医療AIの信頼性を高める鍵〜教師データと医師チェック〜

1. AI開発に不可欠な教師データの信頼性とは

一般的に画像識別AIの性能は、その裏側で支えられている膨大な量の教師データの質に大きく左右されます。いくら高度なアルゴリズムを採用したとしても、教師データの信頼性が低ければ、期待される性能を得ることは困難です。

教師データの信頼性とは、データに付与されたラベルの判断根拠の正しさと一貫性を指します。特に専門性の高い分野では、教師データの作成にその分野の専門家の関与が求められます。教師データが高い信頼性に担保されることによって、AIモデルの学習効率が高まり、精度の向上に直結します。

このような教師データの信頼性は、特に医療分野のAIにおいて顕著となります。

2. 医療AIに求められる信頼性

医療AIの開発では、他の分野以上に高い信頼性が求められます。なぜなら、AIの判断が患者の診断や治療方針に直接影響を与え、時には生命に関わる決定に関与する可能性があるためです。

医療AIの教師データ作成には専門知識が求められることが多いため、適切なデータを用意することは他の分野以上に難易度が高いのが現実です。また、誤ったラベルや偏ったデータがあれば、AIの診断精度に直接影響を与えるため、データ作成のプロセス全体で正確性を保つ必要があります。

さらに、医療AIの開発にはセキュリティ上の課題も存在します。教師データとして使用される医療画像に患者の個人情報が含まれている場合、匿名化処理を施すなど、その取り扱いには細心の注意が必要です。その他、データ保護や法的枠組みの整備、倫理的な観点からの配慮が重要です。これらの要素を考慮することで、高い安全性と信頼性を兼ね備えた医療AIシステムの実現につながります。

3. 医療AI開発における医師の役割と効率化

医療画像への教師データ作成には専門的な知識と経験を求められるケースが多く、一般の作業者では適切な教師付けを行うことが困難な場合が多くあります。例えば、胸部X線画像に写る各臓器の位置や器具類を識別する場合、胸部X線画像の基本的な読影技術や器具類を理解する必要があります。さらに病変の兆候を正確に識別し、その位置や程度を正確に教師付けするような開発ケースであれば、専門医の知識が不可欠でしょう。

では、このような専門的な作業には、医師自らが教師データを作成することが最適と言えるでしょうか？たしかに医師自らが教師データを作成することができれば高品質な教師データを確保できますが、一方で、医師本来の業務時間外に行う、もしくは業務時間の一部を割り当てるといった限られた時間しか作業が難しい場合が多いため、必要な量の教師データを作成するために膨大な日数を要するでしょう。したがって納期も一般的な日数に比べて長くなってしまいます。スピードを求められるAI開発においてこれはボトルネックとなってしまいます。さらに一般作業者に比べてコストも高くなるといった課題があります。一般的なAI開発であれば、アノテーションベンダーなどの外注を活用して一般作業者を動員し、大量のデータを効率的に短期間で教師データを作成することが可能ですが、医療AIの開発ではなかなかそうはいきません。とはいえ、医療AI開発における教師データの信頼性を高めるためには、医師の直接的な関与が不可欠です。

このような課題を解決するための一つの方法として、医師が教師データの作成を担うのではなく、チェック工程に特化して関与する「医師チェック」の仕組みが挙げられます。これによって、医師の負担を軽減しながら品質を担保することができます。

4. 医師チェックで実現する精度向上と効率的な教師データ作成

医師チェックを採用した教師データの作成工程を簡潔に述べると、まず一般作業者がラベリング作業全体を行い、その後、医師がそれらをすべてチェックして必要に応じて修正指示を行う、というプロセスを取ります。これによって、以下のような課題を解決することができます。

●短納期の教師データ作成

教師データの作成自体は一般作業者が行うため、医師が実務の合間に作成する場合と比べて、大幅に短期間での作業が可能となります。

●作業効率の向上

医師が教師データを一から作成する場合と比較して、一般作業者が作業を担当することで、費用の大幅な削減が期待できます。また、医師の作業をチェック工程に特化させることで、より効率的な工程となります。

●AIの信頼性確保

一般作業者によるラベリングの後、医師がデータを確認・修正指示を行うため、教師データの信頼性が確保されます。結果、医療AIとしての妥当性を裏付け、臨床現場からの受容性・信頼性が高まります。

医師チェックを導入した教師データ作成のプロセスは、医療業界に適したAIの精度と信頼性の向上、そして医師の負担軽減を両立させる有効なアプローチです。しかし一般作業者による品質理解が乏しいために医師による修正指示が増える可能性、といった新たな課題が増えることも考えられます。そのためには、適切な準備と体制を整えることが必要です。

5. 医療AIの品質を高める医師チェックの導入のポイント

医療AIの教師データ作成において医師チェックを導入する場合、重要なポイントとしていくつかの点が考えられます。これらの要素を適切に準備・運用することで、効果的な医師チェック体制やプロセスを構築することができます。

