ここは一見のどかな風景ですが、

こうした場所にはかならず、医療過疎が存在します。

医師が不足している・・・

専門医がいない・・・・

医療過疎地で整形外科医がいなくても、

骨折は起こり、ときどき病院に運ばれてきます。

このとき、専門医がいなくても、診断と治療をおこなわなければなりません。

患者は待ってくれないのです。

そこで、こうした医療過疎地で働く

総合診療医や救急医のために、

上腕骨近位端骨折について、

骨折の有無を判定し、

その術式などを提案してくれる

システムを人工知能で作成しました。

整形外科専門病院の電子カルテから

肩のレントゲン写真1099枚を収集し、

その画像において、

骨折の有無、

治療方針、

治療予後

などの情報を収集し、

以下の４つのフォルダに分類しました。

分類は経験20年目以上の

肩関節学会所属の専門医が行いました。

つぎに、人工知能（convolutional　neural　network）

を用いて、深層学習を行いました。

学習回数は10万回行いましたが、

学習にかかった時間はたったの10時間でした。

さらにこのモデルを現場で使いやすくするために、アプリケーション化を行いました。

プロットフォームはヘロクを用いて、ラインと連携するのにメッセージングAPIを用いて、データベースにはアマゾンエススリーを用いました。

また推論モデルの作成には、ラベリオを用いました。

さて、今回開発したアプリケーションの活用風景を

提示します。

今回のアプリは、病院での使用を考えており、

特に医療過疎地や救急医療現場で、

肩関節専門の整形外科医が不在な場所での使用が

望ましいと思われます。

まず、LINEとたちあげ、QRコードを読み込んで

お友達追加をします。

これで登録は完了です。

つぎに、上腕骨近位端骨折のレントゲン写真をスマホに取り込み、その写真を転送します。

注意：画像がゆがんだり、反射光などのノイズが入ると診断精度が下がります。

写真を転送してから、10数秒後に、

人工知能からの解析結果が届きます。

左の写真の場合、

手術なしが、６％

髄内釘固定が、０％

プレート固定が、２％

人工骨頭置換術が、９３％

と人工骨頭置換術を推奨しています。

これをもとに、適切な医療機関を紹介できます。

現時点のこのアプリの的中精度は９４％ほどです。

なので、絶対ではありません。

さらに、人工知能の精度を上げたいと考えていますが、

そのためには、もっとデータを集めなければなりません。

このアプリは使用するたびに、フィードバックボタンがでてきます。フィードバックボタンを押すと、今回の写真と診断情報が我々のデータベースに自動保存されます。

今回の診断が妥当であったかを再度検証することができます。

実際にご使用いただいてフィードバックされた情報は

AmazonS3の我々のデータベースに保存され、

この集積されたデータを人工知能に再学習させます。

すると人工知能の精度はさらに上がることになります。

人工知能が再学習することで、精度があがり、

精度があがると、ユーザー数が増えます。

ユーザー数が増えると、データ量が増え、

この集積データを、人工知能が再学習すると

さらに精度があがります。

このサイクルを繰り返すことで、

人工知能は進化しつづけることになります。

以上、

上腕骨近位端骨折のレントゲン画像を人工知能が解析し、

「その骨折型からどの術式がのぞましいか」

を提案するシステムを開発しました。