを活用している医師たち

新型コロナウイルスがマサチューセッツ州に到来した際、コンスタンス・レーマン氏はマサチューセッツ総合病院における女性の乳がん検診方法の変更を余儀なくされました。多くの人がウイルスへの不安から定期検診やスキャンを受けていなかったのです。そこで、レーマン氏が共同ディレクターを務めるセンターは、人工知能アルゴリズムを用いて、がんを発症するリスクが最も高い人を予測するようになりました。

リーマン氏によると、アウトブレイクが始まって以来、約2万人の女性が定期検診を受けていないという。通常、検診を受けた女性1,000人のうち5人にがんの兆候が見られる。「つまり、診断されていないがんが100もあるということです」と彼女は言う。

リーマン氏によると、AIのアプローチは、定期検診を受けるよう勧められた女性の多くが、がんの初期症状を呈していたことを特定するのに役立ったという。アルゴリズムによって発見された女性は、がんを発症する確率が3倍にもなった。従来の統計手法は、無作為な検査と同程度の精度だった。

このアルゴリズムは過去のマンモグラムを分析し、医師が以前のスキャンで警告サインに気づかなかった場合でも機能するようです。「AIツールは、私の目や脳では読み取れない情報を抽出しているんです」と彼女は言います。

研究者たちは長年、医用画像診断におけるAI分析の可能性を称賛しており、いくつかのツールは医療現場に導入されています。リーマン氏はMITの研究者と協力し、AIをがん検診に応用する方法について数年間研究を重ねてきました。

しかし、AIはリスクをより正確に予測する手段として、さらに有用となる可能性があります。乳がん検診では、マンモグラフィーでがんの前兆を調べるだけでなく、患者の情報を収集し、それらを統計モデルに入力して、フォローアップ検診の必要性を判断することもあります。

MITの博士課程学生であるアダム・ヤラ氏は、リーマン氏が使用している「Mirai」と呼ばれるアルゴリズムの開発を、新型コロナウイルス感染症の流行前から開始していた。ヤラ氏によると、AI活用の目的は早期発見の向上と、誤検知によるストレスとコストの削減だという。

Miraiを開発するにあたり、ヤラ氏は放射線医学分野におけるAI活用のこれまでの取り組みを悩ませてきた問題を克服しなければなりませんでした。彼は、あるアルゴリズムが別のアルゴリズムを欺こうとする敵対的機械学習アプローチを用いて、放射線機器間の差異（乳がんリスクが同じ患者でもスコアが異なる場合がある）を考慮しました。このモデルは複数年分のデータを集約するように設計されており、データ量が少ない従来の取り組みよりも精度が高くなっています。

MITのアルゴリズムは、マンモグラムの標準的な4方向の画像を解析し、そこから手術歴や更年期などのホルモン要因など、患者に関する収集されないことが多い情報を推測します。これは、医師がこれらのデータをまだ収集していない場合に役立ちます。この研究の詳細は、本日Science Translational Medicine誌に掲載された論文に記載されています。

Miraiは、女性の乳がんリスクを判断するために通常使用される統計モデルよりも精度が高いことが分かりました。過去の患者データと比較したところ、5年後にがんを発症した人の42%が、このアルゴリズムによって高リスクと判定されました。一方、既存の最良のモデルでは23%でした。このアルゴリズムは台湾とスウェーデンの患者データにも適用でき、幅広い患者に有効であることが示唆されました。ヤラ氏は、このモデルは大規模で十分に多様なデータセットを使用しているため、一般化しやすいと述べていますが、アルゴリズムを様々な状況で検証することが常に重要であると指摘しています。