千葉大学医学研究院附属 治療学人工知能（AI）研究センター

本橋 新一郎千葉大学 免疫細胞医学 教授

本橋 新一郎千葉大学 免疫細胞医学 教授

私たちが取り組んでいる腫瘍免疫学領域では、新規の癌の免疫療法を確立しようとしています。遺伝子発現解析やプロテオーム解析などの膨大なデータを活用するべく、多様な実験手法を用いて、その背景にある自然現象の真実を見つけようとしているのです。例えば癌を殺す iPS-NKT細胞があります。これがどう作用し、どのように体内で動いているかの解析もAIなどの技術を使えば明らかになることでしょう。

当センターの臨床研究部門では、介入する臨床試験を実施しており、新しい治療法の効果を検証しています。例えばある薬が、肺がん患者の2割に対して非常に高度な抑制効果を出した場合、逆に言えば残りの8割には効果が出なかったということになります。ではどうしたら全員に効くのか、抑制効果を阻害したポイントは何だったのか。当部門では、この部分を介入試験で臨床研究しているのです。具体的にはたくさんの患者様から採血などで検体をいただき、網羅的に解析しています。

今はまだ、新しい治療の「介入群」と「対照群」などに分けて治験を行っていますが、今 後いろいろなデータがより集積しAIで処理するようになれば、「対照群 」を用意しなくても治験が成立するようになるかもしれません。まだ先の話になると思いますが、当センターが次世代の臨床研究に取り組む人たちが活躍できる場になることを期待しています。

プレスリリース

https://www.m.chiba-u.ac.jp/dept/jibika/files/4915/9348/3776/news_release_20200629.pdf

池田 純一郎千葉大学 診断病理学 教授

池田 純一郎千葉大学 診断病理学 教授

私が専門にしている診断病理学は、検査や手術で患者様から採取された検体を病理標本にし、顕微鏡で診断するものです。そこで病理診断をするだけでなく、形態学的に観察していろいろな特徴を見出し、病態メカニズムを解明することも行っています。近年、AIに病理画像として読み込ませてディープラーニングさせ、病態のメカニズムを発見する試みが世界的に行われております。我々も乳腺外科と共同で、遺伝子検査を行わずに特徴的な遺伝子異常のグループ分けを病理画像とAIを使って行えるようにすることを計画しています。

当センターの臨床研究部門で私が担う役割は、病理検体・画像を適切に保管することです。最近は様々な遺伝子を網羅的に調べる方法が大幅に進歩しており、実際の治療に結びつくような遺伝子異常の検索も病理検体を用いて行われています。例えば同じ癌でも、患者様によって様々な形態で見え方が異なります。それを分類して、どういう薬が効きそうな遺伝子異常があるのかを一つひとつ調べることを病理画像とAIを用いて検索できればと思います。

また最近はAIを使用して病理診断支援のためのソフト開発に取り組んでいます。病理医は人数が少なく、一つの病院に一人しかいないことも多々あります。そうなるともし見落としや誤診が起こっても指摘する人がおりませんので精度管理上大きな問題となります。AIと役割分担できるようにし、人の負担を軽減したいと考えているのです。臓器ごとに特徴があるので、多くの病気を診断できるようなソフトを作り上げ実用化するまでは、まだまだ時間はかかるでしょう。いまは日本病理学会を中心に胃や肺、乳腺などの症例を集めての解析が始められている段階であり、我々もメドテック・リンクセンターとAIを用いた胃がんのリンパ節転移検出に取り組んでおりますが、なるべく早く全体を病理診断できるように邁進していきたいと考えています。

小原 收千葉大学 未来医療教育研究機構 特任教授
公益財団法人かずさDNA研究所 その他部局等 副所長

小原 收千葉大学 未来医療教育研究機構 特任教授
公益財団法人かずさDNA研究所 その他部局等 副所長

生物が体内に持つ細胞は、基本的に同じゲノムという遺伝子の設計図を持っていますが、実際に目にする細胞はそれぞれで異なる様相をしています。それは同じ設計図でもそれぞれの細胞で読み解かれ方が異なるからです。読み取られた部分からタンパク質が生成され、そのタンパク質の性質によってそれぞれが異なる細胞になっていきます。この細胞、あるいは体内にあるタンパク質などの量と種類を網羅的に調べ、生体システムの状態を反映する分子プロファイルを調べるのがトランスレーショナル・オミックス部門の役割です。臨床的な材料を使いながら基礎的なデータを蓄積し、臨床研究に役立てます。

