低線量イメージングへのMLアプローチで優れた成果

September, 30, 2019, Troy, N.Y.--マシンラーニングは､放射線被曝を減らし､画像品質を高めることで､医療イメージング､特にCTスキャニングを大きく進歩させる可能性がある｡
　研究成果は､Rensselaer Polytechnic Instituteのエンジニアとマサチューセッツ総合病院およびハーバード医科大学の放射線科医がNature Machine Intelligenceに発表した｡
　研究チームによると､発表された成果は､低線量CTスキャンを改善するために人工知能(AI)の力を利用することを強く主張している｡
　｢放射線量は､CTスキャンを受ける患者にとって大きな問題だった｡われわれのマシンラーニング技術は優れている｡少なくとも､低放射線量CTを可能にするためにこの研究で用いられた反復技術に匹敵する｣とレンセラーの生体医用工学Clark & Crossan Endowed Chair教授､Ge Wangはコメントしている｡さらに同氏は､｢それは、強力なメッセージを持つ高いレベルの結論である｡マシンラーニングが素早く離陸し､願わくば､引き受ける時である｣と付け加えている｡
　低線量CTイメージング技術は､数年前からかなり注目されていた｡広く利用されているCTスキャンに関連するX線照射に対する患者の露光を軽減するためである｡しかし放射低下は､画像品質の低下になる｡
　その問題を解決するために､世界中の研究者が反復的構成技術を設計し､CT画像から干渉をフルイにかけ除去しようとした｡Wangによると問題は､このアルゴリズムが有益な情報を取り除き､画像を不当に変えることがあることだ｡
　研究チームは､この絶えることのない問題にマシンラーニングフレームワークを使い対処することにした｡特に､チームは専用のディープニューラルネットワークを開発し､最良の結果を､3つの主要商用CTスキャナが反復的再構成技術で作り出したベストのものと比較した｡
　研究チームは､開発したディープラーニングアプローチのパフォーマンスが､現在臨床的に利用されている選択的代表反復アルゴリズムとの比較法を確定しようとしていた｡
　マサチューセッツ総合病院とハーバード医科大学の複数の放射線学者がCT画像のすべてを評価した｡レンセラーチームが開発したディープラーニングアルゴリズムは､圧倒的多数の例で現在の反復的技術と同等か､より優れた性能である､とWangは言う｡
　Dr. Kalarによると､研究チームは､ディープラーニング法は､はるかに高速であり､放射線学者は臨床要求にしたがって画像を微調整できることを確認した｡
　そうした肯定的な成果は､すべてのCTスキャナからのオリジナルの生データにアクセスすることなく達成された｡Wangの指摘によると､もしオリジナルCTデータが利用できれは､より専門的なディープラーニングアルゴリズの性能は､はるかに優れたものになる｡
　｢これは、放射線学者をメンバーに加えたものである｡つまり､われわれはマシンインテリジェンスとヒューマンインテリジェンスをディープラーニングフレームワーク取込み､臨床解釈を手助けできると言う意味である｣｡
　同氏によると､この成果は､ディープラーニングが､より安全で正確なCT画像の生成に役立ち､同時に反復的アルゴリズムよりも迅速であることを示している｡