　まず、緑内障208眼と健常149眼について、それぞれから視神経乳頭部のカラー眼底写真1種、OCT画像4種を抽出した。次に、訓練済みの畳み込みニューラルネットワークモデルの1種であるVGG19モデルを用いて、この5種類の画像データセットでそれぞれのVGG19モデルを構築した。それらのVGG19モデルから緑内障と正常の分類に必要な特徴量を抽出した後、機械学習のアルゴリズムの1つであるランダムフォレストにより学習させ、緑内障を自動診断する機械学習モデルを構築した。

　同モデルの性能を調べるため、10-分割交差検証法で各種画像の組み合わせ検証したところ、最高性能としてAUC=0.963を示す高い診断精度が得られた。

　今回の成果は、各症例に対する機械学習モデルによって緑内障の確信度を提示することで、その早期発見につながることが期待される。

視神経乳頭と黄斑出典：理化学研究所

「医療技術」バックナンバー

脳磁図データから神経疾患を自動診断、ディープラーニングで
大阪大学は、脳磁図から神経疾患を自動診断するシステム「MNet」を開発した。これを用いて、脳磁図データから複数の神経疾患を自動判定できることを示した。
AIを活用し、病態変化を捉える測定データ解析を産学共同で研究
大分大学とオーイーシーは、AI活用をテーマとした包括共同研究提携による共同研究「病態変化を捉える光センシング技術とそのデータ解析手法の開発」を開始した。
内視鏡検査でのAI診断を効率化するオープンプラットフォームを開発
オリンパスは、同社の消化器内視鏡システムに接続するだけで、複数のコンピュータ支援診断アプリケーションを切り替えて使用できる「CADオープンプラットフォーム」を開発したと発表した。内視鏡検査でのAI診断の効率化に貢献する。
AIが手術後感染の有無を精度85％で予測、関連する因子も明らかに
NECソリューションイノベータと新潟大学は、AIを活用し、消化器外科手術患者の手術後感染を予測するモデルを構築した。予測精度AUC85％を達成した他、手術後感染と関係する、年齢やBMI、手術時間などの因子も可視化できた。
心電図から心臓カテーテル治療の要否を瞬時に判断するAI技術
慶應義塾大学は、AIを応用して、1枚の心電図から、その患者にカテーテル治療が必要かどうかを80％以上の精度で瞬時に判定する技術を開発した。救急外来における心筋梗塞などの治療の早期化、効率化に貢献する。
AIによる画像認識技術を活用し、がん細胞の種類の判別に成功
大阪大学は、AI（人工知能）による画像判別技術を活用し、がん細胞の種類を判別することに成功した。人の目では判別困難な微細な差異を検出し、顕微鏡画像に写された細胞の種類を特定可能になった。