Alibaba Damo Radar: 腹部CT診断用オープンソース医療AI

Alibaba Group HoldingのDamo Academyは、造影CTスキャンの分析を通じて、さまざまながんを含む約150種類の腹部疾患を識別できる視覚言語モデルであるDamo Radarをオープンソース化しました。このモデルは、放射線技師の診断精度の向上と分析時間の短縮を支援する汎用医療画像ツールとしての役割を果たすことを目的としています。

診断性能とベンチマーク

Damo Radarは、実世界の検査約4万件を対象に、146の臨床所見において平均AUC 0.913を達成しました。モデルは、18種類の腹部臓器をカバーするCTスキャンと対応する臨床報告書のデータセットを用いて訓練されました。

複数の病院に所属する26名の放射線技師を対象とした比較研究では、Damo Radarの平均精度は参加者の23名を上回りました。支援ツールとして使用された場合、モデルは以下の利点を臨床医にもたらしました：

• 誤診の削減：放射線技師の誤診防止能力が10%向上しました。
• 効率性の向上：診断に要する時間が30%以上短縮されました。

技術的アーキテクチャと手法

Damo Radarに関する研究は、学術誌Scienceに掲載されました。モデルは汎用医療画像モデルとして記述されており、研究チームはこの訓練手法が腹部CTスキャンにとどまらず、他の医療画像モダリティにも拡張可能であると提言しています。

実務者間の技術的議論では、モデルで使用されているCNNベースの特徴エンコーダが、この特定の医療画像アプリケーションにおいて、ビジョントランスフォーマー（ViT）エンコーダーベースを大きく上回ったという具体的なアーキテクチャ上の詳細が強調されています。

Alibabaの医療AIポートフォリオにおける位置づけ

Damo Radarは、Alibabaが医療分野にAIを統合するための包括的な戦略の一環です。このリリースは、4月にリリースされたCoca AIモデルに続くもので、このモデルはCTスキャンから大腸がんの早期発見を目的として設計されており、早期がんの発見において人間の放射線技師よりも高い感度を報告しています。

コミュニティの意見と批判

報告されたAUCは高いものの、一部の技術的批判者は、疾患が健康状態に比べて極めて稀であるという重度のクラス不均衡の状況下では、AUCが医療診断において不十分な指標であると指摘しています。

"重度のクラス不均衡下でのROC-AUC 0.9…それでも予測診断の4/5が間違っている（偽陽性）可能性がある。精度-再現率曲線 + mAP、またはそれ以外の方法でないと、意味がない。"

この批判は、精度-再現率指標がなければ、実世界での真の臨床的有用性や偽陽性率がAUCの数値によって隠蔽されてしまう可能性があると示唆しています。