JSAI2024チュートリアル医療情報と人工知能(担当箇所)

Transcript

1. 医療情報と人工知能への 心理的障壁を下げる 産総研 人工知能研究センター 主任研究員 香川璃奈 2024/05/30 JSAI2024 チュートリアル
2. / 55  医療情報と人工知能への心理的障壁 01 お勉強 公開データを使う 医療機関の実データを使う 成果発表 h"ps://en.wikipedia.org/wiki/Chest_radiograph h"ps://en.wikipedia.org/wiki/CT_scan h"ps://doi.org/10.7910/DVN/DBW86T
3. / 55  医療情報と人工知能への心理的障壁 01 お勉強 公開データを使う 医療機関の実データを使う 成果発表 知識がない！ 医療情報に親しむ 機会がない！ COIを開示せよ？ 倫理審査が必要？ h"ps://en.wikipedia.org/wiki/Chest_radiograph h"ps://en.wikipedia.org/wiki/CT_scan h"ps://doi.org/10.7910/DVN/DBW86T
4. / 55  医療情報と人工知能への心理的障壁を下げる 02 お勉強 公開データを使う 医療機関の実データを使う 成果発表 医療分野のルール・文化は けっこう単純・公開されている 医学知識・医療情報は けっこう柔軟に手に入る h"ps://en.wikipedia.org/wiki/Chest_radiograph h"ps://en.wikipedia.org/wiki/CT_scan h"ps://doi.org/10.7910/DVN/DBW86T 知識がない！ 医療情報に親しむ 機会がない！ COIを開示せよ？ 倫理審査が必要？
5. / 55  医療情報と人工知能への心理的障壁 1 10 お勉強 公開データを使う 医療機関の実データを使う 成果発表 知識がない！
6. / 55  教科書 医療情報と人工知能 11 医療と技術のバランスがとれた、この一年間のホットトピック ◆Yearbook of Medical Informatics https://www.thieme-connect.com/products/ejournals/journal/10.1055/s-00034612 技術動向に基づく研究トピック 各種論文誌・国際会議予稿集の参照をお勧めします ◆Journal of Biomedical Informatics ◆Journal of the American Medical Informatics Association ◆AMIA Annual Symposium Proceedings ◆npj Digital Medicine ◆NEJM AI 応用先に基づく研究トピック ◆Chiang, M. F. (2021). Biomedical informatics: computer applications in health care and biomedicine. Springer Nature. 5th edition ◆William Hersh (2022). Health Informatics: Practical Guide, 8th Edition “医療”っぽい分類 “医療情報と人工知能”を広くカバー 画像処理など については、小林先生があとで教えてくれます。 J
7. / 55  教科書 医学・医療 12 まずはここから ◆疾患・臓器別に知りたい 病気がみえるシリーズ メディックメディア社 ◆症状別に知りたい 診察ができる Vol.2 鑑別診断 メディックメディア社 ◆悪性腫瘍（がん）について知りたい がん情報サービス https://ganjoho.jp/public/index.html 疾患の診断・治療の詳細を把握したい ◆ガイドライン ◆「疾患名 ＋ ガイドライン」で検索（書籍のみの場合も） ◆ 悪性腫瘍（がん）について http://www.jsco-cpg.jp/ 医者の思考過程を覗きたい ◆診断と認知バイアス 「誤診」はなくせるのか？ 監訳：綿貫聡、徳田安春 医学書院 2019年 専門性と分かりやすさ のバランスが神 診断基準や治療方針は、国・地域 によって細部が異なる 医学の専門性は臓器・からだの部位ごと しかし、検査や症状は臓器・部位をまたぐ 版元ドットコムより
8. / 55  用語集・シソーラス・コード集など 13 用語集等をまとめて確認できる書籍 ▶ 医療言語処理 荒牧英治著 コロナ社 2017年 入手先 特徴 病気 ICD-10 閲覧・検索(日本語) http://www.byomei.org/ ダウンロード https://www2.medis.or.jp/stdcd/byomei/index.html WHOが定める、ICD- 11が近日公開予定、ツ リー構造 万病辞書 https://sociocom.naist.jp/manbyou-dic/ Mecab用辞書データあり 薬剤 HOTコード https://www2.medis.or.jp/master/hcode/ 他の薬剤コードとの対 応が充実 検査 臨床検査マ スター https://www2.medis.or.jp/master/kensa/index.html 生活 ・ 看護 ComeJisho https://ja.osdn.net/projects/comedic/ 看護領域の形態素解析 目的で作成 ICF 閲覧（日本語） https://iris.who.int/bitstream/handle/10665/4 2407/9241545429-jpn.pdf?sequence=313&isAllowed=y 国際生活機能分類 WHOが定める 国や地域によって利用できる・利用されている用語集は異なる可能性がある。 J
