オープニングと今回のテーマ紹介
H3Podcastを今日もやっていければと思います。 H3共同企画者の木村と
アンバサダーではないのか、一応。
運営のモトキです。
ここでこの沈黙ができるとは思わなかったので、すみません。
モトキさん、今日もよろしくお願いします。
よろしくお願いします。
今回も気になるヘルスケアニュース紹介雑談みたいな感じの
コーナーでやっていければと思っていまして、今回取り上げる記事は
画面が見える環境でこのPodcastを見ていただいた方は
見えていらっしゃるかもしれませんけども
ちょっとラグがあります。すみません。
乳がんの診断×AIの最新の研究みたいな
デジタルヘルスのお話が今回出てくるかなというところでして
内容的に言うとニュースでは厳しいのは多分なくて
論文の紹介記事があるんですね。今回は。
研究の核心：診断ではなく将来リスクの予測
タイトルが英語になっちゃうんですけど
Performance of Breast Cancer Risk Prediction Algorithm
across Mammography Systems in the UK ScreeningProgramということで
日本語に訳すとイギリスの乳がん検診というか
そのデータを元にしながら
いわゆるマンモグラフィーのデータをベースにしながら
乳がんのリスクを予測すると
多分このPredictionというところが大事なんだと思ってまして
診断するんじゃなくて予測するという
未来系が入っているところが多分ポイントの研究について
今日は見ていければと思っています。
端的に言うとどんな目的でやっている研究かというと
いわゆるよくあるマンモグラフィーのデータを
AIに読ませてっていうところが本当によくある研究
それ自体では特に何も新しくないんじゃないかなというぐらい
よくある研究だと思うんですけど
聞き取り方が結構面白くて乳がん検診で
異常なしとされたものの
ただその後に実際に乳がんになったというところのデータを
取っているんですかね
その時点では本当に問題なかったけど将来がんになるかも
みたいなところを予測できないかという
なかなか深夜の研究だなというふうには思って
それが相次いで言うとパフォーマンスがよかった
というところがポイントの研究
それで載ったのが一応Natureの
姉妹誌というのかシリーズの一個の
NPGAデジタルメディスンという
デジタルヘルス系の研究が載っているNatureブランドの
雑誌にそれが載ったという内容になっています
背景概念：インターバルガンとAIモデルの比較
一応こういう研究がされている背景というところで言うと
いわゆる診断から予想とか予防なのか
予防と言われますけども早期発見とか予測
難しいです予測という概念が成り立っちゃうと
早期発見とは何かという難しい命題が出てくるので
でもそういうことを求めているような施錠
みたいなところはあるかもしれないということだったり
あとはPrecision Personalized Medicineみたいな感じのところで
個別化されたものを見れるようになるといいよね
という話だったり
あとはキーワードとしてはインターバルガンという概念が
僕もあんまり知らなかったですけどもこの言葉自体は
検診の直後に発覚しちゃう
次の検診までの間に悪化しちゃう
みたいなそういったガンがどうしても
残念ながらありはするのでそういうものをちゃんと
その時点では専門員が見てもこれは違うよねって
見落としてはなくて実際そこまで
ガン自体が発達ってちょっと性別科学的に正しい表現ではないかもしれないですけども
進行していなかったってものが
ただ1、2回ずつ後に進行しちゃうってことはあり得ることではあるので
そういうところを予見できて
患者さんも少しも適切な受診だったりとか
介護につながるんじゃないかっていう期待があるのかなと思いますね
今回の論文研究の構成で言うと
MITのスピンアウトであるモデルの未来っていう
なんか日本語なんだよねっていうのがすごく気になってたんですけど
未来っていうものが一応グーグルとか他のいろんなデバイスとか
AIモデルと同じマンモグラフィーの画像データを
分析してってやつでやってたけど
MITの日本人的にはグッとくる未来ってやつが
AUC 0.2、0.73で最高の結果を出してるというですね
っていうところが出せたそうでして
医療機器による精度の差と告知の難しさ
あとこれスライドには載ってませんけど
同じく分かったのが未来なんだったかな
だとしてもどのデバイスでマンモグラフィーで撮っててかによって
この予測の精度が変わってるっていう
ガン予測の精度が変わるっていうところがあるそうでして
同じマンモグラフィーと言ってても
当然別のハードウェアメーカーの方だと変わってくるっていうですね
そういったものが実はところでして
どんな示唆があるのかなってことで言うと
将来のニューガンの27%ぐらいが
将来の時間軸ちょっと詳細見てみないと定義が分かんないんですが
