seoil e&m

null

2021.01.17 12:50

専門医が患者の状態がどのように発展するかを予測するのに役立てる。
▷単一X-Ray基盤で患者の悪化を予測するモデル、▷X-Rayの塩基配列に基づいた患者劣化予測モデル ▷単一X-Ray基盤で患者に必要な補充酸素(あった場合)の量を予測するモデル等の3種のマシンラーニング(ML)モデルを開発


全世界は今もコロナ19(以下COVID-19)と戦っている。伝染病が発病してから1年が過ぎたことにもかかわらず、最近の何か月の間、COVID-19の急速的な拡散によって、重症患者向けの病室不足で、痛ましく死亡する事例が頻繁で発生している。
又、専門医たちとしては、患者の状態が疾病の進展過程でどのように変わるかを予測することが依然として難しい。

患者はこれから何日以内に改善されるのか、又はより多くの重症患者室が必要になる程度まで悪化されるのか。
前例のない負担を経験している多くの病院は、患者たちがより高い治療を必要としているかを分かって、それによって計画を立てることが重要である。特に応急室で患者の兆候を早くで正確に分類することが何よりも必要な時点である。

Facebook社のAIチームは、New York University Langone Health(以下NYU)の予測分析及び放射線学科との共同研究で、病院でCOVID-19の患者を助ける十分な資源を確保するように保障するために、専門医が患者の状態がどのように発展するかを予測するのに役立てる▷単一X-Ray基盤で患者の悪化を予測するモデル、▷X-Rayの塩基配列に基づいた患者劣化予測モデル ▷単一X-Ray基盤で患者に必要な補充酸素(あった場合)の量を予測するモデル等の3種のマシンラーニング(ML)モデルを開発したと。1月15日(米国現地時間)発表した。

順次的な胸部X-Rayを使用するAIモデルは、患者により多くの集中治療ソリューションが必要な場合、最大4日(96時間)まで事前に予測できる。これは、専門医の予測を乗り越える水準である。この事前訓練されたモデルを、研究チームはオープンソースとして公開して、全世界の医療チームたちが活用して、専門医が危険に瀕している患者をあまりにも早く退院させることを避けて、酸素投与時期等の他の病院の制限された資源に対する需要をより良く予測するのに役立てる、と言った。

この問題に対する以前までの接近方式は教師あり学習(Supervised Training)に依存して、単一時間のフレームイメージを使用した。
しかし、データのラベルを指定するのには多くの時間がかかるため、適用に困難さがあった。

その代わりに研究チームは、Momentum Contrast(以下, MoCo)という 自己教師あり学習(=教師なし学習)(Self-Supervised Learning)技術を使用して、二つの大型公開胸部X-RayデータセットであるMIMIC-CXR-JPG及び、CheXpertでマシンラーニングシステムを事前学習するように選択した。これを通じて胸部X-Rayイメージから情報を抽出出来る神経網を訓練させるために、大量のCOVID胸部X-Rayデータの使用が出来た。
その次に、NYUのCOVID-19データセットの拡張Ver.を使用して、MoCoモデルの微細調整を行った。


特に、MIMIC-CXR-JPG及びCheXpertでMoCoモデルを事前訓練した後、モデルを使ってCOVID-19患者の状態が悪化される可能性を予測出来る分類器を構築した。
NYUのCOVID胸部X-Rayデータセットは、4,914人の患者から撮影した26,838個のX-Rayイメージを含めたため、微細調整のために使用した。

研究チームは、患者の悪化を予測するために、2種類の分類器を作った。
1番目のモデルは以前の研究と類似な方式で、単一のX-Ray基盤で患者の悪化を予測する。
2番目のモデルはトランスフォーマーモデルを通じて、イメージの特徴を抽出してX-Rayシークエンス基盤で患者の悪化を予測する。

ラベルが指定されたデータセットに 自己教師あり学習を使用することは重要であるが、これはAIモデルを訓練するのに十分なCOVID胸部X-Rayデータセットを保有した研究グループは殆ど無いためである。予測目的で一連のX-Rayを使用出来るAIモデルを構築することは特に重要である。この方法は長期予測にX-Rayを使用することがより正確であるため、放射線の専門医の作業方式を反映するためである。重要なことは、この方法は時間経過によってCOVID感染の進化を説明することである。

NYUで放射線専門医と共に遂行した判読器の研究によると、X-Rayイメージのシークエンスを使用したモデルは、ICUの要求及び死亡率の予測、そして長期(最大96時間)に対する全般的な副作用の予測で人間の専門家を乗り越えた。
患者に酸素資源が必要かどうかを予測出来ることも最初で、これから何週、何か月以内に資源を配分する方法を決定することによって、このAIモデルは専門医及び医療機関に革新的な助けになれる。

NYUの放射線科の教授William Moore博士は、“我々はこのAIアルゴリズムを使用して、連続胸部放射線写真でCOVID-19患者の治療の段階的拡大の必要性を予測することが出来ました。”と言って、“COVID-19が主要公衆保健問題であるため、患者の治療水準の向上(例：ICU入院)を予測する能力は、病院において必須的に作用しています”と言った。

このようなモデルは製品ではなく研究ソリューションで、専門医と病院がリソース計画を樹立出来るように支援するためのもので、病院毎の固有なデータセットがあるが、ディープラーニングモデルを最初から学習するのに必要なコンピューティング能力がないケースが多い。
事前教育を受けたモデルをオープン・ソーシングして、コンピューティングのリソースが制限されている病院で、自体データを使ってモデルを微細調整出来るようにしている。即ち、単一GPUで遂行できる作業である。

Facebook AIとNYUの共同研究チームは、このAIモデルを通じて病院と専門家たちが重要な決定を下して、限られた時間とリソースで患者をより良く治療することに役立てることを祈る、と話した。

一方、関連の研究論文は1月13日、アーカイブを通じて「自己教師あり学習及び多重イメージ予測によるCOVID-19悪化の予測(COVID-19 deterioration prediction via self-supervised representation learning and multi-image prediction)」とのタイトルで発表されて、当該AIモデルは GitHubを通じてだれでも使用できる。

＊本件についてお問い合わせ事項がございましら、当ホームページの「お申込み/お問い合わせ」か下記の連絡先へご連絡お願いします。
部署名：SEOIL E&M 企画マーケティンググループ
TEL ：+82）2-6204-2033
E-mail : pl@seoilenm.com