9. / 55  用語集・シソーラス・コード集など 14 医療系の用語集の類 はどうやって作成・管理しているの？ The International Classification of Diseases (ICD) WHO▶厚労省の担当室▶日本医学会・日本歯科医学会を通じて関連学会に和訳を依頼 ▶厚労省が確認・修正 [1] 日本の公的統計（人口動態調査、患者調査）に、ICDに準拠した分類を利用する 統計法[2]で規定されている統計基準の詳細は総務省告示[3]で公示[4,5] 随時、修正が生じる [1] https://www.mhlw.go.jp/content/10701000/001149283.pdf [2] https://elaws.e-gov.go.jp/document?lawid=419AC0000000053 [3] https://www.soumu.go.jp/main_content/000343181.pdf [4] https://www.soumu.go.jp/main_content/000933080.pdf [5] https://www.mhlw.go.jp/toukei/sippei/index.html [6] https://jams.med.or.jp/glossary_committee/doc/2022material_s1.pdf [7] https://square.umin.ac.jp/helics/html/ [8] https://www2.medis.or.jp/master/kensa/pdfs/19-06_202105.pdf (p.6) その他 ・厚労省が認可した標準規格等の作成・管理・配布を担う一般社団法人が存在[6,7] 各種業界団体、学会から構成される専門の協議会と連携体制 [8] ・研究者が独自に頑張る ʁ A. 行政・学術団体・業界団体が協力して、組織的に行われている
10. / 55  医療情報と人工知能への心理的障壁 2 20 お勉強 公開データを使う 医療機関の実データを使う 成果発表 医療情報に親しむ 機会がない！
11. / 55  データセット 21 若手研究者が自己裁量で利用・支払い可能かの観点に基づく超主観分類 データ量 利用料 申し込み先の公開 欠点 公開データセット △〜◦ ◎ ◎ 有象無象も 制限付き公開データセット ◦ ◎ ◎ 医療場面は限定的 各病院・クリニックのデータ 臨床目的で保存されている既存の情報 ×〜△ ◎ △ 研究倫理審査が必要 匿名加工医療情報 （次世代医療基盤法に基づく） ◦〜◎ × ◦ 高額 販売医療データ ◦〜◎ × ◦ 高額 研究開発目的で収集されたデータセット ◦〜◎ × × 人脈依存な側面も
12. / 55  公開データセット 22 診断 治療後モニタリング ライフログ SNSなど における言語的コンテンツ 薬剤の処方履歴 手術動画 ⼩林和⾺先⽣作成スライドを改変 カルテテキスト 言語 数値 言語 レントゲン、CT、MRI、内視鏡、エコー、眼底写真、皮膚画像 画像 心電図、脳波、筋電図 数値 血液検査値 動画 音声 音声 日常会話 数値 歩容動画 動画 構音・発話 生体センサー 数値 波形
13. / 55  公開データセット 22 診断 治療後モニタリング ライフログ SNSなど における言語的コンテンツ 薬剤の処方履歴 手術動画 ⼩林和⾺先⽣作成スライドを改変 カルテテキスト 言語 数値 言語 レントゲン、CT、MRI、内視鏡、エコー、眼底写真、皮膚画像 画像 心電図、脳波、筋電図 数値 血液検査値 動画 音声 音声 日常会話 数値 歩容動画 動画 構音・発話 生体センサー 数値 波形 １か月前から新しい職場に勤務開始。 →ＵC再燃とのこと。 vitalはstable、発熱は無し。BW37.4kg(-2.5kg/5W) SMBG G(2-)Q(5-8-4) ・2/10：116/119-147/94-118/184 ・2/11：110/199- 血糖OK、併診解除 歯科口腔外科 ご担当先生 お世話になっております。上記、血糖安定しておりますので、 処方の継続をお願い致します。 血糖の変動がある場合には、ご連絡いただけると幸いです。 お手数おかけいましたすが、よろしくお願い致します。 代謝内科 上松さうる（35690） https://github.com/ieee8023/covid-chestxray-dataset/ h"ps://www.kaggle.com/datasets/kmader /skin-cancer-mnist-ham10000 ここに示すのはごく一部のデータ例です。 https://github.com/UCSD-AI4H/COVID-CT
14. / 55  公開データセット 22 特徴 機械学習系リポジ トリ等 UCI機械学習リポジトリ Kaggle NII IDR HuggingFace Datasets NTCIRテストコレクション 医療系リポジトリ PhysioNet 心電図（波形）関連データが充実 The Cancer Imaging Archive (TCIA) 画像リポジトリ、HIPPAに準拠して公開 （https://www.cancerimagingarchive.net/disclaimer/） NHSx (https://github.com/nhsx) 画像が充実 NIH-Supported Data Sharing Resources ライフログデータなども その他 https://zenodo.org/records/4064153 公開擬似カルテテキスト ここに示すのはごく一部の例です。 日々更新されますし、まとめブログの類も充実していますので、ぜひ調べてみてください。 個々のデータセットで定められているルールを守っていただければ自由に研究利用できる J Shared Taskやコンペの類 も盛ん ※あくまで代表的例
