グルーヴノーツと東京大学、マルチモーダルAIにより超音波検査画像と診療情報を統合した高精度な疾患画像判別モデル開発

グルーヴノーツと東京大学、マルチモーダル深層学習により超音波検査画像と診療情報を統合した高精度な疾患画像判別モデル開発

AIと量子コンピューターを活用できるクラウドプラットフォーム「MAGELLAN BLOCKS」(マゼランブロックス)を開発するグルーヴノーツは1月7日、東京大学医学部付属病院と共同で、人工知能を用いた医療画像と診療情報の統合による高精度な疾患画像判別モデルを開発した。同日付けで、学術誌「Journal of Gastroenterology and Hepatology」において論文を発表した。

研究グループが開発したのは、腹部超音波検査画像と診療情報をAIで統合した、肝腫瘤を判別するためのモデル。これまでの画像診断モデルは画像のみを学習させていたが、そこに診療情報を統合することで飛躍的に精度が向上するという。

肝腫瘤の早期発見で広く用いられているのは、腹部超音波検査だ。しかし、良性か悪性かを判断するには、CTやMRIで血流の状態を見る、つまり「質的な診断」を行う必要がある。研究グループは、画像と数値などの異なる種類のデータを同時に学習できるマルチモーダル深層学習(マルチモーダルAI)を用いて超音波画像診断と診療情報を統合することで、新しい肝腫瘤の疾患画像判別モデルを開発した。これを使えば、腹部超音波検査だけで質的な診断が可能になり、CTやMRIの放射線被曝のリスク回避や費用の削減にもつながる。

研究グループは、2016年4月から2018年11月までに東京大学医学部附属病院で腹部超音波検査を受けて肝腫瘤が発見された1080例(悪性腫瘍548例、良性腫瘍532例)に対して、グルーヴノーツのMAGELLAN BLOCKSでマルチモーダル深層学習を用いた判別モデルの作成と精度の評価を行った。

その結果、超音波検査のみに比べて、超音波検査に患者背景情報、肝臓の炎症情報、肝臓の繊維化情報、アルブミンの情報を統合したモデルでは、AUROC値が0.994(1に近いほど正確)と非常に高い精度が示された(ちなみに超音波のみの場合は0.721)。AUROC値はThe area under the receiver operating characteristic curve(ROC曲線下面積)の略で、判別モデルの性能を評価する指標の1つ。

超音波画像のみのモデル(左図)、マルチモーダル深層学習を用いて超音波画像に診療情報を統合したモデル(右図)の診断精度を示したROC曲線。この曲線の下の面積(青色部分)が大きいほど診断精度がいいということになる。診療情報を統合したモデル(右図)では、左上の欠けた部分が少ない良好な診断精度を示した

超音波画像のみのモデル(左図)、マルチモーダル深層学習を用いて超音波画像に診療情報を統合したモデル(右図)の診断精度を示したROC曲線。この曲線の下の面積(青色部分)が大きいほど診断精度がいいということになる。診療情報を統合したモデル(右図)では、左上の欠けた部分が少ない良好な診断精度を示した

こうした学習モデルでは、サンプル数が多いほど正確な判別が可能になるが、医学研究では患者の同意取得や倫理的な問題もあって大量の患者サンプルを入手することが難しい。しかし今回の研究で、マルチモーダル深層学習を使えば大変に高い精度での判別が可能になることがわかった。この手法は、他分野への応用も期待されるとのことだ。

グルーヴノーツとキユーピーが量子コンピューティング技術活用の製造ライン「シフト最適化」開始

グルーヴノーツとキユーピーが量子コンピューティング技術活用の惣菜工場「シフト最適化」開始

量子コンピューター関連ビジネスを手がけるグルーヴノーツは10月9日、キユーピーの惣菜工場において、量子コンピューティング技術を活用した製造サインのシフト最適化プロジェクトを本格開始したと発表した。