分かるというふうにされていて
その時点ではガンじゃないと
ただ近い将来ガンになるっていうものの
4つに1つぐらい見つけられてるという
そういうことがそうでございます
どういう差があるのかなっていうことを考えると
こういう疾患のプレディクションみたいな領域っていうんですかね
っていうのはあんまり時間軸長くすぎると
モテキーさん50年後にガンになってますって言われても
それはなくてかもしれないぐらいしか思わない
いい歳だしなとかぐらいしか思わないかもしれないんですけど
そうじゃなくてさっきのインターバルガンみたいな感じのもの
みたいな距離感で半年か1年単位でそれが分かるっていうのは
それ自体だったら悪くないかなと思う一方で
これどのくらい本当に受け入れられるのかなと
患者さんご自身も医療従事者も
特に医療従事者かなと思いますけども
今あなたガンじゃないけど近い将来ガンになる可能性が高いですって
伝えるの難しくないかなと思ってですね
結局医療従事者としては
そうじゃないかもしれないわけですからっていう段階で
それをいうことの心理的な蓋とか
ただ単なるガンの確知ってすごく難しいものだと思うので
ガンかもってそんな軽々しく言っていいんだっけっていう
抵抗は医療現場にあるんじゃないかなと
私は医療従事者じゃないですけど思ったりはするというところが気になる
ただすごくこの近い将来のインターバルガンの
みたいな感じの概念はすごく個人的に新しかったのが
面白い論文記事だったなというふうには思っております
研究の限界と臨床的有用性への課題
この辺りが何か今の話聞いたようで
本木さんの方でご感想でも
ここが気になるなとか共感できるなとか
疑問だなって何かあったりすることはありますか
そうですね まず4モデルのうち
Googleも入ってて あとはMITの未来があって
一番いい評価のスコア AUCの評価で言うと
意外にもMITのモデル AIモデルの未来が
一歩リードしてたっていうのは
これがすごいなって普通に思いましたね
多分未来 アイキャド グーグルでもう一社っていう感じなので
評価で言うと そこはやっぱりMITすげーなって思いますね
ただやっぱり何ですかね
この研究のあらさがしをするわけじゃないんですけども
率直に思ったところとしては
やっぱりこの点は研究の一番の限界だと
後ろ向きな検証 多分過去のデータ
2014年から17年のデータを用いてるんですけども
その後ろ向きな検証っていうところですよね
だから過去の画像をAIに判定させて
答え合わせをしたっていうのに過ぎなくて
実際にAIの予測に基づいて追加検査を行った結果
乳がん乳死亡率が下がったのかとか
見つけなくても
良い進行の推算まで見つけてないかみたいな
アウトカムの改善
本当の意味での臨床的有用性っていうのは証明はされてないので
確かに冒頭木村さんが
この手の研究が深淵ですねっていうふうにおっしゃってたと思うんですけども
何をもってしてAIで研究をさせるのかみたいなものを
ちゃんと考えなきゃいけない
やっぱりモデルがめちゃめちゃ精度が上がって
いごいごなデータからいろんな相関を見つけたくなるし
自分もそういうタイプなんですけども
やっぱり患者さん
診断だったり宣告が難しい
結構センシティブなこの疾患において
やっぱり患者の予後も追跡した上での
前向きな比較試験も
合わせてやるべきなんだろうなと思いますよね
率直にまず思ったところですね
すごいアプローチは面白いし
最近のAIモデルの進化進歩っていうものは
すごいなと普通に思うんですけど
まずやっぱりそこが大きいですよね
インターバルガンの実態と前向き研究の難しさ
さっき僕がネタで言った
モテギさん50年後半かもしれないですよって
木村AIが言ってきたらって話でした
それはネタだとしてもですね
結構これ
自分が当事者だとしたら
どう受け止めたらいいのか
結構なんか困るなって
教えてくれてありがとうってところもある気もするんですけど
やっぱりそのぐらい
実際いろんなところで起きする話とかでも
よく医療ドラマとかでもなるような話も含めてですね
ガンのステージ1、2、3みたいな感じの
っていうところがもっと早く見つかってればって
実際あると思いますし
僕今たまたまですね
Netflixで白いことを今見てるんですけど
ザイゼン
ザイゼンってさとみ先生が言ってるところが
ちょうどザイゼン先生が教授に上がったタイミング
第2シーズン始まったタイミングで
しかも僕が子供の頃にやってた白い教頭なので
唐沢敏明さんと
江口洋介のやつを
あれを見てて
ザイゼンが教授になっても
先生をつけるところが呼び捨てになると
さとみ先生っていうですね
そこにちょっとキュンときてるところがあるのは
それはどうでもいいとしてですね
でもやっぱりその場面でもガンの患者さんの
ってこととか
なんでもっと早くとかが出てくるんですよね
何度もガンの話して
そうなってみたら
なんでもっと早くわからなかったんだろうと思うという話と
