AI活用により子宮頸がん検診を全ての人に
At a glance
デジタル細胞学プラットフォームの開発を推進し、子宮頸がんの早期発見・治療を促進するための取り組みを支援しています。
Impact
- 初期試験において、概念実証アルゴリズムは期待を上回る成果を達成
- 子宮頸部がん検診の画像を自動的に解析し、相対感度約70％で人による判定と同等以上の評価能力を発揮
Key Technologies / Platforms
- Google Cloud Storage
- Genius Digital Diagnostics
- GitHub
- Jupyter Notebook
- Kubeflow
- Deep Learning VM Image
- NVIDIA Tensor Core GPUs
Industry
MedTech and med device
Key Services
根絶への道のりはケアへのアクセスから
子宮頸部がんは世界的に女性で4番目に多いがんです。幸いなことに、医学の進歩により、癌または前癌段階で早期発見し、患者転帰を改善できる信頼できるスクリーニング方法が導入されました。では、なぜ依然として多くの女性がこの病気で亡くなってしまうのでしょうか？
HPVワクチンやパップ検査・HPV検査による子宮頸部がん検診は、多くの患者にとって広く利用可能で一般的になっています。しかし、予防的ケアを受ける機会が限られている人もいます。医療格差が存在し、世界中のすべての女性が同じ技術や資源による定期的なスクリーニングを受けられるわけではありません。スクリーニングを受けなければ、子宮頸部がん患者は病気の発症からかなり時間が経つまで発見されず、手遅れになってしまう可能性があります。
実際、2020年の推定342,000件の子宮頸部がん死亡のうち、約90％は開発途上国で発生しています。
高精度で効率的な子宮頸部がん検診
診断ソリューションを多数開発する女性医療イノベーター兼医療技術企業Hologicは、世界中の子宮頸部がん検診の質とアクセス改善に取り組んできました。子宮頸部がんの信頼できるスクリーニングと予防方法は、この病気との闘いにおいて大きな進歩を遂げていますが、Hologicはさらなる改善を目指し、最終的にはこの病気の完全予防に貢献したいと考えています。
そのためには、今日の検査室の課題に取り組むソリューションを進める必要があります。臨床検査室は深刻な人手不足に加え、限られたリソースでより多くの成果を求められるというプレッシャーに直面しています。実際に、米国では1995年と比較して細胞検査技師の新規参入者が65％減少しています。
Hologicの研究開発・イノベーション部門副社長であるMichael Quick氏は、「1940年代に導入されたパップ検査は、子宮頸部がん発症率の大幅な減少に貢献した」と説明します。「しかし、このような技術的進歩も、医学専門家が病気を発見できない場合や、そもそも患者が命を救う検査を受けていない場合、十分に活用できません。」
さらに、検査技師にとって、スライドを調べてがん前変異細胞や癌細胞の兆候を探す作業は骨の折れる時間のかかる作業です。
広大な山の中から針を探すような作業
Slalomは、データエンジニア、ソフトウェアアーキテクト、ソリューションオーナー、プラットフォームエンジニア、品質エンジニアのチームを組成し、プロトタイプの機械学習（ML）アルゴリズム開発を支援しました。この進歩は、Hologic社の次世代デジタル細胞診において、がん細胞や前がん細胞を患者サンプルから自律的に検出することを可能にし、細胞検査技師にさらなる洞察を提供することができます。
これは、画像ベースの分類を実行できるニューラルネットワークをゼロから設計することを意味します。つまり、ボットに非常に複雑な画像を細胞ごとに観察させ、特定の特徴を認識し、細胞検査技師の仕事を補完する上で関連性のある細胞を特定させることです。
細胞検査技師は、顕微鏡下で患者の細胞を分析する際、通常はサンプルの特定領域を一度に1つずつ拡大して観察します。AI支援レビューでは、アルゴリズムがまさにこれをしているのです。それは、細胞スポット全体にあるすべての細胞を迅速に分析し、潜在的な異常を特定します。幅10万ピクセル以上の画像内で、人間の細胞のピクセル単位での分析を想像してみてください。それは、10万個の干草の山の中から針を探すようなものです。
モデルの訓練のため、Slalom Build社とHologic社は、それぞれ約20GBの5万枚以上の画像を使用しました。エンジニアは、より高速な処理が可能になるよう、画像を分割し、細分化するためのプロトコルを作成しました。そして、最初から患者のプライバシーとデータセキュリティを組み込んで行う必要がありました。Google Cloud Platformを利用することで、チームは HIPAAに準拠した大規模データストレージと機械学習研究のメリットを活用し、数千枚の画像を数秒で処理できるインフラを構築することができました。
つまり、我々は高度に訓練された人間の細胞検査技師の仕事を補完する機械を訓練するだけでなく、標準化された効率的な方法で全体の画像をスキャンし、診断カテゴリのスライドレベル確率を出力する能力を向上させる必要がありました。
デジタル細胞診の継続的な進歩
初期テストでは、概念実証アルゴリズムは期待を上回る成果を示しました。このアルゴリズムは、子宮頸部がん検診画像のスライドレベル分類を、人間による判定と比較して約70％の相対感度で自律的に決定しました。
我々は、概念実証人工知能（AI）アルゴリズムが、人間の専門家が見ていることを学習し、その能力を補完する可能性があることを証明しました。アルゴリズムは時間とともに改善されるため、結果はさらに向上する可能性があります。
「AIは、精度を低下させることなく、子宮頸部がん検診を大幅に迅速化させることができるでしょう」と、Hologic Lab SupervisorのAshley Jarosz氏は断言します。「この取り組みが患者転帰をさらに改善できる可能性があることに非常な感動を覚えています。」
Michael Quick氏は、この技術が患者ケアの未来にとって何を意味するのかを以下のように熱く語っています。「Hologic社がGenius Digital DiagnosticsとGenius Cervical AIで開発したテクノロジーは、世界保健機関の『我々の世代での子宮頸部がん撲滅』という目標を推進する可能性があります。このPOCプロジェクトは、この技術が将来的に検査技師にさらなる患者ケアのための洞察を提供する可能性の証拠です。」
そして同時に、命を救う子宮頸部がん検診が世界中の人々によりアクセスしやすくなるでしょう。