同プロジェクトは、経済産業省が推進するロボットフレンドリーな環境を実現するための研究開発事業「令和2年度 革新的ロボット研究開発等基盤構築事業」に採択されたもの。同事業においてキユーピーとグルーヴノーツが協働し、今回のプロジェクトである「量子コンピュータによる高速シフト計算検討」、ならびに「AIによる需要予測と協調領域データレイク検討」に取り組む。

AIによる需要予測と協調領域データレイク検討では、需要に対する生産量の適正化に向けて、小売と食品メーカーが協調し、協調領域として共通するデータや需要予測に必要なデータの標準化を図るため、データ範囲の定義、 管理・運用方法について検討。これにより、食品ロスや機会損失を削減し、さらなる業務効率化を図ることができると期待されているという。

グルーヴノーツとキユーピーが量子コンピューティング技術活用の惣菜工場「シフト最適化」開始

シフト計画を作成するには、本人の労働条件や休暇希望、製造ラインごとに求められる人数・スキル要件、勤務間隔、人件費、人と人の相性など、様々な条件を考慮する必要がある。こうした多くの条件を満たした上で、様々にある組み合わせパターンの中から最適な答えを解く問題は「組合せ最適化問題」といわれ、組合せ最適化問題を解決するテクノロジーが、量子コンピューティング技術の中で「イジングマシン」(または、量子アニーリング)と呼ばれる。

グルーヴノーツとキユーピーが量子コンピューティング技術活用の惣菜工場「シフト最適化」開始

グルーヴノーツは、先進のテクノロジー発想と高い技術力を基に、イジングマシンを活用して業務上の様々な組合せ最適化問題を解くモデル(イジングモデル)やアプリケーションを独自開発し、「MAGELLAN BLOCKS」(マゼランブロックス)として提供。

同社はこのMAGELLAN BLOCKSの活用により、シフト最適化や製造順序最適化、物流最適化など、企業が抱える組合せ最適化の実問題を解くことに成功してきた。そこでキユーピーは、グルーヴノーツを最適生産体制の実現に向けたテクノロジーパートナーとし、両者共同して惣菜工場における製造ラインのシフト最適化プロジェクトを開始する。

これまでキユーピーとグルーヴノーツが行った実証実験においては、MAGELLAN BLOCKSのイジングモデルでシフトを作成。例えば熟練のシフト作成者が30分かけて作成したシフト表と比べて、遜色なく実運用で使える結果をわずか1秒で示すなど、イジングマシン活用の効果が確認されたという。

これにより、従来は複雑すぎて考慮しきれなかった条件や、従業員が求める新しい働き方の要件、新型コロナウイルス感染症対策として密集を回避した配置基準などを加味して、「働く人にやさしい」快適かつ最適なシフト作成が可能になると期待されるとしている。また、同事業として、人とロボットの共存を考慮したシフトおよび製造順序の最適化に向けた取り組み検討を進める。

製造ラインにおいて人とロボットが共に働いた場合のオペレーションをシミュレーションした結果、ロボットが高性能であるよりも、人間の動きと調和したときに時間あたりの生産量が最大化することがわかっているという。

グルーヴノーツとキユーピーが量子コンピューティング技術活用の惣菜工場「シフト最適化」開始

さらに、MAGELLAN BLOCKSのイジングモデルによる最適化と、AIによる需要予測を組み合わせて活用することで、日々の需要量に応じた製造計画の策定から、製造順序の最適化・シフト最適化・番重(食品用コンテナ)の積み付けの最適化・物流の最適化など、工場全体の最適生産体制の構築に向けた支援が可能になると考えているという。

グルーヴノーツとキユーピーが量子コンピューティング技術活用の惣菜工場「シフト最適化」開始

今後はさらに両社で、量子コンピューティング技術やAIを活用して、工場内の様々な課題に取り組み、さらには取り組んだ成果を食品業界モデルとしてソリューション展開していくことで、業界全体の課題解決に貢献していく。

