東京慈恵会医科大学准教授の中田典生氏が臨床現場での活用に向けて研究を推進

医療AIで今、機密性の高い臨床データを直接共有することなく、複数機関が協力して AI モデルのトレーニングや評価を行うことが可能なテクノロジとして連合学習（Federated Learning) が注目を集めており、世界中で研究が進んでいます。11月に開催されたNVIDIA GTCでは、AIおよびGPUコンピューティングがヘルスケアにおけるあらゆる分野で変革をもたらしている様子が紹介されましたが、その中でも連合学習に対する注目は大きく、ドイツ、米国、日本など各国から連合学習を主題としたセッションが行われました。

米国のセッションは “Federated Learning is Becoming a Reality in Healthcare AI and Transforming Research” と題したディスカッションであり、NVIDIAの他、世界有数の医療機関であるジョンズ ホプキンズ病院、連合学習に特化したソリューションを提供するスタートアップのRhino Health、FDA医用機器・放射線保健センター(CDRH)、そして米国国立衛生研究所(NIH)から計6名のスピーカーが参加しました。NIHはNVIDIAと共に、世界中の 20 の病院による最大かつ最も多様な連合学習のイニシアチブである、EXAM (EMR CXR AI Model)のプロジェクトにも参加しており、こちらをはじめとする連合学習の臨床応用を目指す実例をもとに、その合理性や価値、潜在的なハードルが検証されました。

日本の医用画像×AIの第一人者が、連合学習の最新研究結果を紹介

日本からは東京慈恵会医科大学　人工知能医学研究部長　准教授の中田典生氏が、「カスケード型医工連携と連合学習」と題したセッションに登壇しました。中田氏は、AIを活用した画像診断支援研究の第一人者であり、連合学習を臨床現場に活用するための研究を進めています。人工知能学部では中田氏が自ら構築した、NVIDIA GPU搭載のAI開発用コンピューター4台が設置されており、中田氏はそれらを用いて行った連合学習による学習結果と、従来の機械学習を活用した結果に生じる差についての研究を紹介しました。

研究に用いられたデータは、日本医療研究開発機構（AMED)が主導し、東京慈恵会医科大学が協力するプロジェクトで全国6施設の病院から集められた乳腺腫瘤の超音波画像です。この超音波画像をバラバラにし、施設ごとに分けることで疑似的に連合学習の状態を再現しました。5施設 Institution A～Eのデータはトレーニング用のデータとして分け、Institution Fだけはランダムに腫瘤画像を良性、悪性それぞれ400枚ずつ選びだし、テスト用データとしています。

これにより疑似的に連合学習の環境を作り出しトレーニングした結果と、従来の、一か所に集めて機械学習を行った結果を比較しています。GTCでは、連合学習の一種である増分学習（Incremental Learning）を用いて、XceptionとEfficientNet B2という、画像分類モデルをベースに作成した学習済みモデル2種類と、従来の機械学習による結果を紹介しました。

Xceptionモデルによる学習結果との比較では、わずかに連合学習の方が優れているという結果であり、数値は多少ばらつきがありましたが、総合的に見るとあまり変わらないという結論でした。EfficientNet B2モデルによる学習でも、同様の結果が見られました。従来手法では、EfficientNetB2の特徴と思われる点に由来する揺れが少しある一方で、連合学習による結果は大きなばらつきはなく、従来手法を用いた結果より安定した値が見られました。

中田氏は本研究の詳細に関する論文も発表予定ですが、連合学習によって個人情報を守りながら従来の手法同等、もしくはそれ以上の精度の実現が期待できることが今回のセッションでは示されており、臨床現場への活用を目指すうえでの貴重な洞察と言えます。また、中田氏は、連合学習をサポートするNVIDIA Clara Imagingプラットフォームも紹介したうえで、今後の活用への意欲も示しました。

連合学習のための機能を拡充

Clara Imagingは医用画像処理における AI の開発と導入を加速するアプリケーション フレームワークであり、NGC catalogより誰でもダウンロード可能なClara Train SDKの最新バージョンには、連合学習を行うための手順やツールの使用手順、また、連合学習に関する課題や弱点を保護するための仕組みが組み込まれています。

さらに、11月に開催されたRSNAでは、NVIDIA は、より一般化可能な AI モデルの分散共同開発を支援するソフトウェア開発キットである NVIDIA FLARE (Federated Learning Application Runtime Environment)をオープンソース化することにより、かつてないほど容易に連合学習を利用できるようにしようとしています。NVIDIA FLAREは、Clara Train の連合学習のためのソフトウェアの基盤となるエンジンです。この SDK を使用すれば、研究者やデータ サイエンティストは既存の機械学習やディープラーニングのワークフローを分散パラダイムに適応させることができます。また、医用画像のためのオープンソース　フレームワークであるMONAIなど、既存の AI イニシアティブと統合できます。

NVIDIA FLARE はピアツーピア型、循環型、サーバー/クライアント型など、さまざまなアプローチのための各種分散アーキテクチャをサポートしているため、ヘルスケアだけでなく製造、金融サービス等の業界でも利用できるようにしており、連合学習の持つ可能性が今後幅広い業界にもたらされます。