タグ: AI

患者から採取した細胞組織を顕微鏡で観察するなどして、「がん細胞や腫瘍はないか」といった疾患の有無を判断する病理診断。この診断を専門に行う病理医が今、国内外で不足傾向にあるという。

そんな現状を「AIによる病理画像診断ソフト」を通じて改善しようと試みているのが、福岡に拠点を構える九州大学発ベンチャーのメドメインだ。同社は8月17日、 DEEPCOREとドーガン・ベータを引受先とした第三者割当増資により1億円の資金調達を実施したことを明らかにした。

病理医が気づきにくい病気もAIが発見

そもそも病理診断に関してあまり馴染みがない人も多いかもしれないが、これは病院で大きな病気の疑いがあった際に実施される精密診断のこと。メドメイン代表取締役社長の飯塚統氏によると、「精密診断が必要です」と言われた時の精密診断とは病理診断を指すことが多いのだそうだ。

この病理診断を専門の病理医（病理専門医）が担当するのだけど、その数は日本国内で約2000人強。割合にすると医者全体のだいたい0.6%ほどしかいないという。

当然全ての病院やクリニックに病理医がいるわけではなく、通常は病理医がいる病院へ採取した細胞組織を郵送し、診断結果が出るのを順番に待つことになる。

「結果が出るまでにだいたい1〜3週間かかる。その期間が長くなれば患者の負担も増えるし、病気によっては進行してしまうものもある」（飯塚氏）

その問題を解決すべくメドメインが開発しているのが「PidPort （ピッドポート）」というAIによる病理画像診断ソフト。大量の病理画像をAIに学習させることで、細胞組織の画像をもとに高精度かつスピーディーに病理診断できる仕組みの構築を目指している。

たとえば他の病院に病理診断を依頼していた病院でも、画像データを用意すればPidPortを用いて1分ほどで診断結果ができるようになるという（その後病理医によるチェックは必要）。もちろん病理医がいる病院や病理診断を請け負っている検査センターでも、担当医の業務を支援するツールとして活用できる。

「病理医はキャリアの中でどれだけ病理画像を見てきたか、症例を見てきたかの積み重ね。その点ではある意味ディープラーニングに近いことをしている側面もある。（AI活用によって）短時間で膨大な量を学習できることに加え、病理医の先生が知らない病気に気づけることも特徴。PidPortが使われている他の病院で一度画像データを見ていれば、珍しい病気もAIが発見してくれる可能性がある」（飯塚氏）

まずは特にニーズの多い胃と大腸の診断を強化したα版を10月にクローズドでリリースする予定。複数の病院でテスト運用をしながら、β版を経て2019年10月を目処に正式版を公開する計画だ。

「将来的には今まで病理医の先生がやってきた病理診断をPidPortでもできるようにしたい。メディアなどで『病理診断をAIでやります』といった話題も目にするが、現状では胃ガンなど限定的なものも多い状況。（PidPortでは）全身、全疾患をカバーすることを目指していく」（飯塚氏）

九大起業部発のスタートアップ、医学部や大学病院とも連携

写真最前列の右がメドメイン代表取締役社長の飯塚統氏

メドメインは2018年1月の創業。九州大学医学部に在学中の飯塚氏を中心に、同大学の起業部から発足したスタートアップだ。現在はPidPortのほか、医学生向けクラウドサービス「Medteria （メドテリア）」も開発している。

飯塚氏自身がかつて病理診断を経験し、結果を待っている時間が長いと感じたことが根本にあるそう。医学部でデータ解析をする際などに学んだプログラミングスキルを活用して「他の人にも使ってもらえるサービス」「きちんとマネタイズして事業化できるもの」を検討した結果、現在の事業アイデアに決めたという。

医療領域で画像診断を効率化するプロダクトについては、以前エルピクセルが手がける「EIRL（エイル）」を紹介したが、人手不足などもあってAIを含むテクノロジーの活用に期待が集まっている。

ただし飯塚氏によると研究開発は国内外で進んでいるものの、商用化されたアプリケーションという観点ではこれといったものが国内外で生まれていないそうだ。

その理由の一つが「データ集めの難易度の高さ」にある。PidPortでいえば病理画像に当たるが、これらのデータの多くは病院が保有しているもので、一般企業が集めるにはハードルが高い。メドメインは九大医学部、九大病院と連携しているため、データ集めにおいては他社にない強みを持っていると言えるだろう。

