How AI is making it easier to diagnose disease | Pratik Shah

翻訳: Yumi Urushihara 校正: Eriko T

Computer algorithms today are performing incredible tasks

現在のコンピューターアルゴリズムは 素晴らしい仕事をしています

with high accuracies, at a massive scale, using human-like intelligence.

人間のような知能を持ち 膨大なデータを 高い精度で処理しています

And this intelligence of computers is often referred to as AI

このコンピューターの知能は よく「AI」

or artificial intelligence.

あるいは「人工知能」と呼ばれます

AI is poised to make an incredible impact on our lives in the future.

AIは 人々の将来の暮らしに 素晴らしい影響を及ぼそうとしています

Today, however, we still face massive challenges

しかし 私達は今でも 感染症やがんなどの

in detecting and diagnosing several life-threatening illnesses,

命に関わる病気を 発見や診断をする際に

such as infectious diseases and cancer.

数多くの課題に直面しています

Thousands of patients every year

毎年 何千人もの患者が

lose their lives due to liver and oral cancer.

肝臓がんや口腔がんで 亡くなっています

Our best way to help these patients

これらの患者を救う 最善の方策は

is to perform early detection and diagnoses of these diseases.

がんの早期発見と診断を 行うことです

So how do we detect these diseases today, and can artificial intelligence help?

現在 病気はどう検出されているでしょう？ AIは活用可能でしょうか？

In patients who, unfortunately, are suspected of these diseases,

不幸にも 患者にこれらの 病気の疑いがある際には

an expert physician first orders

専門医が最初に指示するのは

very expensive medical imaging technologies

蛍光イメージング、CT、MRIなどの

such as fluorescent imaging, CTs, MRIs, to be performed.

とても高価な 医用画像技術の使用です

Once those images are collected,

画像が集まったら

another expert physician then diagnoses those images and talks to the patient.

また別の専門医が画像を診断し 患者に診断を告げます

As you can see, this is a very resource-intensive process,

お分かりのように この過程は 膨大なリソースを要します

requiring both expert physicians, expensive medical imaging technologies,

２人の専門医、高価な医用画像技術

and is not considered practical for the developing world.

発展途上国では 実用的ではありません

And in fact, in many industrialized nations, as well.

実際は 多くの先進国でも同じです

So, can we solve this problem using artificial intelligence?

ではAIを使って この問題を 解決できるでしょうか？

Today, if I were to use traditional artificial intelligence architectures

現在 もし私が従来の AIの仕組みを使って

to solve this problem,

この問題を解決しようとしたなら

I would require 10,000 --

１万枚もの―

I repeat, on an order of 10,000 of these very expensive medical images

繰り返しますが 万単位の とても高価な医用画像が

first to be generated.

まず必要になります

After that, I would then go to an expert physician,

その後 私は 専門医のところに行き

who would then analyze those images for me.

これらの画像を 分析してもらいます

And using those two pieces of information,

そして これら２つの 情報を用いて

I can train a standard deep neural network or a deep learning network

患者を診断するために 標準的な ディープニューラルネットワーク

to provide patient's diagnosis.

または ディープラーニングネットワークに 学習させることができます

Similar to the first approach,

最初のアプローチと同じように

traditional artificial intelligence approaches

AIを使った従来のアプローチでは

suffer from the same problem.

同じ問題に突き当たります

Large amounts of data, expert physicians and expert medical imaging technologies.

膨大なデータ、専門医 専門医用画像技術

So, can we invent more scalable, effective

では より広めやすく、より効果的で

and more valuable artificial intelligence architectures

より価値のある AIを構築し

to solve these very important problems facing us today?

現在私達が直面する 重要な課題を 解決することは可能でしょうか？

And this is exactly what my group at MIT Media Lab does.

それがまさに MITメディアラボで 私のグループが取り組んでいる内容です

We have invented a variety of unorthodox AI architectures

現在 医用画像や臨床試験で直面する 最も重要な課題のいくつかを解決するために

to solve some of the most important challenges facing us today

いくつかの斬新な AIの仕組みを開発しました

in medical imaging and clinical trials.

