こんにちは、AI・機械学習チームの浮田です。最近、私が筆頭著者の論文が公開されたので、今回はその紹介をします。 発表した論文はこちらです： www.ncbi.nlm.nih.gov この論文では、 胸部X線 (レントゲン) から間質性肺炎を検出するAIの評価を行いました。 結果、このAIを使うことで医師の読影成績が統計的有意に改善しました。 このAIを使うことで間質性肺炎の見落としを減らすことができることが期待されます。 エンジニアリンググループで論文を書くのは珍しい機会でしたが、査読対応など大変な時も経て無事公開することができました。 図1. 今回開発・検証した医療AIの実際の画面。プレスリリースより転載 今回開発・検証した医療AIの概要 有効性を検証するための臨床試験 目的 データセット、実験設定 結果 評価方法の詳細 感想 We're hiring! 今回開発・検証した医療AIの概要

寺本.hackforplay(); @teramotodaiki プロフィールと背景情報をあらかじめ用意しておけば、あとは相手の話した内容をもとに選択肢を表示してくれて、ボタンを押すだけ これ全人類にとって理想のUIでは？？？ #未踏ジュニア pic.twitter.com/4PAUCrC7nV 2023-11-03 11:53:30

近年、精神療法の領域でAIの活用に注目が集まっています。そんな中、カーネギーメロン大学などの研究者らによって新たなフレームワーク『Diagnosis of Thought (DoT)』が考案されました。このフレームワークは、LLMによって人々の「認知の歪み」を診断する目的に特化しており、専門家によって高く評価されています。 認知の歪みとは、例えば「0か100か」のような極端な考え方や、他人の考えを勝手に推測するなど、不健康な思考パターンのことを指します。 DoTフレームワークを用いた診断結果は、人間の専門家が出す診断結果とも高い一致性を示しており、その有用性が確認されています。 （追記）なお、本フレームワークに基づくMyGPTを作成しました。記事末尾にURLを記載するため、興味のある方はぜひお試しください。 参照論文情報 ・タイトル：Empowering Psychotherapy wit

最近、AIが人間の機能や役割をやってのける話を耳にする機会が増えた。そうしたAIによる人間の機能の代替は、ある時期まではチェスや囲碁や将棋といった、ルールが厳格で判断の範囲が限定された機能に関する話題が中心だったが、2023年に話題になっているのは汎用的な機能、たとえば翻訳のような、旧来は人間でなければ困難と思われていた機能もAIがやってくれそうな気配が漂っている。 AIがチェスや囲碁や将棋をやるようになった時、そろそろ人間に追い付きそうだといわれてから実際に人間に追い付き、人間のずっと先にたどり着くまでの時間は長くなかった。それをなぞらえるとしたら、AIが翻訳や要約やデスクワークの領域でそろそろ人間に追い付きそうだといわれるようになってから実際に人間に追い付き、人間のずっと先にたどり着くまでの時間も長くないよう私なら想像する。電力や計算資源といった、物理的問題にもよるだろうが……。 先日

世界中には依然として治療薬が見つかっていない難病があり、新しい病気が流行することもあります。 そのため新薬の開発は絶えず求められてきました。 しかし膨大な化合物から目的に合致するものを探し当てるのは簡単ではありません。 そこで九州大学生体防御医学研究所の中山 敬一（なかやま けいいち） 主幹教授ら研究チームは、あらゆる疾患の治療薬を見つける人工知能「LIGHTHOUSE（“灯台”の意）」を開発しました。 既にがん治療に役立つ化合物と、新型コロナウイルス治療薬の候補を発見することに成功しています。 研究の詳細は、生物学のプレプリントサーバー『bioRxiv』に9月27日付で公開されました。

東京大学医学部附属病院老年病科の秋下雅弘教授、亀山祐美助教（特任講師〔病院〕）らのグループは1月26日、東京都健康長寿医療センター放射線診断科の亀山征史医長らと共同で、人工知能（AI）が認知機能の低下した患者と健常者の顔写真を見分けられることを示したと発表。本成果は世界初とうたう。なお、本研究は1月26日に米国科学誌『Aging（Albany, NY）』に掲載された。 認知症は高齢化社会において最も深刻な問題の一つ認知症は高齢化社会において最も深刻な問題の一つであり、今後の治療戦略においては早期診断が重要になってきている。しかし、同研究グループによると、認知症の診断のための検査はさまざまな制約を抱えているという。例えば、アルツハイマー病の主病変タンパク質であるβアミロイドが蓄積しているかを検出するための陽電子断層撮像（PET）検査「アミロイドPET」による検査費用は高額であり、脳脊髄液の採

