NVIDIA が最新ソフトウェアを RSNA で公開――医療の質、アクセス、コスト面での向上に向け、新たなパートナーの発表
放射線医学における人工知能 (AI) の研究が、質、アクセス、コスト面での向上につながる大きな可能性を示しています。その研究を医療現場での実用化につなげるには味方の援軍が必要になります。そこで NVIDIA は、ヘルスケア パートナーのエコシステムを拡大する取り組みに尽力してきました。
NVIDIA は現在、ヘルスケアへの AI の応用について 75 のパートナーと連携を進めており、その数は毎月増加しています。その範囲も、医療センター、医用画像関連企業、研究所、ヘルスケア スタートアップ、ヘルスケア関連業者と多岐にわたります。
今週シカゴで開幕する北米放射線学会 (RSNA) のコンベンションには、これらパートナーの多くが出席する予定です。RSNA では、パートナーとの取り組みをいくつか紹介するほか、以下の重要な進展について発表します。
- NVIDIA Clara ソフトウェア開発キット (SDK) の提供開始
- 医用画像処理用 Transfer Learning Toolkit (転移学習ツールキット) と AI Assisted Annotation (AI 支援アノテーション) SDK の公開
- NVIDIA Clara プラットフォームに基づく初のインハウス AI マーケットプレイスの構築に向けたオハイオ州立大学 (OSU) との提携
- 臨床試験への AI ツールの導入に向けた米国立衛生研究所 (NIH) との提携
インテリジェントな画像処理: Clara SDK の提供を開始
このたび提供が開始される Clara SDK によって、開発者は既存の各種 GPU プラットフォームを利用して画像再構成などの AI やビジュアライゼーション、コンピューティングを多用するアプリケーションを展開する作業を容易に行えるようになります。
NVIDIA GPU は、10 年以上にわたり医用画像処理において重要な役割を担ってきました。画像診断技術の分野では、NVIDIA の GPU を利用してリアルタイムの最先端画像再構成が実現されています。これには逐次近似再構成も含まれ、CT スキャンによる放射線被ばく量の低減、圧縮センシングによる MRI でのスキャン時間の短縮、ソフトウェア ビーム形成による超音波画像の画質向上などに貢献しています。
また、AI によって画像の収集機能をさらに向上させることもできます。画像処理装置で最高の画像を得るには AI が必要です。United Imaging、富士フイルム、キヤノンといった画像処理を手掛ける企業でも、AI 開発を加速する AI インフラストラクチャとして NVIDIA DGX スーパーコンピューターが採用されています。
Clara SDK はオープンな NVIDIA Clara プラットフォームに含まれています。この SDK により、医用画像処理業界は最先端の画像処理アプリケーションや AI 搭載ワークフローを開発し、展開できるようになります。
たとえば MGH & BWH Center for Clinical Data Science では、AI 展開戦略の一環として NVIDIA Clara SDK が採用されています。腹部大動脈瘤の検出モデルを開発した同センターは、NVIDIA Clara を利用した AI マーケットプレイス「Nuance AI Marketplace」でのモデルの展開を進めています。
MGH & BWH Center for Clinical Data Science でエグゼクティブ ディレクターを務めるマーク ミカルスキー (Mark Michalski) 氏は、次のように述べています。「現在開発されている何千もの最新 AI アプリケーションを放射線医学に活かすには、さまざまな医療センターや画像診断センターに展開するための明確な道筋を描く必要があります。その道筋こそが放射線医学における拡張可能な AI の導入への鍵となります。」
GPU アクセラレーテッド ソフトウェア ツール、ライブラリ、AI エンジン、コンテナー、サンプル アプリケーションから成る Clara SDK について、ぜひ詳細をご確認ください。
何千ものアルゴリズムを必要とする放射線医学のワークフロー
放射線医学の現場を変えるには、何千ものアプリケーションが必要になります。このような AI アプリケーションに対する需要と、それらを各機関の患者、機器、慣例に適応させる必要性から、MGH、BWH、NIH、UCSF、OSU、Mayo、KCL をはじめとする 50 以上の先進医療機関が、AI アプリケーションの開発に向けて NVIDIA DGX Systems への投資を行っています。
放射線医学業界での AI アプリケーションの構築と適応を後押しするため、NVIDIA は次の 2 つの重要なテクノロジを発表しました。
- AI Assisted Annotation SDK によって、放射線科医は、従来のアノテーション方法よりも 10 倍速くデータの価値を引き出すことができます。
- 医用画像処理用 Transfer Learning Toolkit によって、医師は、担当する患者に合わせて AI アプリケーションをカスタマイズし、適応させることができます。現場によって機器、プロトコル、患者の人口統計がそれぞれ異なる放射線医学では、この機能が重要になります。
