世界保健機関の推計によると、妊娠に関連した合併症により、世界では毎年25万人以上が予防可能な死亡を迎えています。出生前超音波検査は転帰を改善し、胎児および妊産婦の死亡率を下げることができますが、世界で3分の2の人々は超音波のような診断画像検査を受けられない状況にあります。現在の方法は専門的な臨床訓練に大きく依存しており、資源の乏しい地域では何百万人もの人々が妊娠中に一度も超音波検査を受けられていません。
この格差を埋めるため、研究者たちは「ブラインドスイープ」超音波画像を解析する機械学習システムを開発しました。この撮像方法では、超音波の訓練を受けていない最前線の医療従事者が、標準化されたパターンで腹部に低コストで持ち運びやすいプローブを滑らせて検査を行うことができます。多くの地域では専門家が深刻に不足しており、従来の超音波技師の養成には費用と何年もの時間がかかるため、最小限の訓練とAIによる解析を組み合わせることで、出生前スクリーニングの範囲を大幅に広げられる可能性があります。
JAMA Network Openに掲載された研究では、妊娠週数を推定するAIモデルが、さまざまな臨床環境や機器にどの程度汎用的に適用できるかが評価されました。妊娠週数、すなわち妊娠がどれだけ進んでいるかは、スクリーニング、治療、分娩に関する判断を含む出生前ケアの基礎となっています。それ以前の研究では、モデルが学習したのと同じコホートに属する未見の患者で検証が行われていました。この前向き研究では、実際の診療所で、経験の浅い操作者と見慣れない機器を用い、モバイル端末上でリアルタイムに動作させた場合でも、システムが確実に機能するかどうかが検証されました。
このモデルは、シカゴにある資源の豊富な都市型学術施設であるNorthwestern Medicineと、ケニアのナイロビにある都市型地域診療所ネットワークであるJacaranda Healthで検証されました。両施設では、女性が出生前ケアを開始する時期、受ける定期超音波検査の回数、妊娠週数の算定方法が異なっていました。新しいプローブ機器にモデルを適応させるため、元の訓練データセットの約6%にあたる、シカゴの120名の参加者からなる小規模なパイロットデータセットで微調整が行われました。ナイロビのデータは一切使用されず、ケニアでの検証は汎用性を厳密に独立して検証するものとなりました。
出典: Google AI Blog · 要約：HeadlinesBriefing