Share
Embed
Transcript
50 slides
-
著者 Nobuyuki Kagiyama, MD, PhD; Sirish Shrestha, MS; Peter D.
Farjo, MD; Partho P. Sengupta, MD, DM 2 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 3 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 4 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 6 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 9 -
専門的・専用的な目的に特化した応用 AI(特定 AI)が現在の AI である (弱いAI) システムが自給自足で、人間に匹敵する認知能力を持つ 汎用AI(General AI)はまだ存在しない (強いAI)
強いAIと弱いAIとは https://ledge.ai/strong-ai/ 11 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 15 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 20 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 26 -
1. Data Structure 構造化データ 2. Year 2016 3. First author
Motowani氏 4. Task 分類・予後予測(教師あり学習) 5. Model アンサンブル学習 6. Summary CONFIRM(Coronary CT Angiography Evaluation for Clinical Outcome)試験に登録された 冠動脈疾患患者10030人の大規模集団における5年死亡率を予測するために、構造化データ上の機械 学習アルゴリズムの予測能力を調査した。彼らはデータセットの69のパラメータを解析するためにアン サンブル学習を使用した。 機械学習アルゴリズム(AUC=0.79)の方が他の従来のリスクスコア(AUC=0.61~0.64)よりも有意に 良好であることがわかった。 29 -
1. Data Structure 構造化データ 2. Year 2019 3. First author
Casaclang-Verzosa 氏 4. Task クラスタリング&次元削減(教師なし学習) 5. Model トポロジカルデータ解析 6. Summary 大動脈弁狭窄症の進行における左室反応パターンの表現型を理解するために トポロジカルデータ解析を適用した。 トポロジカルデータ解析により、4つのパラメータから作成された患者-患者類似度ネットワークを可視化す ることができた。ネットワーク内の患者の相対的な位置は、疾患の表現型や予後と関連していた ❓❓ 30 トポロジカルデータ解析 -
1. Data Structure 心エコー 2. Year 2018 3. First author
Zhang 4. Task 分類、心エコーの自動解釈 5. Model CNN 6. Summary 14035枚の心エコーを用いて、CNNはビューの自動分類、 画像のセグメンテーション、心臓体積の測定、疾患と健常者との鑑別を可能にした GPU を使⽤した Caption Health の⼼エコー図 https://blogs.nvidia.co.jp/2020/08/21/ai-echocardiogram-covid/ 38 非構造化データ -
1. Data Structure 心電図 2. Year 2019 3. First author
Hannun 4. Task 分類(不整脈の検出) 5. Model CNN 6. Summary 91232個の単一リード心電図を用いて、単一リードの心電図を洞調律、接合リズム、心房室ブロック、 心房細動などの12のクラスのリズムに分類するディープラーニングアルゴリズムを開発した。 訓練されたアルゴリズムは、12種類の心拍数の予測が循環器内科医よりも優れていた(F値0.84 vs 0.78) https://speakerdeck.com/takay88 単一リード心電図 39 -
1. Data Structure 心音図 2. Year 2016 3. First author
Potes 4. Task 分類(心音が正常か異常か) 5. Model Adaboost&CNN (Adaboostはランダムよりも少し精度がいい弱い識別機を組みわせ強い識別機を作成しようとする機械学習モデル 6. Summary AdaBoostとCNNの組み合わせは、PhysioNet/CinCのデータセットで正常と異常な心音を識別するための 感度94.2%、特異性77.8%を示した。 心房細動を99%検出するAIと電子聴診器 https://japanese.engadget.com/jp-2020-02-04-ai-99.html 40 -
1. Data Structure EHR (電子健康記録:Electronic Health Recordは、全国の医療機関の診療データを集積し、診療データを患者 に開示、さらに複数の医療機関が連携して診療するもの) 1. Year
2019 2. First author Mallya 3. Task 分類(予後予測) 4. Model LSTM (LSTMは、RNNの拡張として1995年に登場した、時系列データに対するモデル) 5. Summary 心不全患者21405人と対照者194989人を用いたケースコントロール研究を実施した 彼らは12ヶ月間の期間に単一の患者ごとに1840個のパラメータを抽出し、LSTMで解析することで発症 15ヶ月前に心不全の発症を予測(AUC=0.91)した。 41 -
1. Data Structure EHR内のテキストデータ 2. Year 2019 3. First author
Diller 4. Task 分類(診断と症状と予後) 5. Model RNN&LSTM 6. Summary RNNとLSTMの組み合わせて解析を行い、成人先天性心疾患患者10019人の診断と予後を 自動的に導き出すために、63326通の医学書を含む18年間のデータを用いた。 自然言語処理を用いて、医学書簡から診断(精度91%)と症状(精度90.6%)を抽出した また、同じデータを用いた予後予測も有用であった。 42 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 43 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 46 -
T A B L E O F C O N
T E N T S CHAPTER3 AIの基礎知識 CHAPTER4 AIと統計学 CHAPTER1 自己紹介 CHAPTER2 Introduction CHAPTER5 アルゴリズム CHAPTER6 循環器データへの 応用 CHAPTER7 注意点と制限事項 CHAPTER8 課題と方向性 CHAPTER9 Conclusion 49 -
• ビッグデータとマシンパワーの普及:医療の実践と研究の基礎が変わってくる • 統計学は、単純なデータセットや因果関係の評価には依然として高い効果を発揮する • 臨床実践や研究の多くの分野では、今後AIを用いたビッグデータの強力な予測と探索が牽引していく • 非構造化データを解析するAIの能力は、心血管研究の分野を拡大していく さらに、AIは、モバイルヘルス、計算モデル化、合成データ生成への貢献をさらに高め、その法的・倫理的な問題は 解決されていくだろう
• AIの成果を解釈するためには、生理学と疾患メカニズムの深い理解が最重要である • 最新の医学知識を理解し、斬新な医療機器を使用するためには、AIリテラシーが不可欠になるだろう 結論(Conclusion) 50