新薬開発を行う場合、細胞実験・動物実験・臨床試験という複数の段階にまたがる実験を行い、安全性と効果を当局に承認してもらう必要があるため、長い時間が必要となります。このため、ある病気に対してすでに効果と安全性が認められている薬を別の病気に転用するという方法で時短が図られることもありますが、それでも時間のかかる臨床試験は必要です。このような薬の転用における人的リソースと時間を削減すべく、研究者が大量のデータを学習させた人工知能(AI)アルゴリズムに、薬の候補とその効果を推測させる方法を編み出しました。 A deep learning framework for drug repurposing via emulating clinical trials on real-world patient data | Nature Machine Intelligence https://www.na

理化学研究所（理研）革新知能統合研究センター病理情報学チームの山本陽一朗チームリーダー、日本医科大学泌尿器科の木村剛准教授らの共同研究グループは、医師の診断情報が付いていない病理画像から、がんに関わる知識をAIが自力で獲得する技術を開発し、がんの再発の診断精度を上げる新たな特徴を見つけることに成功しました。 本研究成果は、手術後の高精度ながんの再発予測法として、個々に合った治療選択に生かせるとともに、画像から新たな知識を獲得するための自動解析手法として役立ちます。さらに、ブラックボックスといわれているAIの解析根拠をひも解く一歩として、医療において安心して使用できるAIの実現に貢献すると期待できます。 今回、共同研究グループは、1枚あたり100億画素以上の前立腺病理画像から、AIが画像上のがんの特徴を、人に教わることなく自動で取得し、それを人間が理解できる情報として出力する技術の開発に成功

ＡＩ＝人工知能がみずから学習するディープラーニングと呼ばれる技術を使って、脳の画像から病気を見つけるシステムを東京のベンチャー企業が開発し、医療機器として承認されました。ディープラーニングを活用したＡＩのシステムが国の承認を受けたのは国内で初めてです。 システムではＡＩに、くも膜下出血にもつながる脳動脈りゅうの患者と健康な人の脳のＭＲＩ画像を読み込ませることで、ＡＩがディープラーニングの技術でみずから学習し、病気の画像で見られる特徴を把握します。 そして、脳のＭＲＩ画像から脳動脈りゅうの疑いがあるかどうか判定し、医師の診断を支援します。 画像から脳動脈りゅうを見つけられたのは、専門の医師だけだとおよそ68％でしたが、システムでは77％ほどに精度が上がったということで、先月、医療機器として承認されたということです。 厚生労働省によりますと、ディープラーニングを活用したＡＩのシステムが医療機器

by rawpixel.com 人工知能(AI)の活躍は医療の現場でも期待されていて、膨大な画像やデータを基に学習したAIは人間の医師よりも優秀だという研究も報告されています。しかし、「AIの医療現場への応用を研究した論文の多くはその内容が不十分であり、実際はAIと人間の診断精度は変わらない」という調査結果が報告されています。 A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis https://www.thelancet.com/journals/landig/article/PIIS2589-7500(19)30123-2/fu

三菱ケミカルホールディングス（ＨＤ）は、豚の鳴き声を人工知能（ＡＩ）で学習し、健康状態を検知するシステムの共同研究を始めた。畜産業務の熟練者と同等以上の水準で、呼吸器系疾病の兆しや母豚の発情兆候の早期検知、哺乳回数の測定を目指す。将来の食糧難をにらみ、畜産業務を効率化するソリューションを開発する。 養豚場では清掃などの業務をしながら豚の様子を見ており、異常の発見には個人差があり、発見が遅れることもある。同研究では、豚の鳴き声は鳥や牛に比べ特徴的なことに着目。例えば、罹患（りかん）した豚を早期に隔離すれば、感染拡大を防げる。 産業技術総合研究所発ベンチャー企業のＨｍｃｏｍｍ（エイチエムコム、東京都港区）と宮崎大学と共同研究する。同大学の牧場（住吉フィールド、宮崎市）などで豚の音声を収集。エイチエムコムの異音検知プラットフォーム「ＦＡＳＴ―Ｄ」を活用し、音声をＡＩに学習させ、検知システムを構築