●AI開発と医師の専門領域のマッチング：

開発の対象となるデータや医療AIの目的に応じた、適切な専門分野の医師の確保が重要となります。

●医師チェックにおけるチーム体制：

適切な医師の人数確保、および医師の勤務時間や本来業務との兼ね合いを考慮した稼働スケジュールを調整し、作業期間内にスムーズなチェック作業が行えるような体制を整えることが求められます。

●一般作業者向け医療知識のレクチャー：

作業に必要となる最小限の医療知識を、一般作業者に教育するための取り組みが重要です。また定期的な情報共有やマニュアルの整備により、作業品質のバラつきを抑えます。 もし一般作業者による作業の品質が悪いと、医師によるチェック指摘の量や修正が増えるため、医師チェックのメリットの多くを失いかせません。そのためレクチャーの要点を開発側の要件に合わせて情報整理することや、医療分野での教師データ作成の経験が豊富な作業者を活用することが大切です。

●医師と開発側とのコミュニケーション基盤：

医師チェックの医学的な判断と開発サイドの判断に齟齬がある場合、その齟齬を解消するために必要なコミュニケーションが鍵となります。コミュニケーションを円滑に行うためには、両者の橋渡し役を担う専任のPMが必要です。PMが双方との定期的なミーティングや医師チェックのコメントなどの情報を共有して判断の齟齬を防ぎます。

●アノテーションツールの選定：

医師が直感的に操作でき、かつ必要な情報を簡潔に記録できるツールを選択します。医師が負担なく作業を進められること、医師のチェック記録が収集しやすいツールであることが重要です。

●医師間の判断が相違した場合の対応方針：

判断が分かれた場合の解決方法や基準をあらかじめ定め、開発方針およびデータの一貫性を保ちます。

●教師データのセキュリティ対応：

個人情報保護やデータの漏洩防止、匿名加工情報の取り扱いに関する厳格なルールを設定し、データの暗号化やアクセス制限など、適切なセキュリティ対策を実施します。

6. まとめ

ここまで医療AIのための教師データ作成における医師チェックの重要性と、その導入のポイントについて説明してまいりました。とはいえAI開発の企業様が教師データ作成や医師チェックを内製で行うことは、本来の開発業務の範囲を超えてしまい現実的でないことがほとんどではないでしょうか。

こうした場合に、医療AIのための教師データ作成に豊富な経験を持ち、医師チェックのリソースなども確保できる外部ベンダーに依頼することができれば、本来のAI開発業務に集中することが可能となるでしょう。

4. ヒューマンサイエンスの医療系アノテーションサービス

●医療系画像の豊富なアノテーション経験

弊社では手術画像やMRI画像など、スキルトランスファーが必要とされる難易度や専門性の高い医療系画像アノテーションに多くの経験がございます。医療系画像アノテーションプロジェクトの経験豊富なPMに加え、作業経験者も多く、難易度や専門性が高く、スキルトランスファーが必要な案件であっても高品質のアノテーションを実現いたします。

●医師監修や医師によるアノテーションへの対応

一般の作業者だけで全ての作業を行うのは、やはり心配な場合もあるでしょう。そうした場合に一部チェック作業などで医師の監修をつけるなどのご要望もいただきます。こうしたご要望に応えるべく医師の監修体制もさらに強化しており、より難易度の高いアノテーションにも対応可能です。また、一般の作業者ではなく医師によるアノテーションをご要望の場合でも、リソース確保から品質・進捗管理までPMが伴走して万全のマネジメントサービスをご提供いたします。

●クラウドソーシングを利用しないリソース管理

ヒューマンサイエンスではクラウドソーシングは利用せず、当社が直接契約した作業担当者でプロジェクトを進行します。各メンバーの実務経験や、これまでの参加プロジェクトでの評価をしっかりと把握した上で、最大限のパフォーマンスを発揮できるチームを編成しています。

●自社内にセキュリティルームを完備

ヒューマンサイエンスでは、新宿オフィス内にISMSの基準をクリアしたセキュリティルームを完備しています。そのため、守秘性の高いデータを扱うプロジェクトであってもセキュリティを担保することが可能です。当社ではどのプロジェクトでも機密性の確保は非常に重要と捉えています。リモートのプロジェクトであっても、ハード面の対策のみならず、作業担当者にはセキュリティ教育を継続して実施するなど、当社の情報セキュリティ管理体制はお客様より高いご評価をいただいております。

●アノテーションのみならず生成系AI LLMデータセット作成・構造化にも対応

データ整理ためのラベリングや識別系AIのアノテーションのみでなく、生成系AI・LLM RAG構築のためのドキュメントデータの構造化にも対応します。創業当初から主な事業・サービスとしてマニュアル制作を行い、様々なドキュメントの構造を熟知している当社ならではのノウハウを活かした最適なソリューションを提供いたします。