15. / 55  制限付き公開データセット 23 患者数 特徴 MIMIC IV / III / II / CXR / ED 50,048 (MIMIC-IV) 公開デモデータ https://physionet.org/content/mimic-iv-demo/2.2/ データ処理パイプライン https://github.com/healthylaife/MIMIC-IV-Data-P ipeline. eICU CRD 139,367 208病院のデータ 公開デモデータ https://physionet.org/content/eicu-crd-demo/2.0.1/ AmsterdamUMCdb 20,109 外科系患者が多い(49%) HiRID 33,905 2分毎の計測データを記録 PIC 13,499 小児（0-18歳） 【これは宣伝です】その他、さまざまなデータセット▶私のブックマーク（2019年執筆）をご覧ください https://www.ai-gakkai.or.jp/resource/my-bookmark/my-bookmark_vol34-no6/ 個々のデータセットで定められているルールを守っていただければ自由に研究利用できる J 欠損が比較的少ない、前処理に利用できるコードも公開 Web上で指定された研究倫理のe-learning、推薦者への照会メール対応、など ⌞ ※あくまで代表的例 ◆ 時系列データ、画像(MIMIC CXR)、テキスト(eICU CRD) ◆ 集中治療室（ICU）
16. / 55  制限付き公開データセット 23 個々のデータセットで定められているルールを守っていただければ自由に研究利用できる Web上で指定された研究倫理のe-learning、推薦者への照会メール対応、など ⌞ https://mimic.mit.edu/docs/iv/tutorials/video/ https://colab.research.google.com/drive/1REu-ofzNzqsTT1cxLHIegPB0nGmwKaM0?usp=sharing 患者の院内死亡率の予測 [1] 医師の判断支援、医療資源の割り当て支援の基盤 患者の再入院予測 [2] 死亡率改善・医療費削減のための基盤 プライバシー保護生存時間分析手法の開発 [3] 医療情報（機微情報）を共有しない分析手法 機械学習ベンチマーク(HiRID, MIMIC-III) [4, 5] データ前処理のためのパイプライン(MIMIC-IV) [6] [1] Zou, M., An, Y., Kuang, H., & Wang, J. (2023). LGTRL-DE: Local and Global Temporal Representation Learning with Demographic Embedding for in- hospital mortality prediction. Journal of Biomedical Informatics, 143, 104408. [2] Pishgar, M., Theis, J., Del Rios, M., Ardati, A., Anahideh, H., & Darabi, H. (2022). Prediction of unplanned 30-day readmission for ICU patients with heart failure. BMC medical informatics and decision making, 22(1), 117. [3] Imakura, A., Tsunoda, R., Kagawa, R., Yamagata, K., & Sakurai, T. (2023). DC-COX: Data collaboration Cox proportional hazards model for privacy- preserving survival analysis on multiple parties. Journal of Biomedical Informatics, 137, 104264. [4] Yèche, H., Kuznetsova, R., Zimmermann, M., Hüser, M., Lyu, X., Faltys, M., & Rätsch, G. (2021). HiRID-ICU-Benchmark--A Comprehensive Machine Learning Benchmark on High-resolution ICU Data. arXiv preprint arXiv:2111.08536. [5] Hrayr Harutyunyan, Hrant Khachatrian, David C Kale, Greg Ver Steeg, and Aram Galstyan. Multitask learning and benchmarking with clinical time series data. Scientific data, 6(1):1–18, 2019. [6] Gupta, M., Gallamoza, B., Cutrona, N., Dhakal, P., Poulain, R., & Beheshti, R. (2022, November). An extensive data processing pipeline for mimic-iv. In Machine Learning for Health (pp. 311-325). PMLR.