本当にセンシティブなんで
さっきの前向き研究って
やればいいんでしょうけど
結構むずくないっていう
前向き研究に参加してもらうみたいな感じのところを
何の同意を取ってるのかみたいな感じのところがすごく
その時点では
必ずしも
ガンではない人を対象にするわけですよ
この前向き研究ってやるとしたら
そうですねランダム化なので
ランダム化をして有案検診に来ていて
っていうことですよね
ですね
できなくはないけど結構
時間と労力がかかった上に
その後の介入までセットで
後から出そうとすると
患者さんの協力が結構必要ですよね
理解がかなりないと
めっちゃ必要ですよね
しかもなっちゃってる人にどういうコミュニケーションをして
別に後々の人類のためにはなるが
その人のためには
ならないって言ったらあれですけど
でも直接的にはそんなに
良くするわけでもない
何か良くなるわけでもないので
そこは確かに難しいですよね
AIネイティブなデバイスとデータクレンジングの重要性
自分も前職でガンの早期診断系の
ツールを作っていて都市検討とかしましたけど
やっぱり自分はそういうふうに言っちゃうんですよね
臨床的な価値とか意義とか
感情的な面での需要性も含めて超えていく
ということで言うと
インターバルガンってのはあんまり知らなかったので
ガイデンスは今は理解できたんですけど
どのくらい本当にあってシリアスな問題なのか
とかにもよるのかもしれないですけどね
これがめちゃくちゃたくさんあって
毎年ちゃんと人間特区に行ってるけど
見つからなかった
結果的に救えなかった命が
相当数あるんだったらやっぱり
やる意義があるんでしょうし
人間ガンだからってのもあるんですからね
何もそんなしょっちゅうやるかって言うと
どうなんでしょうか
数年置きだからインターバルが長いってことなんですかね
長いししかも急速に進行しちゃう
自分もインターバルキャンサーズ
中間期乳がんって言うんですか
日本語で訳すとこんなあるんだって
しかも通常の検診で見つかる乳がんよりも予後が悪いっていう
予後が悪い傾向にあるっていう
すごい立ちが悪いペインが深い
あーあったんだみたいな
それはバックルもいいけどさすがに
マンガンモグラフィーやったことで
それだとした側も悪いですね
さすがにそれはないと思うんですけど
乳がんでマンガンだからってのがあるのかもしれないですね
これが他の
人間ドックの標準
メニューに入ってるみたいな
物でって話だったらまた
あれですけど今みたいなスコープの中で
前提の中で考えたら
取り組む意義があるというか
毎回毎回何もやるわけにもいかないので
実務的にあったりするかもしれないっていう意味だと
経済的にも流暢的にも
価値があることが起こるのかもしれないですけどね
ここの実態次第なんですよね
医療リソース費用だったり医師の負担を
効率的に分配するっていう意味でもですし
でもちょっと本性から外れますけど
この論文見て驚いたのが
あくまで全部のAIじゃないですけど
一つのAIだけ使用したマンモグラフィーのメーカー
機種によって予測精度に有意なばらつきが出る
っていうところですね
フィリップさんが一番悪かったって書いてます
よく見ると
それはたまたまこの研究でそうなんだけどね
測定の仕方もすごい
たぶんばらつきあるだろうから
そこも結構誤差範囲で出たりとか
すぐんだろうなとか思いつつ
AIで予測云々の前にちゃんと機械を
使えるようになりましょうみたいなものが
最初のかもしれないですね
別のところでお話したら
AI創薬のみたいなところでも
結局良質なデータセットを持っていれば
いいAIになるしみたいな
ベッドのほうもそういう話になっている
それでやっぱり近い話
もっとそれが検討の話が
同じようにFDAとか薬事のメーカーをやっている
ゴリラとパフォーマンスの大手メーカーのものでも
データの質が悪いというか
臨床的な
人の目で見る分には問題ないんだけど
多分あまり変わりないんじゃないかなと思うんですけど
AIに呼ばせづらい形式のデータとか
撮影のクオリティみたいなやつもあるんでしょうか
うん
違いないです
全然一瞬ヘルスケア離れますけど
サーズイズデッドみたいな感じのことですね
テクノロジーのIDの世界で今
今年やかに2026年
叫ばれまくっている中で
ITレンダーというか
ソフトウェアのプロダクトを作っている会社は
いかに生成AIというか
それともクロードとかと連携しやすい
プロダクトアプリデータセット
データベースを持てるかみたいな感じのところが
唯一の価値になっていくんじゃないかという風に
言われていますけど
それと近いような話もあるかもしれなくて
マンボグラフィーとか内視鏡とか
CTMRIとかも含めて
これからの医療機器メーカー
診断系検査系の会社は
同じ課題が実は選ばれるために必要かもしれなくて
医師医療機関が選ぶのは
AIをベースにしたワークルに載せられるものがあるので
それはAIが読みづらいマンボの画像なんですか?
