2021/2/20 DLLAB Healthcare Day 2021 ~医療 x AI への参入障壁を乗り越える~ 名古屋大学 / クアドリティクス株式会社 大学院工学研究科物質プロセス工学専攻 准教授 藤原幸一氏

1. 1
医学と⼯学の垣根を越えた医療AI開発
名古屋⼤学 / クアドリティクス株式会社
藤原幸⼀
演題発表に関連し、開⽰すべきCO I はありません

2. 2
経歴
Curtin⼤学
京都⼤学
化学⼯学専攻
エンジンシステム開発室
コミュニケーション科学
基礎研究所
京都⼤学
情報学研究科
名古屋⼤学
⼯学研究科
JST さきがけ クアドリティクス

3. 3
レッドオーシャンはやらない
医⽤画像は医療系データでも⽐較的収集しやすく，
学習済みモデルからの転移学習だけで性能が出る．
また，学術的な考察もあまりできない．

4. 4
⼯学側がすべきこと
臨床のフローを理解すること．そのためには，現地現物で臨
床現場を⾒学させてもうべき．
臨床フローが理解できていないと，そもそもどのような場
⾯でAIが利⽤されうるのか，わからない．
定期的に臨床現場に⾜を運んで，現場の医療者とともにデー
タ収集・データセット構築に努めるべき．
データは勝⼿に送られてこないし，気がついたら検査装置
や判読している技師さんが変わっていることも．
倫理審査や臨床研究法，薬機法など，レギュラトリについて
の知識だけではダメ．
法的にはOKでも倫理的に許されない場合もある．臨床
データの向こうには，疾患・障害に苦しむ患者・家族がい
ることへの想像⼒を持つことが⼤切．

5. 5
⼯学部での教育-現場現物
研究に⽤いるデータを収集することのみならず，現地現物で
データ測定環境を確認し，現場からヒアリングをすることで，
データへの理解が深まり，データ測定環境の改善を考える
きっかけになる．

6. 6
⼯学部での教育-学⽣に⼿を動かせる
データそのものについて理解するには，⾃分たちでデバイス
を作ってみる，測定してみることが⼤切．
他⼈の作ったデータセットをいじるだけでは，データへの理
解にはつながらない．

7. 7
MDの先⽣⽅へのお願い
⼯学側へはクリニカルクエスチョンではなくて，リサーチク
エスチョンを伝える．
クリニカルクエスチョンを伝えられても，⼯学側で適
切な問題設定に落とし込めない．
MDがPythonの勉強なんてしなくてもいいので，それぞれの
アルゴリズムの中⾝を理解してほしい．
アルゴリズムの中⾝を理解しないと，⼯学側へのアウ
トプットの要求が滅茶苦茶になる．
⽣理学的・病理学的な根拠・仮説を，ある程度しっかりと説
明して欲しい
何を根拠にして特徴量を選択・設計していいのかわか
らない．

8. 8
脳波・⼼電図・PSGデータなどの⽣体信号を扱う場合，後の
解析をことを考慮せずに測定・判読しているため，多くの場
合で，後ろ向きの解析は困難です．
そのため，まずは測定環境や判読の粒度の改善からお願いす
ることになりますが，これは現場に⼤きな負担をかけるため，
データ解析のメリットを⼯学側からだけではなくて，MDか
らもきちんと伝える必要があります．
⼀番⼤切なお願い