17. / 55  制限付き公開データセット 23 個々のデータセットで定められているルールを守っていただければ自由に研究利用できる Web上で指定された研究倫理のe-learning、推薦者への照会メール対応、など ⌞ https://mimic.mit.edu/docs/iv/tutorials/video/ h_ps://colab.research.google.com/drive/1REu-ofzNzqsTT1cxLHIegPB0nGmwKaM0?usp=sharing 患者の院内死亡率の予測 [1] 医師の判断支援、医療資源の割り当て支援の基盤 患者の再入院予測 [2] 死亡率改善・医療費削減のための基盤 プライバシー保護生存時間分析手法の開発 [3] 医療情報（機微情報）を共有しない分析手法 機械学習ベンチマーク(HiRID, MIMIC-III) [4, 5] データ前処理のためのパイプライン(MIMIC-IV) [6] [1] Zou, M., An, Y., Kuang, H., & Wang, J. (2023). LGTRL-DE: Local and Global Temporal Representation Learning with Demographic Embedding for in- hospital mortality prediction. Journal of Biomedical Informatics, 143, 104408. [2] Pishgar, M., Theis, J., Del Rios, M., Ardati, A., Anahideh, H., & Darabi, H. (2022). Prediction of unplanned 30-day readmission for ICU patients with heart failure. BMC medical informatics and decision making, 22(1), 117. [3] Imakura, A., Tsunoda, R., Kagawa, R., Yamagata, K., & Sakurai, T. (2023). DC-COX: Data collaboration Cox proportional hazards model for privacy- preserving survival analysis on multiple parties. Journal of Biomedical Informatics, 137, 104264. [4] Yèche, H., Kuznetsova, R., Zimmermann, M., Hüser, M., Lyu, X., Faltys, M., & Rätsch, G. (2021). HiRID-ICU-Benchmark--A Comprehensive Machine Learning Benchmark on High-resolution ICU Data. arXiv preprint arXiv:2111.08536. [5] Hrayr Harutyunyan, Hrant Khachatrian, David C Kale, Greg Ver Steeg, and Aram Galstyan. Multitask learning and benchmarking with clinical time series data. Scientific data, 6(1):1–18, 2019. [6] Gupta, M., Gallamoza, B., Cutrona, N., Dhakal, P., Poulain, R., & Beheshti, R. (2022, November). An extensive data processing pipeline for mimic-iv. In Machine Learning for Health (pp. 311-325). PMLR.