In the example I shared with you today, we had two goals.

今日皆さんにお伝えした例では ２つの目標がありました

Our first goal was to reduce the number of images

最初の目標は AIのアルゴリズムの

required to train artificial intelligence algorithms.

学習に必要な画像の 枚数を減らすことでした

Our second goal -- we were more ambitious,

２つ目の目標は より野心的で

we wanted to reduce the use of expensive medical imaging technologies

患者をスクリーニングする際の 高価な医用画像技術の使用を

to screen patients.

減らしたいと考えました

So how did we do it?

私達は どう取り組んだでしょう？

For our first goal,

最初の目標については

instead of starting with tens and thousands

従来のAIのように

of these very expensive medical images, like traditional AI,

数万枚もの高価な医用画像から 取りかかるのではなく

we started with a single medical image.

１枚の医用画像から 始めることにしました

From this image, my team and I figured out a very clever way

私のチームは この画像から 何十億もの

to extract billions of information packets.

情報パケットを抽出する 賢い方法を見つけました

These information packets included colors, pixels, geometry

これら情報パケットに含まれるのは 色、画素、位置関係—

and rendering of the disease on the medical image.

そして医用画像に 病巣をレンダリングしたものです

In a sense, we converted one image into billions of training data points,

ある意味 １枚の画像を何十億もの 学習用データへ変換できたことで

massively reducing the amount of data needed for training.

学習に必要なデータ量の 大幅減が可能になりました

For our second goal,

二つ目の目標

to reduce the use of expensive medical imaging technologies to screen patients,

スクリーニングの目的で 高価な医用画像検査の使用を減らすために

we started with a standard, white light photograph,

患者のためにデジタル一眼レフカメラや 携帯電話で撮影された

acquired either from a DSLR camera or a mobile phone, for the patient.

標準的な白色光の写真から始めました

Then remember those billions of information packets?

先程の何十億もの 情報パケットを覚えていますか？

We overlaid those from the medical image onto this image,

医用画像から得たそれらの情報を この画像の上に重ね

creating something that we call a composite image.

いわゆる 合成写真を作りました

Much to our surprise, we only required 50 --

かなり驚いたことに わずか50枚で十分でした

I repeat, only 50 --

繰り返しますが わずか50枚の

of these composite images to train our algorithms to high efficiencies.

合成写真で 効率よくアルゴリズムに 学習させることができました

To summarize our approach,

私達のアプローチをまとめると

instead of using 10,000 very expensive medical images,

１万枚の とても高価な医用画像を 使うのではなく

we can now train the AI algorithms in an unorthodox way,

AIアルゴリズムを画期的な 方法で学習させることが可能になりました

using only 50 of these high-resolution, but standard photographs,

デジタル一眼レフカメラや 携帯電話で撮影した

acquired from DSLR cameras and mobile phones,

標準的な高解像度写真が たった50枚あれば

and provide diagnosis.

診断ができます

More importantly,

より重要なことに

our algorithms can accept, in the future and even right now,

私達のアルゴリズムは 将来 そして今でも

some very simple, white light photographs from the patient,

高価な医用画像技術ではなく 患者が持つ

instead of expensive medical imaging technologies.

ごくシンプルな 白色光写真を 活用できます

I believe that we are poised to enter an era

AIが私達の将来に 素晴らしい影響を及ぼす

where artificial intelligence

時代に入ろうとしていると

is going to make an incredible impact on our future.

私は考えています

And I think that thinking about traditional AI,

データはたくさんあれど 運用が不便だった

which is data-rich but application-poor,

従来のAIのことを考えると

we should also continue thinking

特に医療分野において

about unorthodox artificial intelligence architectures,

少量のデータを活用し

which can accept small amounts of data

私達が現在直面する

and solve some of the most important problems facing us today,

最も大切な課題を解決できる 斬新なAIの仕組みについて

especially in health care.

引き続き考えていくべきです

Thank you very much.

どうもありがとうございました

(Applause)

（拍手）