哲戸(´･_･`)次郎 @pp_GIRAUD 30年近いキャリアを持つセンセにAI読影について聞いたら、以前は見落としや見えづらい部分を専門医をアシストするスクリーニング的役割だったけど、最近はAIが画像で癌の可能性を指摘し病理で癌が確定した後に、何度該当部位を目で読影しても何をもって癌と判断したか分からないケースが増えてきたと 2019-09-04 21:45:50 哲戸(´･_･`)次郎 @pp_GIRAUD 今までなら『人相が悪い』とか漠然とした表現に見えてもキチンと医師間で読影のポイントが伝承されてきたんだけど、AIはそのアルゴリズムは全てブラックボックスなので結果以外のフィードバックはなく、初めて専門医としてAIに脅威を感じたと言ってて、なるほどなと思った。 2019-09-04 21:50:00

原文記事: [阿尔法狗再下一城 | 蛋白结构预测AlphaFold大胜传统人类模型] (2018/12/03公開) 「研究したいタンパク質があるのだが、その構造と機能がわからない」 — これは分子細胞生物学の研究者が日々直面する最大の難題の一つである*a。アミノ酸配列測定技術が発展する中で、多くのタンパク質の配列がハイスループット*1に解析されているが、この配列決定の段階から実際に3次元構造を決定するまでの間には、未だに大きな距離がある。 生物の基本単位が細胞だとして、細胞の基本的な機能単位こそが、複雑多岐なタンパク質の1つ1つである。そしてまさにタンパク質の機能の本質を決定しているのが、タンパク質の構造である。タンパク質の機能を研究したり、それをターゲットとする薬剤を開発したいというとき、タンパク質の構造はとても重要な要素の一つになる。だからこそ、生物学には、構造生物学という学問領域まで

IBM「ワトソン」、行き詰まる医療診断への応用 数十億ドルを投じたものの、がん治療で大きな価値もたらせず

by Institut Douglas 近年のAI技術の発達には目を見張るものがあり、「人間はAIに仕事を奪われてしまうのではないか？」という危機感を持つ人も少なくありません。そんな中、「中国で行われた病気の画像診断コンテストで、AIがベテランの医師たちよりも高い精度で正しく病気を診断した」ということが話題になっています。 China Focus: AI beats human doctors in neuroimaging recognition contest - Xinhua | English.news.cn http://www.xinhuanet.com/english/2018-06/30/c_137292451.htm 2018年6月30日、北京で「脳腫瘍と脳内の血腫拡大を患者の画像から予測する」というコンテストが行われました。その結果、北京天壇病院の神経障害AI研究センタ

東京大学、大阪大学およびシンクサイト株式会社の研究グループは、人の目で見ても見分けることが難しい細胞を超高速・高精度に分析・判別し、さらにその細胞を超高速（従来の顕微鏡方式比で千倍以上）で分取するシステムを開発した。 「人を介さない画像情報解析ならば、画像は必要がない」。ここから、「画像（人が認識するためのデータ方式）を作らずに、細胞の形態情報を直接機械学習モデルに判別させる」というコンセプトを発案した。細胞形態データを画像化せずに機械学習させることで、超高速リアルタイム判別するイメージング処理が可能となった。 さらに、このイメージング法にマイクロ流体細胞分取技術を融合させることで、1）高速で細胞の蛍光イメージを計測し、2）機械学習でリアルタイム解析し、3）マイクロ流体中で選択的分取する、世界初の「機械学習駆動型リアルタイム細胞分離技術」が実現した。 これまで、形態観察に基づく細胞の分類、

平素は株式会社ライブドアのサービスを ご利用いただきありがとうございます。 提言型ニュースサイト「BLOGOS」は、 2022年5月31日をもちまして、 サービスの提供を終了いたしました。 一部のオリジナル記事につきましては、 livedoorニュース内の 「BLOGOSの記事一覧」からご覧いただけます。 長らくご利用いただき、ありがとうございました。 サービス終了に関するお問い合わせは、 下記までお願いいたします。 お問い合わせ ※カテゴリは、「その他のお問い合わせ」を選択して下さい。

medical-tribune.co.jp 論文を入手し、当該部分を訳しました。意訳です。医師が使うための基準なので、医師でない方が自分の参考にするのは悪くないと思いますが、他人に対して運用すると良くない結果を招くと思います。また、私は医師ではなく、この基準に責任を持つ立場ではないので、心当たりのある方は医師にご相談ください。 追記:質問文の原文がこちらで紹介されています。論文本文の方はこちら。 以下の質問に、「全然ない」「稀に」「ときどき」「しばしば」「とてもよくある」でお答えください。「全然ない」を0点として、「稀に」以上を、「とてもよくある」を質問の最後の得点とした形で割って点数を出してください。 1.誰かがあなたに何かを話しかけているとき、直接あなたに話しかけているときであっても、集中するのに困難を感じてしまうことはどれだけ頻繁にありますか。(5点) 2.ずっと座っていることを期待