Gerardo Hermosillo Valadez | Siemens年最優秀発明家賞 | 生涯功労賞
X線、CTスキャン、MRIといった画像診断技術は、患者の体内の骨や組織構造の詳細な画像を提供することで、何十年にもわたり医師の診療を支えてきました。「これらの技術はいずれも画像データを提供してくれますが、それが診断に役立つのは、正しく解釈された場合に限られます。例えば、X線画像の細い線が骨の骨折を示していることを理解したり、MRIスキャンから得られる膨大なデータの中から異常な腫瘤に気づいたりするのは、誰かが行わなければならないのです」と、Siemens Healthineers（SHS）のGerardo Hermosillo Valadez氏は述べています。同氏は、2024年度「生涯功績賞」部門の「年間最優秀発明家」に選ばれました。「私の部署では、医療画像を解釈できるAIプロセスの開発に取り組んでおり、それによって医療スタッフの負担を軽減し、支援することを目指しています。」
Gerardo Hermosillo Valadez氏が「2024年最優秀発明家賞」を受賞：発明が解剖学的知性を高める
人は通常、写真の中から物事を見つけ出すのが非常に得意です。例えば、X線画像の中で脊椎を認識するのは、ほとんどの人にとって容易なことでしょう。たとえ、患者の姿勢の違い、撮影角度の違い、骨の大きさの違い、あるいは正常な脊椎と変形した脊椎の違いなどによって、画像が大きく異なっていてもです。コンピュータがこれを行うには、人工知能（ディープラーニング）を用いる必要があり、かつ適切なサンプルを大量に学習させておく必要があります。「このようにして人工知能は解剖学的知性を発達させ、医療画像を解析して、さまざまな骨、臓器、組織を正しく分類できるようになるのです」とGerado氏は述べています。「同様に、AIは正常な組織と異常な組織を見分けることも学習できます。」
病院や診療所での日常業務において、AIを活用した画像認識にはさまざまな活用例があります。例えば、システムは「右の肩甲骨を表示して」といった指示に応じて、正しい画像データを表示するように学習することができます。また、造影剤が検査対象の臓器に到達したタイミングを判断して放射線検査を自動支援したり、画像データを分析して病変の可能性を評価したりすることも可能です。Gerardo氏が推進してきたイノベーションの多くは、SHSの製品ラインナップ全体に広く採用されています。
「人工知能の性能は、学習に使用したデータの質に左右される」とGerardo氏は強調します。「MRI画像内の腫瘍を認識するためには、まず、私たちが提供した健康な人と病気の人双方の何千枚もの画像から学習しなければなりません。」 AIの学習には、教師あり学習、弱教師あり学習、自己教師あり学習という3つの基本的なアプローチがあります。教師あり学習では、各データセットに対して「画像の右上隅に腫瘍がある」といった正確な情報がAIに与えられます。半教師あり学習では、ごく少数の情報ラベル（例えば「腫瘍あり」または「腫瘍なし」）のみが与えられます。自己教師あり学習では、データにラベルが一切なく、AIが自律的に学習します。例えば、既存のサンプル画像の一部を隠して、その部分がどのような見た目なのかを「推測」させるといった方法です。
彼の発明は、Siemens Healthineersの製品ラインナップ全体を形作っている
人工知能は、医療画像を解析して正しく分類する方法を学習することができる。
教師あり学習は、AIが学習するための最も迅速かつ効率的な方法ですが、関連するあらゆる側面を考慮した十分な訓練データを取得するには、時間と費用がかかります。一方、自己教師あり学習は学習に最も時間がかかりますが、AIは高価なデータラベリングを行わなくても自律的に動作することができます。「最近、私たちはChatGPTなどで採用されているような最新の自己教師あり学習技術に注力しています」とGerardoし氏は語ります。「これにより、特に解剖学インテリジェンスの分野で大きな進展が見られました。私たちのAIは今や、解剖学アトラスに匹敵するほどの知能を備えています。約200種類のランドマーク（体の部位）を識別し、画像データの中からそれらを特定することができるのです。」