まだそんな話題出てないと思うんですけど
ある意味今
SARS IS DEADな感じで
ピュアなSARSの人たちが
その問いに苦しんでいるように
同じようなことが
どこかでいきなり求められる瞬間があったりとか
逆に言うと
これハードウェアレイヤーで対処するか
ハードウェアのアタッチメントみたいな感じでやるのか
わからないですけど
良いAIを読みやすいデータにコンバートするような
テクノロジーですみたいな感じの会社は急速に伸びるかもしれない
良い読みやすいデータにしてくれさえすれば
っていうことがあるのであれば
そうですよね
まずAIネイティブなメディカルデバイスみたいなものは
今後もうちょっと時間かかるかもしれないけど
増えていくんでしょうね間違いなくAI
労働力の代替なので
制度の意味でもそうなっていくのは
多分避けられないテクノロジー進化から
あとは最後におっしゃってた
データの形を整えクレンジングみたいなもの
いわゆるもっと変な風に言うと
名寄せみたいなもののニーズも確かにこれは間違いないなと
実際に国内でもそういうメディカルデータを
名寄せをするクレンジングするプレイヤーもいますけど
やっぱりめちゃめちゃ伸びていくし
サースだけじゃなくて医療の領域においても
AI化は不可避避けられない
どんどん進んでいくんだろうなという
そんな感じですよね
構造化データのデータクレンジングがいわゆる
リアルワールドデータとかエビデンスの世界で
レシフトデータとかテキストベースのデータとか
それでもだいぶクレンジングしないと
使い物にならないというのがもともとの発展の歴史でありましたけど
非構造化データ
画像とか映像だったりとか
医療のよりフィジカルに近い
デジタルに近いデータが
クレンジングすれば使い物になるけど
クレンジングしていいんですかねって
若干思ったりもしますよね
レシフトデータとか前回のデータは別に
人間が書いてるから間違ってるからいいけど
一応この画像は真実なはずなんだから
逆にないはずのガンを足しちゃったりしても
よくないじゃないですか
純粋に解像度を上げるみたいな感じのこと
だけで戦うっていうところの
深遠さがありそうですよね
それはエンジングなのか
スキミングなのか
別物になってたりしないのか
どう観察できるのか
そこまでは含めて臨床研究で
利用性とか検証するんでしょうけど
そういう話題がこれから
今ホットかもしれませんけど
僕は知らないだけで
こういう読みやすいデータにするか
みたいなテーマは今後面白いかもしれないですね
まとめとエンディング
いろいろな世界に
思ってた方向じゃない方向に議論が行って
押し付けになっちゃった
全然いい意味で
こんな形でですね
H3ポッドキャスト
通達のニュース解説配信をやっておりますので
ぜひこれを流れてきて聞きたい方は
サブスクライブ等していただければ
Spotify等々で聞けますのでお楽しみいただければという
唐突な編集展を作ったみたいな感じで
非常に楽しくお話してきましたので
また次回
次回の収録でも楽しくニュースを
議論できればと思いますのでよろしくお願いします
今日の収録はこの辺りで
お届けしたのはH3の木村と
MUAのモテキです
H3のモテキさんです
どうもありがとうございました