最新の医用画像機器や周辺機器が披露される総合展示会「2019国際医用画像総合展 ITEM2019」(主催:一般社団法人 日本ラジオロジー協会)が、2019年4月12~14日にパシフィコ横浜で開催された。今回の会場で目立った話題は、人工知能(AI)だ。画像診断のワークフロー支援や画像診断支援そのものにAIを活用しようとする各社の取り組みが相次いで発表された。以降では、富士フイルム、シーメンスヘルスケア、日立製作所、コニカミノルタの4社が披露したAI関連の取り組みを見ていこう。

深層学習で読影ワークフロー支援、富士フイルム

 富士フイルムが出展したのは、読影医の画像診断ワークフローを支援する「SYNAPSE SAI viewer(シナプス サイ ビューワ)」だ。CT画像からの臓器描出や骨の経時変化表示などを、機械学習の先進的手法であるディープラーニング(深層学習)を用いて行い、画像診断を効率的・効果的に支援するものである。同社の医用画像情報システム(PACS)「SYNAPSE 5」と接続して運用する。発売は2019年7月を予定している。

富士フイルムのAIを活用した画像診断プラットフォーム「SYNAPSE SAI viewer」(写真:Beyond Health、以下同)

 AIを活用して開発した機能は、大きく次の3つ。(1)臓器描出機能およびラベリング機能、(2)骨経時サブストラクション機能、(3)バーチャル シン スライス機能、である。

 (1)の臓器描出機能は、全身の臓器の解剖学的特徴を捉えることで自動的に描出するもの。学習データを基に病態や個人差にかかわらず、臓器や構造を認識することができ、読影時の視認性を高める。また、頸椎・胸椎・腰椎などをそれぞれ描出した上で、医師が疾患の場所を指し示す際に使う「骨番号」を自動的に付与し、画像に重ねて表示するのがラベリング機能。番号の振り間違いを抑制し、作業を効率化できる。

 (2)の骨経時サブストラクション機能は、椎骨一つひとつを認識して過去画像と現在画像の位置合わせを行い、骨濃度(CT値)の変化を経時的に可視化する。骨の経時的変化を観察する際に、病変の経過や転移などを色付けで描出し、読影をサポートする。

 (3)のバーチャル シン スライス機能は、一般的な読影に使用される5mm程度のスライス画像(Thickスライス)から、1mm程度のスライス画像(Thinスライス)を仮想的に生成する。撮影条件が異なる過去画像を仮想的に1mmスライスに近づけることで現在画像と同程度の視認性を確保でき、血管走向などの比較も滑らかに表示できるという。

 同社では今後、AIを活用して各種CAD(コンピューター支援診断)機能の実装も計画している。その一つが病変性状を識別し、自動で分類・計測して定量化する機能。定量化・構造化したデータを基に所見レポート文の自動生成機能も付加する予定だという。「深層学習を病変検出・計測・レポートまで活用することで、読影ワークフローの一貫した支援ができるようにしていく」(同社の説明担当者)。