18. / 55  医療情報と人工知能への心理的障壁 3 30 お勉強 公開データを使う 医療機関の実データを使う 成果発表 倫理審査が必要？ https://en.wikipedia.org/wiki/Chest_radiograph https://en.wikipedia.org/wiki/CT_scan https://doi.org/10.7910/DVN/DBW86T
19. / 55  各病院・クリニックのデータを使う利点 31 (制限付き)公開データセットだけを利用した研究の課題 ＊データセットに過度に適合した手法開発 ＊データセット間の連結ができない ＊稀な症例が存在しない ＊一部のデータが削除あるいは丸められている ＊患者に紐づくマルチモーダルなデータの利用は難しい ＊一部の医療場面（e.g., ICU）に限定される ・・・など
20. / 55  各病院・クリニックのデータを使う利点 31 https://www.sciencedirect.com/science/article/pii/S1532046423001296?casa_token=ezljTxGi9QYAAAAA:0h4GQhQZaQbIS3EHo07QTP0hF3oD3vq1-1kRLjBncxidKhAi_WdwJwlA8hkg51pi2Z_n1_2RJBiq 医療機関に蓄積されている日々の医療データは患者に紐づくマルチモーダルなデータ
21. / 55  倫理審査の必要性 31 医療情報は要配慮個人情報 多くの国や地域で同様の方針 医療機関に蓄積されている医療情報を研究開発に利用したい！ 多くの場合、以下が必要 ◆研究開始前の研究倫理審査（後述） ◆データ抽出は各医療機関の担当者に依頼 L ◆ 研究開始まで数ヶ月待つ ◆ 各医療機関との人脈が必要 ▶ ▶
22. / 55  研究者にとっての手順 32 もっと詳しい流れ https://www.genomics-society.jp/wordpress/wp-content/uploads/2021/01/20201017_ELSImeeting.pdf p.22など ▶ ▶ 研究の着想 倫理審査委員会で審査 研究機関の長が許可 データ収集・分析 ▶ 研究倫理審査に必要な書類書き 臨床研究法に基づく研究については割愛
23. / 55  研究者にとっての手順 32 データを見ないと研究計画を立てられないです ʁ A. データを提供してくれる医療機関の関係者から事前にいろいろ聞いておくしかない 医療機関によっては、限られたデータを事前に見せてくれる場合もある。
24. / 55  「倫理審査なんてわからない。テキトーにやればいいよ。」 33 ▶ ▶ 研究の着想 倫理審査委員会で審査 研究機関の長が許可 データ収集・分析 ▶ 研究倫理審査に必要な書類書き 1. とりあえずテキトーにテンプレートを埋める 多くの研究機関（病院）はテンプレートなど を用意 2. 先輩の申請書をコピペ！ 3. 共同研究者の医学部教員・医者に丸投げ！ 臨床研究法に基づく研究については割愛 もっと詳しい流れ h"ps://www.genomics-society.jp/wordpress/wp-content/uploads/2021/01/20201017_ELSImeefng.pdf p.22など
25. / 55  国のルールブックはAI研究者を救う 33 ▶ ▶ 研究の着想 倫理審査委員会で審査 研究機関の長が許可 データ収集・分析 ▶ 研究倫理審査に必要な書類書き 1. とりあえずテキトーにテンプレートを埋める 多くの研究機関（病院）はテンプレートなど を用意 2. 先輩の申請書をコピペ！ 3. 共同研究者の医学部教員・医者に丸投げ！ 4. 国のルールブックを理解しながら記載する 臨床研究法に基づく研究については割愛 もっと詳しい流れ h"ps://www.genomics-society.jp/wordpress/wp-content/uploads/2021/01/20201017_ELSImeefng.pdf p.22など
26. / 55  国のルールブックはAI研究者を救う 34 h_ps://www.lifescience.mext.go.jp/bioethics/seimeikagaku_igaku.html h_ps://www.mhlw.go.jp/s`/seisakunitsuite/bunya/hokabunya/kenkyujigyou/i-kenkyu/index.html 人を対象とする生命科学・医学系研究に関する 倫理指針 本文＆ガイダンス 文部科学省 厚生労働省
27. / 55  国のルールブックはAI研究者を救う 34 h_ps://www.lifescience.mext.go.jp/bioethics/seimeikagaku_igaku.html 文部科学省 厚生労働省 h_ps://www.mhlw.go.jp/s`/seisakunitsuite/bunya/hokabunya/kenkyujigyou/i-kenkyu/index.html 人を対象とする生命科学・医学系研究に関する 倫理指針 本文＆ガイダンス 研究者の疑問への答えが書いてある！
28. / 55  倫理指針本文・ガイダンスはAI研究者を救う 1 35 ガイダンス p.4 私たちはAI研究者だ。発表予定の論文もAI系だ。 なぜ倫理審査に関わらないといけないのか ？ A. 医学の問題解決のためにAIを用いる研究は、医学系研究に包含される。
