人工知能は色々な使い方ができますが、人間より鋭い予想するのは難しいことが多いですよね。結局、学習させているのは人間なので、、

そこで良い使い方というのは、人間のミスを少なくする方向です。今日は放射線科医が出す読影レポートをSeq-to-Seqで修正するというものです。

バックグラウンド。 文法、スペル、および放射線科の報告における用法の誤りはよくあることです。メイヨークリニックでの2015年のレビューでは、神経放射線学で19.7％、胸部X線で3.2％という全体的な割合で誤り率が高いことがわかりました。 1]。 この研究の約20％の過誤は臨床的に重大なものでした。 誤った挿入、置換を検出するには、

メソッド山からの頭部CTと胸部X線レポートシナイ病院（MSH：それぞれn = 61,722および818,978）。 Sinai Queens（MSQ：n = 30,145と194,309）とMIMIC-III（n = 32,259と54,685）は、各レポートがトレーニング（80％）、チューニング（10％）、またはいずれかに含まれるように文章に分けられました。テスト（10％）セット。元の文の各単語に対して1％の確率で、挿入、置換、および削除の破損が導入されました。挿入は、等しい確率で1〜4ワードの範囲でした[3]。このプロセスは、トレーニングデータについては頭部ＣＴについて５回、胸部Ｘ線については２回、そして調律および試験データについて１回繰り返された。 MSHからの頭部CT、MSHからの胸部X線、および3つの部位すべてからの頭部CTを使用して、3つのseq2seqモデルを訓練した。各モデルは、512の隠れユニット、2つの層、Luongの注意を伴う双方向LSTMを使用して、OpenNMT-pyで破損していない元の文を予測するために破損した文でトレーニングされました[4]。同調困難が３つの時期に横ばいになるまで、モデルはＳＧＤを使用して学習速度減衰を用いて訓練された。シングルモダリティ（頭部CTまたは胸部X線のみ）モデルの成績を、MSHでの施設間およびモダリティ間で同じモダリティについて評価した。共同訓練された頭部CTモデルを各部位で評価した。 seq2seqが入力とは異なる文を正しく予測したテスト文の割合を測定しました。破損していないテスト文のサンプルも手作業でレビューされ、実際の放射線科医のエラーに対するパフォーマンスを評価しました。

結果。同一部位、同一様式のテストセットでは、seq2seqは頭部CTで90.3％、胸部X線で88.2％の破損した文を検出し、それぞれ97.7％および98.8％の特異性を示しました。同一部位、同一モダリティのテストセットで導入されたエラーについては、seq2seqは元の頭部CTセンテンスの74.1％および胸部X線センテンスの73.0％を回復しました（表1）。それが原文を回復しなかったとき、それは時々合理的な代替案を提供しました。テストサイトとモダリティがトレーニングに含まれていない場合はSeq2seqのパフォーマンスが低下しましたが、複数のサイトで共同でトレーニングを受けた場合はうまく機能しました。放射線診断レポートは通常サイト内で標準化されているがサイトによって異なるため、パフォーマンスは同一サイト、同一モダリティの比較で最も強く、レポートの言語はモダリティに非常に固有のものです。元の破損していない山の手動レビューシナイヘッドのCTセンテンス（400 seq2seq変更および800変更なし）は、実数を含むセンテンスを検出するためのモデルPPV 0.393（157/400; 95％CI 0.346-0.441）およびNPV 0.986（789/800; 95％CI 0.976-0.992）を実証しました。世界の放射線技師の誤り。

結論。シーケンス間シーケンスモデルは、放射線医学レポートの単語の挿入、置換、および削除を効果的に検出できます。高性能を達成するために、彼らはサイトとモダリティ特有のトレーニング例を必要とします。

中野哲平について

1．担当PM
　大澤 弘治（おおさわ こうじ）
　・GLOBAL CATALYST PARTNERS　マネージング・ディレクター兼共同創設者　
2．採択者氏名
　中野 哲平（株式会社 AUGRIM 代表取締役）

現代医学における課題の一つは、患者が病院に来ない限り、医者は患者を追跡できないことです。このため、治癒に近づくための医療を実現することは不可能でした。
このプロジェクトでは、医者が患者の進歩を理解することを可能にし、そして治癒するまで医者が見る安心感を患者に与えるソフトウェアサービスを提供する事業を実現することによってこの問題を解決する。行う。
まず、診療所における医師と患者との会話内容がカルテのように自動的にまとめられ、その内容に基づいてLINE BOTが適切なタイミングで進捗を患者に尋ね、単一のボタンで進みます。医師はウェブサイト上の進捗状況を追跡し、状況に応じて患者のLINEに個別のメッセージを送信することによって、外出していない患者の進捗状況を追跡します。この実現を通して、患者は「治癒するまで医師に見える安心感」と医師が病院の外でリスクを管理し、医療を続ける機会とのサービスを提供されるでしょう。
また、この事業は薬局にも拡大することができ、並行して事業展開を検討していきます。
https://ameblo.jp/teppeinakano51