キユーピーは、調理・調味料事業、サラダ・惣菜事業、タマゴ事業など、食品5事業+物流事業を展開する食品メーカー。惣菜市場は10年連続して拡大を続け、同社サラダ・惣菜事業の売上は、調理・調味料事業、タマゴ事業に次ぐ構成比(2019年度:16.5%)とさらなる事業機会の拡大に取り組んでいるという。一方惣菜を作る工程においては、見た目・重量など厳密な盛り付け基準が設けられていることなどから、最も多い人手を要し、ベルトコンベアを囲んで多くの従業員が24時間交代制で働いている。

今後、ますます人手不足の深刻化が予測される中、人手を増やさずとも従業員の負荷軽減を図りながら生産性を最大化するため、ロボット活用が急務とされているという。一方ロボット導入の上では、人とロボットの役割分担をふまえ、業務オペレーションやシフト体制の再設計が不可欠としている。加えて、短時間勤務など人の多様な働き方を可能にする働き方改革を推進していくにあたり、最新テクノロジーの活用や高度なシフト管理システムの導入が求められているという。

カテゴリー: 人工知能・AI
タグ: グルーヴノーツキユーピーMAGELLAN BLOCKS量子コンピュータ日本

関連記事
物流スタートアップDatumixが通販物流センターにおける立体シャトル自動倉庫作業の効率化AIアルゴリズムを開発
量子アニーリング研究開発スタートアップ「シグマアイ」とソニーの共同研究成果が国際会議ISITA2020に採択
「量子アニーリング」で計算困難な産業課題の最適化を図るJijが2億円を調達、目指すは世界の最適化
大学発、量子コンピュータ用ソフト開発のJijがANRIから資金調達
aaS企業を支援するGoogle Cloud SaaSイニシアチブにプレイド、グルーヴノーツの2社が日本初の認定
機械学習のクラウドプラットフォームを提供するグルーヴノーツ、5億円を資金調達

SaaS企業を支援するGoogle Cloud SaaSイニシアチブにプレイド、グルーヴノーツの2社が日本初の認定

Google Cloudが7月に発表したSaaSパートナーを支援するプログラム「Google Cloud SaaS イニシアチブ」への参加企業として、日本から顧客体験プラットフォーム「KARTE」を提供するプレイドと、機械学習プラットフォーム「MAGELLAN BLOCKS」を提供するグルーヴノーツが認定された。同プログラムには世界40カ国から100社以上の企業が選ばれており、日本企業では2社が初の認定企業となる。

認定企業は、共同販売プログラム等イニシアチブパートナー向け特典のほか、GCP Marketplaceへ開発したソリューションをグローバルで顧客に提供することが可能となる。

KARTEは、ウェブサイトやアプリを利用するユーザーの行動をひとりひとりの「人」としてリアルタイムに分析し、それぞれの人に合った体験を提供するためのプラットフォーム。2015年3月のサービス開始時には、いわゆる「ウェブ接客ツール」としてスタートしたKARTEだが、現在はウェブのポップアップだけでなく、LINEなどとの連携やサイト間・実店舗での横断的なユーザー行動分析、アプリ解析・メッセージングツールも提供している。

「個客」の動きを捉えるKARTEのリアルタイム解析は、秒間最大4万イベントを超える。その処理を支えるのは、Google Cloud Platformを中心に構成したクラウドサーバーサービス群だ。

KARTEを提供するプレイド代表取締役社長の倉橋健太氏は「KARTEのようなリアルタイム解析と自由度の高いウェブ上でのアクションをワンストップで実現できるサービスは世界的にもまだなく、日本市場と同様に高いニーズがあることを、今年7月の訪米時に実感した。プログラム参加を機に、グローバルでの市場創出と拡大を目指す」とコメントしている。

Google Cloud Next ’17で基調講演に登壇するプレイド代表取締役社長の倉橋氏

もう一方のグルーヴノーツが運営するMAGELLAN BLOCKSは、2016年4月にβリリースを公開、同年7月に正式版がリリースされたクラウドプラットフォームだ。

