早期がん検診から病気の追跡まで、AI は医療画像をどのように変えていくのでしょうか?

医者を必要とせずに人体の奥深くまで浸透できるなんて、ちょっとすごいと思いませんか?放射線医用画像技術は大きな進歩を遂げ、AIの支援によって大きな一歩を踏み出しました。 AI と機械学習の強力なコンピューティング能力を使用して人体をスキャンし、人間の目では見落とされる可能性のある微妙な違いを探すことは、現在医学界が行っていることです。

今日の医療画像処理には、あらゆるデータ ポイントを分析して健康状態から病気を、ノイズから信号を検出する一連の複雑なテクノロジーが含まれています。放射線医学の初期の数十年間、研究者は主に身体写真の解像度を向上させることが任務であり、その後の数十年間の任務は、データを解釈して見逃しがないことを確認することでした。

画像技術の主な使命は病状を診断することでしたが、画像技術は現在、特にがんの分野で治療の重要な部分になりつつあります。医師は画像を調べてがん細胞の広がりを監視できるようにすることで、治療が効果があるかどうかをより早く、より正確に知ることができます。画像処理が新たな役割を果たし始め、患者の治療方法も変化し、医師はより多くの情報を得ることができ、患者にとってより良い治療法を選択できるようになりました。

テキサス大学サウスウェスタン医療センター准教授のバサック・ドーガン氏は、「今後5年以内に、機能的画像処理が治療の一部になるだろう。今日の標準的な画像処理では、患者が望む実際の臨床上の疑問に答えることはできない」と述べた。治療の精度が高くなるため、より豊富な情報に基づいてより適切な意思決定を行うことができ、機能的なテクノロジーが役立ちます。」

#早期診断

を最大限に活用するこれは、X 線、CT スキャン、MRI、超音波など、ほとんどの画像で遭遇する最初の障害です。このとき、強力な計算能力を利用して異常と正常を区別できるようにコンピューターを訓練するコンピューター支援アルゴリズムが活躍する可能性があり、これは現在行われている研究です。

長年にわたり、ソフトウェアの専門家は放射線科医と協力して大量の正常画像と異常画像を分析してきました。医師はその結果をコンピュータ プログラムに入力し、コンピュータが時間をかけて学習できるようにして、最終的には異常を区別します。より多くの画像を比較し、学習するほど、AI の識別能力は強化されます。

FDA は、80 ～ 90% の精度のイメージング アルゴリズムを承認しました。それでもFDAは、機械学習アルゴリズムが発見をしたとしても、最終的には人間が判断することを求めている。 AI は発見された疑問点にフラグを立てて医師が検討できるようにするため、医師はより迅速に患者に答えを提供できます。

マサチューセッツ ジェネラル ブリガムでは、動脈瘤やがんの検出から塞栓症や脳卒中の症状の発見まで、治療を支援するために約 50 のアルゴリズムを使用しています。アルゴリズムの半分は FDA によって承認されており、残りはまだテスト中です。

総合病院の最高データ サイエンス責任者で放射線科副部長のキース・ドライヤー氏は、「私たちの目標は病気を早期に発見することです。人間の医師が正確に診断するのに数日かかることもありますが、コンピューターは可能です」と述べた。

患者追跡の改善

コンピュータ支援による医療への AI の統合スクリーニング 最初のステップとして、機械学習は患者を監視し、微妙な変化を追跡するための重要なツールとなっています。これらの技術はがん治療において非常に重要であり、医師はがん細胞が成長しているか、縮小しているか、または変化していないのかを判断し、治療方法を決定する際に重要となります。

ドーガン医師は、「患者は化学療法を受けているが、がん細胞に何が起こっているのか？それを理解するのは難しい。標準的な画像技術では化学療法が完了するまで変化を検出することはできず、プロセス全体が影響を受ける可能性がある」と語った。

AI イメージングを使用すると、サイズや解剖学的構造に関係なく、がん細胞の変化を検出できます。ドーガン教授はさらに、「化学療法の初期段階では、がん細胞の変化のほとんどはまだ細胞死のレベルに達していない。変化は免疫細胞とがん細胞の間の相互作用の修飾に存在する。」と付け加えた。がん細胞がそうではない場合、外側から内側へ予測可能な方法で縮小する代わりに、腫瘍内のがん細胞の小さなポケットが死滅し、他のがん細胞は生き続け、塊全体が虫に刺されたセーターのようにあばた状になることがあります。細胞死は炎症を伴うことが多いため、がん細胞のサイズが依然として増加している場合もありますが、がん細胞の数は必ずしも増加しているわけではありません。標準的な画像では、どれだけのがん細胞が生きていて、どれだけが死んでいるかを知ることはできません。乳がんに対して最も一般的に使用される画像技術はマンモグラムと超音波であり、これらは単に解剖学的特徴を探すために使用されます。

テキサス大学サウスウェスタン医療センターで、ドーガン氏は 2 つの画像技術を使用して乳がん患者の機能変化を追跡しています。

最初の方法は、患者が化学療法のサイクルを受けるたびに、患者の写真を撮り、マイクロバブルを注入してがん細胞の周囲の微妙な圧力変化を観察することです。超音波は、がん細胞の周囲に集まる気泡の圧力の変化を検出できます。成長するがん細胞には、他の組織よりもその拡大をサポートするための血管が多くあります。

別の研究で、ドーガン氏は光を音信号に変換する光音響イメージングをテストしました。乳房組織にレーザー光を照射すると細胞が振動し、それによって発生する音波を捕捉して分析できます。光音響イメージング技術は、がん細胞の酸素含有量を測定するために使用できますが、がん細胞は成長する際に通常の細胞よりも多くの酸素を必要とします。音の変化を分析することで、がん細胞のどの部分が増殖し、どの部分が増殖していないのかを知ることができます。

がん細胞の画像を解析することで、どの部分がリンパ節に転移しやすいかを知ることができますが、臨床医にはがん細胞のどの部分がリンパ節に転移するかを知ることはできません。 」

#人間には見えない異常を発見

ドライヤー氏は、十分なデータと画像があれば、アルゴリズムは人間には発見できない歪みを発見できると述べました。彼のチームは、体内のバイオマーカーを測定し、その変化をプロットして、脳卒中、骨折、または心臓発作のリスクがある可能性があることを誰かに伝えることができるアルゴリズムを開発中です。

Dreyer 氏は、このテクノロジーは医療画像処理の「聖杯」であり、まだ成熟していませんが、AI 医療に変化をもたらす可能性があると考えています。

利用できる AI モデルが増えるにつれて、最終的には AI イメージングが在宅患者を支援できるようになります。ある日、スマートフォンのアプリを通じて超音波画像情報を取得できるようになるかもしれません。

Dreyer 氏は次のように述べています。「AI が医療にもたらす本当の変化は、人々が病気になる前にさまざまなソリューションを提供できるようになり、人々が健康を維持できるようになるということです。」

以上が早期がん検診から病気の追跡まで、AI は医療画像をどのように変えていくのでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。