アドバイザーという形も含めて10名程度の医師が開発に携わっていて、データのチェックや現場視点でのフィードバックも行なっているそう。加えてスーパーコンピューターを用いるなど、開発体制の整備も進めてきた。

メドメインでは今回調達した資金を活用してアルゴリズムの強化、組織体制の強化をしながら10月のα版、そして1年後の正式版リリースに向けて事業を加速する計画。

飯塚氏が「日本国内だけではなく、アフリカや東南アジアなど病理診断の土壌がない国にも展開していきたい」と話すように、世界各国の医療機関への提供を目指していくという。

AIソリューションの開発を手掛けるハカルスは7月12日、エッセンシャルファーマ、大原薬品工業、キャピタルメディカ・ベンチャーズ、みやこキャピタル、メディフューチャーを引受先とした第三者割当増資により、総額1.7億円を調達したことを明らかにした。

同社は2014年の設立。過去にトータルで1億円を調達していて、今回のラウンドを含めると累計調達額は2.7億円となる。

前回の調達時にも紹介している通り、ハカルスはもともとヘルスケア分野のAIベンチャーとしてスタート。少量のデータからでも傾向や特徴を抽出できる「スパースモデリング」技術を機械学習に応用した、独自AIを開発している。

これによって一般的なディープラーニング技術が抱える「膨大な学習データが必要」「AIの意思決定の過程が人間には解釈できずブラックボックス化している」「大規模な計算資源が必要」などの課題を解決することを目指しているという。

ハカルスでは同社の技術をこれまで産業や医療分野に展開。たとえばドローンで空撮した建物の画像から補修が必要な箇所を特定するようなシーンで利用実績がある。

3月には医療・ヘルスケア分野での利用に特化した開発パッケージ「HACARUS Fit Platform」 を発表しているが、今回の調達資金は医療分野の課題解決を行うソリューションの開発体制をさらに強化するのが目的。

株主となった大原薬品やエッセンシャルファーマ、メディフューチャーとは共同で医療機関と医療従事者に向けた包括的なAIソリューションの開発、AIによる診断・治療支援の事業化などに取り組むという。

なお同社はTechCrunch Tokyo 2016スタートアップバトルのファイナリストのうちの1社だ。

【編集部注】著者のBrian Brackeenは、顔認識ソフトウェアを開発するKairosのCEOである。

最近MIT Technology Reviewに掲載された記事で、記事の著者Virginia Eubanksが自身の著書である”Automating Inequality”（不平等の自動化）について論じている。その中で彼女は、貧困層が不平等を増加させる新技術のテスト場にされていると主張している。なかでも、アルゴリズムがソーシャルサービスの受給資格を判断するアルゴリズムに使用されると、人びとがサービスを受けにくくなり、一方では侵害的な個人情報提供を強制される点が強調されている。

私は、法執行機関による顔認識の公的使用に関する危険性について、多くのことを語ってきたが、それでもこの記事には目を開かされた。アルゴリズムデータに基く決定によって、本当にサポートサービスが必要な人たちに対する支援が拒絶もしくは削減されてしまうという、不平等で生命を脅かす実情が存在している。

私たちは、住宅ローン、クレジットカード申請、自動車ローンなどの、私たちの生活について恣意的な決定を下す企業にはある程度慣れている。とはいえそうした決定は、決定のための直接的な要因にほぼ基いている、クレジットスコアや、雇用状況、そして収入などだ。これに対してソーシャルサービスに対するアルゴリズム的決定の場合には、受給者に課せられる強制的なPII（個人特定情報）の共有と組合せられた、徹底的な調査の形のバイアスが存在している。