29. / 55  倫理指針本文・ガイダンスはAI研究者を救う 2 35 実際、どれくらい大変なの？実務的には何をすればいいの？ 診療のために各医療施設に蓄積されていたデータを分析したい場合 ？ h_ps://www.hosp.tsukuba.ac.jp/t-credo/rinsho/jimukyoku/johokoukai.html ガイダンス p.82-83 A. 一概には言えないが、そこまで大変ではない可能性が高い （倫理審査で承認された情報公開を行う）
30. / 55  倫理指針本文・ガイダンスはAI研究者を救う 3 54 A. 不要 ガイダンス p.73 アノテーターを雇うだけで倫理審査・インフォームドコンセントが必要でしょ？ だって人間が絡むときには倫理審査が必要なんでしょ？ ？ 同 意 取 得 負担の大きい作業を依頼するのだけど？ ▶ 役務契約の中で配慮してください。 指針本文 p.3
31. / 55  倫理指針本文・ガイダンスはAI研究者を救う 4 54 A. ローカルルールの可能性が高い 同意取得には紙にサインと捺印が必要と聞いた ？ ガイダンス p.21, 22 A. 法改正の影響を受ける i.e.,個人情報保護法はしょっちゅう変わる 文科省または厚労省の該当webページを見ると、指針はここ3年間では毎年改訂されている 以前通った申請を書き換えて新規申請したら、大幅な修正を求められた ʁ うちの大学・研究所は書類に書かないといけない内容が多い。困ってる。 ？ A. 国が規定する項目・参考様式集を公開している それを超えた記載が求められていたら、確かにそれは多いのかも ガイダンス p.116, 164 など
32. / 55  医療情報と人工知能への心理的障壁 4 40 お勉強 公開データを使う 医療機関の実データを使う 成果発表 COIを開示せよ？ h"ps://en.wikipedia.org/wiki/Chest_radiograph h"ps://en.wikipedia.org/wiki/CT_scan h"ps://doi.org/10.7910/DVN/DBW86T
33. / 55  COI開示 本発表に関し、開示すべきCOIはありません。
34. / 55  利益相反(COI)開示の必要性 42 研究者 営利企業 研究成果を発表したい 企業には不利益になる 利益相反により発表内容が歪んでいないか、第三者が確認できるように透明性を担保する。
35. / 55  COI開示 本発表に関し、開示すべきCOIはありません。
36. / 55  最初に利益相反(COI)を開示する 44 A. COIがあることが問題ではない 第三者からの根拠のない誤解を避けて、透明性を担保するための開示 u COI開示のスライドテンプレート[1]や基準金額[2]を例示する学会も u 日本医学会としての方針 [3] u 製薬企業は、医師・医療機関・医学系学会などへの支払いを全て開示 [4] u 研究公正の観点から、利益相反開示の必要性が言及されている（研究分野不問の文脈で）[5] u 臨床研究法に基づく場合 [6] 医療情報と人工知能の研究では、営利企業と共同研究できないということですか？ ʁ [1] https://www.naika.or.jp/jigyo_top/coi/slide/ [2] https://www.jsaweb.jp/uploads/files/COIkaijikijun.pdf [3] https://jams.med.or.jp/guideline/coi_guidelines_2022.pdf [4] https://www.jpma.or.jp/basis/tomeisei/guideline/2022.html [5] https://www.mext.go.jp/content/20200803-mxt_kiban02-000008616_1.pdf [6] https://www.mhlw.go.jp/file/06-Seisakujouhou-10800000-Iseikyoku/0000202036.pdf
37. / 55  医療情報と人工知能への心理的障壁を下げる 99 お勉強 公開データを使う 医療機関の実データを使う 成果発表 医療分野のルール・文化は けっこう単純・公開されている 医学知識・医療情報は けっこう柔軟に手に入る h"ps://en.wikipedia.org/wiki/Chest_radiograph h"ps://en.wikipedia.org/wiki/CT_scan h"ps://doi.org/10.7910/DVN/DBW86T
38. / 55  おまけ 99 A. 回診は多くの場合行う。けど、怖くないよー 医学部は白い巨塔ですか？ ʁ A. 医学部の隣にある大学病院で“お医者さんの仕事”をする教員が多いです。 大学病院ホームページから外来医担当表を見るとわかる場合が多い 大学医学部の教員は“お医者さんの仕事”をしてますか？ ʁ A. 医療機器開発などの研究促進のために、機会が正式に与えられている場合も。 筑波大学附属病院 https://resstplatform.org/cime/observation/ 北海道大学病院 https://helios.huhp.hokudai.ac.jp/cmedd/medical_device_development/ 病院の現場を見る機会がない。研究者の立場から見学したい。 ʁ