AIによる医療診断について、近年の動向を踏まえて解説していきます。
内容はこれから随時更新していきます。追加や修正の要望があれば、コメントしてください！
Tokyo Bioinformatics Meeting 2018でのスライドはこちらです。
https://www.slideshare.net/TatsuyaMizuguchi/medical-care-and-ai
#なぜ医療×AIか
世界の先進国は今や高齢化社会（日本では超高齢社会）へ突入しており、増加する医療費、患者に対する医師の不足が深刻な問題となっています。
このような状況下でAIの医療応用には多大な期待がかっており、大企業からベンチャー企業まで様々な企業の参入が見られます。日本でも産官学連携で、AI病院なるものを2022年までに10ヶ所作るみたいですね！
そんな期待の高まる医療×AIですが、さまざまな応用例があるので、まずこれを２つに分類してみます。
-
人ができないことをやる
ビックデータを用いた薬剤効能予測や**新規知識の発掘（テキストマイニング）**など -
人ができることをやる
患者データからの医療診断や読影レポート・電子カルテの自動入力など
今回はこの医療診断に注目していきます。ほかも時間があれば記事にしたいです。。。
#なぜ医療診断×AIか
ではなぜAIに医療診断をさせるのでしょうか。これは診断のミスや見落としをなくすためです。
AIが医師の診断のサポートを行い、可能性のある病気を医師に提示したり、ダブルチェックを行うことでこのリスクを減らすことができます。
また、医師が診断にかける時間を減らすことで医師自身が勉強する時間を作ることもできますし、医師の数が足りないという問題も緩和できます。つまり良いことづくめです。
ただ考えなければいけないのは、AIが診断ミスをしたところで誰が責任をとるのかという倫理的な問題です。そのためあくまでAIは医師のサポートとして利用されています。
#医療診断×AIの動向
医療診断をするAIを作ろうという考えは20世紀後半のエキスパートシステムの頃が始まりでした。BC500年にヒポクラテスが科学的医学の基礎を築いてから2500年、1956年にジョン・マッカーシーが人工知能（artificial intelligence）を提唱してから20年弱の出来事です。
エキスパートシステムというのは、医師が医学知識や診断ルールを記述し、それをコンピュータに格納するというものです。つまり、「if 体温>37.5℃ then 発熱」のようなルールを人力で時間をかけて作ることでコンピュータに覚えさせたわけです。このルールに従って医師に患者の症状を質問していくことで、最終的な診断ができます。
実はこのエキスパートシステムは、医師がマニュアルで作成したという信頼性からか、医療分野では今でもよく利用されています。あとはオペレーションシステムでもよく利用されているのを見かけます。ただ、ルールの記入に非常に時間がかかることから一部の特徴的な病気の診断などに使うのが限界…というのが現状です。
そこで最近よく研究されてるのが、機械学習とりわけ深層学習です。機械学習の説明はほかに沢山の良記事があるので割愛しますが、速くかつ高精度に診断することが可能になりました。その勢いはすごく、例えば下の図は医療画像に機械学習を用いた研究の件数ですが、これを見ると2015年あたりから一気に件数が増えてるのが分かります。
#取り扱う論文
【医療画像×機械学習】
・HE×CNN → 乳がんの転移性診断
・MRIとPET×DPN → アルツハイマー診断
【電子カルテ(EHR)】
・EHR×RNN → 病名診断
・EHR×SAE → がん，糖尿病診断
・EHR×RBM → 自殺予測
##乳がんの転移性診断
Deep learning as a tool for increased accuracy and efficiency of histopathological diagnosis
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4876324/
##アルツハイマー診断
Multimodal Neuroimaging Feature Learning With Multimodal Stacked Deep Polynomial Networks for Diagnosis of Alzheimer's Disease.
https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7827160
##病名診断
Doctor AI: Predicting Clinical Events via Recurrent Neural Networks
https://arxiv.org/pdf/1511.05942.pdf
##がん及び糖尿病診断
Deep Patient: An Unsupervised Representation to Predict the Future of Patients from the Electronic Health Records
https://www.nature.com/articles/srep26094
##自殺予測
Learning vector representation of medical objects via EMR-driven nonnegative restricted Boltzmann machines (eNRBM)
https://www.sciencedirect.com/science/article/pii/S1532046415000143?via%3Dihub