MAGELLAN BLOCKSでは、Google Cloud Platformで提供されているビッグデータ処理や機械学習などの処理を、ブラウザ画面の上でブロックを並べるように配置してつなぎ合わせることで、プログラミング知識なしで扱えるようにした。ノンプログラマでもデータがあれば、機械学習による販売予測や画像分析、音声認識、テキスト認識など、Google提供のAPIを直感的な操作ですぐに扱うことができる。

グルーヴノーツとMAGELLAN BLOCKSについては、2017年2月の資金調達時の記事でも紹介しているので、そちらもご覧いただければと思う。

機械学習のクラウドプラットフォームを提供するグルーヴノーツ、5億円を資金調達

magellan_blocks

機械学習やビッグデータ処理のクラウドプラットフォーム「MAGELLAN BLOCKS(マゼランブロックス)」を提供するグルーヴノーツは、福岡市に拠点を持つスタートアップだ。そのグルーヴノーツが、WiLおよび大和企業投資が運営する各ファンドを引受先とした、総額5億円の第三者割当増資を2月中にも実施する。

データがあれば予測システムができるMAGELLAN BLOCKSの機械学習サービス

MAGELLAN BLOCKSは、Google Cloud Platformで提供されているビッグデータ処理や機械学習などの処理を、ブラウザ画面の上でブロックを並べるように配置してつなぎ合わせることで、プログラミング知識なしで扱えるようにしたクラウドプラットフォーム。2016年4月にβリリースが公開され、同年7月には正式版をリリースした。機械学習による販売予測や画像分析、音声認識、テキスト認識など、Google提供のAPIを直感的な操作ですぐに使うことができる。例えば「大量の音声データを翻訳してパターンを分析する」といった場合なら、「音声データの取得」「音声認識」「翻訳」「分析」といった、それぞれの機能のブロックを順番に配置することで、データ処理が可能だ。

 

これまでの機械学習では“使える”予測モデルを手に入れるためには、まずアルゴリズムを選び、学習させるデータの収集・選択を行い、チューニングを経るといった工程が必要だった。1月11日にαリリースされたMAGELLAN BLOCKSの機械学習サービス「Machine Learningボード(MLボード)」では、CSV形式の学習データを用意して項目を設定し、あとは精度が上がるまでの学習時間と回数を設定するだけで予測システムを用意することができる。現状では、与えたデータからパターンを判別する「数値分類」と、気象条件からの販売数予測などに使う「数値回帰」の二つのモデルが用意されており、今後も別のモデルを追加していく予定だ。

「テストケースとして、東京電力パワーグリッドが提供する電力の使用状況データと、気温・日照時間・湿度などの気象データから予測モデルを作成してみたところ、未学習データでもかなり精度の高いものができた」とグルーヴノーツ代表取締役社長の最首英裕氏は言う。「福岡のあるホームセンターで、気象データを利用してカイロの販売予測を行ったケースでも精度がよく、顧客に喜ばれた。MAGELLAN BLOCKSの機械学習なら、企業はアルゴリズムやチューニングを気にする必要はなく、“どういうデータを使うか”だけを考えればよい」(最首氏)

現在、MAGELLAN BLOCKSは10数社が導入済みで、金融、エネルギー、流通、製造、医療業界などからの引き合いが多いという。料金は顧客がMAGELLAN BLOCKS上で運営する処理工程の数に対する月額課金制で、最低月額2万円から利用できる。初期導入から運用までの設定とコンサルティングで約100〜200万円、月額20万円くらいで開始する企業が多いそうだ。

MLボードは需要予測、故障予測、言語解析、画像解析などに利用されており、すでに利用が始まっている損保ジャパン日本興亜の事例では「社内の問い合わせに対して、過去の問い合わせデータを元にAIが回答する」という仕組みに活用されているという。