Eubanksは、例としてAllegheny Family Screening Tool（AFST：アレゲーニー家族スクリーニングツール）を利用する、Pittsburgh County Office of Children, Youth and Families（ピッツバーグ郡、青少年、および家族のためのオフィス）を挙げている。このツールは統計的モデルを用いて幼児虐待やネグレクトのリスクを評価するものだ。このツールを使用すると、貧困家庭の割合が不均衡に増えることになる。なぜならツールのアルゴリズムに供給されるデータは、公立学校、地方住宅機関、失業サービス、少年保護観察サービス、そして郡警察などから得られることが多いためだ。基本的に、ここに集まるデータはこうしたサービスを利用したりやりとりのある事の多い、低収入の市民たちから得られるものが多くなる。反対に、私立学校、子守サービス、プライベートな精神衛生および薬物治療サービスといった、民間サービスからのデータは入手できない。

AFSTのような決定ツールは、貧困を虐待の危険性の兆候としてみなすが、それはあからさまな階級差別である。そしてそれはデータの非人道的取り扱いの結果なのだ。法執行機関や政府監視におけるAIの無責任な使用は、生存を脅かす真の危険性を秘めている。

Taylor Owenは、2015年に発表した“The Violence of Algorithms”（アルゴリズムの暴力）という記事の中で、彼自身が情報分析ソフトウェア会社のPalantirで目撃したものを報告し2つの主要な点を指摘した。1つはこうしたシステムは、ほぼ人間によって書かれ、人間によってタグつけされ入力されたデータに基いているということ、そしてその結果「人間の偏見とエラーで溢れたものになってしまう」ことだ。そして2つめに彼は、こうしたシステムが徐々に暴力に用いられるようになっていることを示唆している。

「私たちが構築しているのは、世界の巨大なリアルタイム3次元表現です。私たちの永久的な記録…しかし、こうしたデータの意味はどこから来たのでしょうか？」と彼は問いかけ、AIとデータセットに固有の問題を明示した。

履歴データは意味のあるコンテキスト与えられた場合にのみ有用なものとなるが、多くのデータセットには与えられていない。ローンやクレジットカードのような金融データを扱おうとしているときには、前述のように判断は数字に基いている。これらのプロセス中に誤りやミスがあることは間違いないが、クレジットの信用に値しないという判断が下されたとしても、警察がそれを摘発に行ったりはしないだろう。

しかし、逮捕データを判断時の主要なファクターとして利用する、法逸脱予想システムの場合は、警察の関与を招きやすくするだけでなく ―― そうすることが意図されているのだ。

少数民族を対象にした、当時は完全に合法だった近代の歴史的政策を思い起こせば、ジム・クロウ法（南部の州で制定されていた人種差別法の総称）がすぐに心に浮かぶ。そして、公民権法が1964年に成立したにもかかわらず、1967年になるまでは先の法律たちは憲法違反であるとは裁定されなかったことも忘れないようにしよう。

この文脈からはっきりわかることは、憲法上黒人が完全なアメリカ人だとみなされるようになってから、まだたったの51年間しか経っていないということだ。現在のアルゴリズムバイアスは、それが意図的であれ固有のものであれ、貧困層と少数民族をさらに犯罪へと追いやり疎外するシステムを生み出してしまう。

明らかに、社会として私たちが担う責任をめぐる倫理的課題が存在している。私たちの総力を上げて、政府が人びとを殺し易くする手助けをすることを避けなければならない。もちろん、この責任を最も重く背負うのは実際にアルゴリズムを訓練する人びとではあるが ―― 微妙なニュアンスも良心も解すことのできないシステムを、明らかに情報の権限を持つ位置に置くべきではない。

Eubanksはその著書の中で、アルゴリズムを使い仕事をする人たちのために、ヒポクラテスの誓いに近いものを示唆して居る ―― 害意を持つこと無く、偏見を避け、システムが冷酷で厳しい抑圧者とならぬように。

この目的に向かって、Algorithmic Justice Leagueの創設者でありリーダーでもあるMITのJoy Buolamwiniは、顔の分析技術を責任を持って使用することを誓約した。

この誓約には、人間の生命と尊厳に対する価値を示し、致命的な自律的武器の開発に従事することを拒否し、そして個人に対する不当な追跡を行うための顔分析製品ならびにサービスを法執行機関に配備させない、といったコミットメントが含まれている。

この誓約は自主規制のための重要な第一歩であり、私は顔認識利用に関するより大きな草の根規制プロセスの始まりだと思っている。

[原文へ]
（翻訳：sako）