画像データからデジタル変革へ

人工知能(AI)技術が今後のより良い医療ケア分野のためにできること

Siemens Healthineersの先進的なAI技術によって、医療ケアの分野に様々なイノベーションをもたらせることができます。これらは自動化や標準化、または個別化する医療を具現化していくことに役立ちます。
高性能なデータ分析をAI技術を用いて効率化を行い、生産性の向上を実現することでより高品質な医療ケアを提供できるようになります。疾患に対する幅広い理解と治療分野における大変革を起こし、健康と医療の本質を変えることができます。
私たちは今後、AIを搭載したより多くの製品とサービスを提供していきます。


私たちの強み

90年代から取り組んできたAIイノベーション

Siemens Healthineers は、1990年代から機械学習の分野に積極的に携わってきました。これは、「機械学習」の分野で500件以上の特許を取得し、最新の「深層学習(ディープラーニング)」では100件の特許を出願しています。また、40個以上のクリニカルアプリケーションで既にAI機能が含まれています。

AI技術の基本的なアルゴリズムは決して新しく開発されたものではなく、理論的な概念は1980年代、1990年代に既に確立されておりました。しかしながら当時のコンピューター環境では莫大なデータを分析する能力が不十分であったため、実際に普及させることはできませんでした。今日では、医療分野においても十分な量のトレーニングデータが比較的容易に利用可能であり、コンピューター能力も飛躍的に向上し、深層学習(ディープラーニング)に代表されるニューロンネットワークの実現が可能となりました。

AI技術を医療の分野で用いる場合には、より継続的に大量の高品質な画像データが必要になります。
Siemens Healthineers では、数年にも渡ってデータの精査や教師データ作成に関わる専門家チームを構築し、研究開発を継続しています。そしてアルゴリズム開発に最大限注力し、既に3億症例以上の画像、レポート、関連する臨床データ等を用いてデータ学習を実施し、キュレーション(情報を収集し、分類し、つなぎ合わせて新しい価値を持たせる)を行い、データベースを構築しました。

これらのビッグデータの管理と処理には、強靭なインフラストラクチャが必要です。
AIとそのアルゴリズムを進歩させるためには高性能なインフラストラクチャが不可欠であり、さらに強力なデータセンターがなければ、アルゴリズムの開発とトレーニングは不可能です。
当社は、膨大な数の各地域のデータセンターと連携し、それらのネットワークを開発に生かしています。アメリカのニュージャージー州エジソンにある当社のスーパーコンピューターは16ペタフロップスの処理能力を有します(16ペタフロップスとは、1秒あたり16,000,000,000,000,000回の浮動小数点演算が可能であることを表します)。
AIの研究開発においてパートナーとの密接な協力体制を構築することは、成功に導くために不可欠です。我々は、”パートナー”、すなわち医療関係者の皆様と何百もの有能な技術者とデータサイエンティストからなる我々のチームとが協力し合い、優れた成果を導いてきました。

キーコンセプト

AIとは?

人工知能は、通常人間が無意識に行っているような複雑な問題を解決するためのコンピュータ支援プロセスです。例としてはマシンビジョン、パターン認識、音声認識、ナレッジベースによる意思決定などがあります。
人工知能の中には、開発者によって永続的に固定された経験に基づく古典的なアルゴリズムと、模範的なデータに基づいて単独に解を導きだす機械学習のアプリケーションとの間で区別されています。
従来の機械学習アルゴリズムより優れている「深層学習(ディープラーニング)」技術によって、革新的なプロセスを実現できます。このアルゴリズムは、大量のデータを継続的に追加し訓練させることでより精度や性能を改善し、誤り率等の低下等、継続的な改善を自動的に実現できる能力を兼ね備えております。


AIにおける重要な概念

人工知能(AI:Artificial Intelligence)は人が他人の考えと結びつける認知機能を模倣することと定義されています*1

機械学習は、機械が新しい状況に適応し、パターンを検出し外挿することを可能にします*1

従来の機械学習アルゴリズムは手作業でハードコードされ、特定の機能を探すことを意図しています。 これらは「専門的」であり、追加の作業には容易に使用できません。つまり、もともと設計されていた作業ともいえます。

深層学習(ディープラーニング)は、入力層と出力層の間に複数の隠れ層がある多層ニューラルネットワークを使用する機械学習の一種です。
アルゴリズムをより速く開発できるようにし、より正確な結果を得ることができます。
さらに、深層学習(ディープラーニング)は、従来の手法では認識されなかったかもしれない関係を識別することができます。

*1 Artificial Intelligence, Russell & Norvig, 2016