今回の資金調達の背景には、2016年4月のリリース以降も改善が加えられてきたMAGELLAN BLOCKSが、コンサルタントや営業が顧客企業に張り付かなくても、顧客自身で運用できるような完成形に近づいてきたこともある、と最首氏は話す。「機械学習サービスの利用に求められることも見えてきた。今後はマーケティングを強化して、成長の速度を一気に上げたい。IoTやAIを利用した予測に注目する企業が増えてきている今は、重要なタイミングだと考えている。また、MAGELLAN BLOCKSは日英両言語に対応しており、Google Cloud Platformのほか、Salesforceにも対応していることから、海外でもそのまま利用することができる。海外市場にもアピールしていきたい」(最首氏)

社会の一人一人が課題に取り組みやすいプラットフォームを提供したい

最首氏は1998年にウェブシステム開発のイーシー・ワン(現・ノーチラス・テクノロジーズ)を創業し、2002年にはJASDAQに上場(2009年に上場廃止)。その後、MBOにより分散系システムの開発チームとともに独立し、2012年4月に福岡に拠点を持つゲーム開発会社のクリップエンターテイメントへと合流。社名をグルーヴノーツへ変更し、代表取締役社長に就任した(旧・クリップエンターテイメント代表取締役社長の佐々木久美子氏は、グルーヴノーツ代表取締役会長に就任)。

グルーヴノーツでは当初、クラウド技術を活用してオンラインゲームのバックエンド開発を行っていた。大量アクセス、大量データ処理を扱うノウハウを得た後、「このノウハウをもう一度、企業システムに応用して生かしたい」(最首氏)ということで開発されたのが、2014年12月にβリリースされたクラウドプラットフォーム「MAGELLAN」だった。

MAGELLANは最初はエンジニア向けに提供されたが、最首氏は「こうしたシステムのオーナーシップは、もうエンジニアではなく事業側にあるのではないか」と考えるようになったという。「新時代の事業づくりで、事業側が思いついたことをすぐに反映できないのでは時代に遅れるのではないか。エンジニアでない人でも取り組めるサービスが必要だと思った」(最首氏)

こうして誕生したのが、ノンプログラムで利用できるクラウドプラットフォームのMAGELLAN BLOCKSだ。「従来、企業で機械学習による予測を行いたいという場合には、ベンダーにデータだけ与えて処理を任せ、チューニングにより精度が上がるのを待つしかなかった。それはフラストレーションがたまることで、自分で精度を上げて運用したいというニーズがあった」(最首氏)

MLボードの追加により、機械学習を簡便にスタートできる基盤として完成しつつあるMAGELLAN BLOCKS。最首氏はこれを「総合的な課題解決のプラットフォームにしていきたい」と話す。「日本が抱える問題は、エンジニアが新技術で解消していくものではなく、社会の一人一人が解決していくもの。課題への取り組みやすさが大事だ」(最首氏)

グルーヴノーツが福岡に拠点を置いていることから、最首氏は地方から見る視点も意識している。「九州では製造業、特に半導体や精密機械などで高い技術力を持つのに、周りの成長についていけていない企業が多い。だけど、これは日本全体の地方の産業でそうなのではないか、さらには、世界のマニファクチャリングの現場で共通の課題なのではないかとも考える」と言う最首氏は、「高齢化の進んだ田舎の地域で、クルマでなければ移動ができないからとお年寄りが無理して運転して、事故を起こすようなこともある。そういう場所で自動運転技術の導入を考えた時に、ビッグプレーヤーが世界均一の技術やサービスを提供すればよい、というものではないはずだ。大資本だけが課題解決できるというのでは実態に合わない。地域の実態に合った産業の発展を促せれば、産業全体の成長にもつながると思う」と語る。

「自社の課題を解決するのに、すべてベンダー任せというのはおかしい。せめて機械学習の分野では、自分で運営し、試行錯誤できて、自力で解決できる基盤を提供したい。そうでなければ日本の企業は世界に勝てない」(最首氏)