オハイオ州立大学ウェクスナー医療センターで画像情報学部長を務めるルチアーノ プレベデリョ (Luciano Prevedello) 氏は、次のように述べています。「OSU では、これらのツールの重要性を理解しています。データ キュレーションは、アルゴリズムの開発ライフサイクルにおける主要なボトルネックの 1 つです。そのことは、特有のデータの複雑さと高度な訓練を受けたアノテーターの不足といった問題が存在する医用画像処理の分野では特に顕著です。」
同氏は続けて、「このツールキットで採用されている転移学習などの手法により、アルゴリズムのパフォーマンスを損なうことなくトレーニングに必要な画像の数を大幅に削減できる」と言います。「これを症例の準備に AI を利用する、より効率的なデータ キュレーション プロセスと組み合わせることで、アルゴリズム開発における新時代への扉が開かれるでしょう。」
オハイオ州立大学が初のインハウス AI マーケットプレイスを構築
最先端の大学病院であるオハイオ州立大学ウェクスナー医療センターは、医用画像処理を専門とするインハウス AI マーケットプレイスの構築に NVIDIA Clara プラットフォームを採用する初の米国パートナーです。
OSU の AI マーケットプレイスによって、放射線科医は、ディープラーニングや機械学習を自身のワークフローにすばやく取り入れられるようになります。
オハイオ州立大学ウェクスナー医療センターで画像情報学部の放射線学科長を務めるリチャード ホワイト (Richard White) 博士は、次のように述べています。「医用画像処理における人工知能の急速な普及によって新たなチャンスが生まれました。われわれは NVIDIA の協力を得て、AI をワークフローに統合するプロセスを効率化しました。今後の治療効果の向上につながるはずです。」
OSU は、脳内出血や冠動脈疾患といった緊急時の医療現場の対応を向上させるため、ディープラーニングと機械学習を採用する予定です。これらのアルゴリズムは、ER 部門での早期警告システム、放射線医学研究所でのワークリストの最適化、読影室での診断支援など、多くの医療ワークフローへの応用が期待されています。
また、その他の効果として、展開プラットフォーム上で標準化することで、その急成長するエコシステムで開発されている、すべての優れた AI アプリケーションを共有/統合できる可能性もあります。
米国立衛生研究所が AI ツールを臨床試験に導入
NVIDIA は、年間 1,600 件以上の臨床試験を行う米国最大の研究病院を運営する、米国立衛生研究所 (NIH) とも提携を進めています。
NVIDIA の研究者とエンジニアが NIH 医療センターの臨床医と合流し、最初の共同プロジェクトとして脳腫瘍や肝臓がんの臨床試験を効率化する AI ツールの研究を行う予定です。
この共同開発では、がん患者への精密医療の提供を目指し、画像データ、ゲノム データ、臨床データを統合するための AI ツールの開発にも注力します。これは、専用の AI データセントリック プラットフォームとディープラーニングに基づくラジオマイクロメーターによって実現される予定です。
NIH 医療センターで放射線医学/イメージング サイエンス部門のディレクターを務めるエリザベス ジョーンズ (Elizabeth Jones) 博士は、次のように述べています。「ディープラーニングなどの強力なツールを医療に応用するには、非常に幅広い専門分野にわたる医師、病院、コンピューター サイエンティストが連携して、医用画像処理用コンピューター モデルの可能性の実現と、予測画像バイオマーカーの開発をサポートする必要があります。」
現在、放射線科医は、既存のガイドラインに基づいてがんの病期分類を決定するための腫瘍の測定を手作業で行っています。AI によって、目視での確認では識別できないような方法で腫瘍の特徴付けと測定が自動的に行えるようになれば、このプロセスを変革できるはずです。
さらに、AI には、腫瘍の大きさなど現在使われている病期分類基準以外のデータを取り込むことで、分類精度を向上できる可能性もあります。AI によって検出された新しい画像バイオマーカーを臨床試験に活かせば、健康状態を予測し、個人ごとに診断と治療を行う精密医療の実現に向けて一歩近づくことができるでしょう。
AI を世界規模で放射線医学に取り入れるには、担当する患者に合わせてアルゴリズムを開発し、適応させる取り組みへの放射線科医の参加が得られるよう働き掛ける必要があります。また、放射線科医がそれらの画期的な研究を同業者と共有/統合できる標準化された手段を提供して、法規制やプライバシー面でのリスクを抑えながら、オンサイトでデータを分析できるようにすることも重要です。
インテリジェントな機器や自動化されたワークフローが現実のものとなっています。NVIDIA は、NVIDIA Clara プラットフォームによって放射線医学が AI の隔たりを超えられるよう、業界のソート リーダーとの連携を推進しています。
※Transfer Learning Toolkit の名称は 2021 年 8 月に TAO Toolkit に変更されました。