人間のゲノムには、約2万種類のタンパク質の設計図が存在します。これらのゲノム情報から派生してくる分子の量や種類を網羅的に計測することは可能になってきました。けれども、体内にある分子プロファイルのデータを網羅的に取得すると膨大な情報量になり、人間がそのデータを見ても意味を抽出できません。そのためAIを利用し、計測データを医科学的な意味のある情報に変換することが必要になります。こうしたAIによる処理精度を高めるためにも、当部門ではAIが学習するのに必要な基礎データを蓄積します。

21世紀は、複雑系に由来する諸問題と対峙しなければならない時代です。その時その場所に応じた最善の方法を選ぶ知恵を身に付けなくてはなりません。それは経済も、人間の体も同じことです。今後、医療に使うAIが経済を安定化させるヒントを生み出すかもしれませんし、逆に、経済で使うAIが医療における新しい治療法のヒントを与えてくれるかもしれません。優れた私達のパートナーとなってくれるAIを育てるため、実験や検証を一つひとつ積み重ねていくのが我々の役割であり、そこから課題解決の実績を積み重ねていくことを目指します。

金田 篤志千葉大学 大学院医学研究院 分子腫瘍学 教授

金田 篤志千葉大学 大学院医学研究院 分子腫瘍学 教授

当センターの基礎研究部門として、機械学習に使うための大量のデータを提供します。まず、私たちの分野で主たる研究対象疾患である癌・腫瘍において、分子生物学的なデータを解析したいと思います。もう一つ、私たちの分野で研究アプローチとしているエピゲノムに関して、ゲノムの修飾物であるエピゲノムがゲノム上の遺伝子発現をどのように制御しているのか、それを網羅的にデータ取得し解析したいと思います。次世代シークエンサーを使えば癌に限らずあらゆる疾患や生命現象について同様に解析できますし、他分野の研究サンプルについて大量のデータを取得し提供する点でも貢献したいと思います。

基礎研究部門においてAIに期待するのは、私たちが予期していなかった相関関係を同定することです。例えばがんの場合、正常とがんの違いや、がんのあるサブタイプと別のサブタイプを比較検証しますし、あらかじめ比較したい項目があるのが通常の解析になります。しかし必ずしもそこに相関関係があるとは限らず、何か別の予期しなかった相関関係が存在しているかもしれません。それを見つめるには大量のサンプルが必要になりますし、大量データを処理する解析技術が必要になります。いまはそのサンプルを蓄積しているところですが、今後新たな相関関係を見つけ、新たな真実の発見につながればと思います。

AIと人間は、どちらが優れているというものではありません。人間が経験則で細かい機微を見つけたり判断できる一方で、AIはフラットに大量のデータを解析できます。それぞれの得意を生かして連携すれば、新しいサイエンスが生まれるはずです。それはどの分野でも言えることで、異分野の連携で初めて見えてくることもあるはずです。そんな未来のために様々な研究機関と繋がり、多様な分野の研究をネットワーク化するのも本センターの役割ではないでしょうか。

プレスリリース

https://prtimes.jp/main/html/rd/p/000000423.000015177.html

池原 譲千葉大学 大学院医学研究院 腫瘍病理学 教授
国立研究開発法人産業技術総合研究所 生命工学領域 上級主任研究員

池原 譲千葉大学 大学院医学研究院 腫瘍病理学 教授
国立研究開発法人産業技術総合研究所 生命工学領域 上級主任研究員

医療サービスは実用化するまでに、大きく3つの階層構造を経ています。システムデザイン（病理学）やアーキテクチャー（製品）の創製を担当する基盤階層、そしてアーキテクチャーの利用ガイドライン作りや製品改良を行って実用化への橋渡しを担当する中央階層、そして確立された医療サービスのセクションは、最上部の階層に位置し、運用の実働部隊として、また利用状況の管理や費用対効果をモニタリングする役割を担っております。各階層はそれぞれ、異なる技術的機会が異なり、果たすべきミッションも違いますので、AIの使い方や、AIそのものへの期待や考え方も異なります。この中で基礎研究部門は、基盤階層と実用化への橋渡しを担う中央階層で、AIを活用することにより、「各フェーズのニーズに合った最適解を見つけだす」、すなわち、医療サービスを最適化するための活動を行います。

基礎研究部門の大きな役割の一つは、AIにディープラーニングさせるための大量のデータ作りです。次世代シークエンサーを使用し、各講座から持ち込まれるサンプルから大量のデータを抽出してお渡ししています。例えばFACSという機械である細胞をソーティングして細かい種類に分け、それぞれの発現を見たり、その後刺激を与えて時系列の変化を追ったりしています。サンプルから取得したデータは各講座にそのままお渡しすることもあれば、解析までサポートすることもあります。

基礎研究部門がAIに期待するのは、我々が予期していなかった（見落としていた）相関関係を見つけることです。例えばがんの場合、がん細胞には多様性が、がん間質と呼ばれる支持組織はその可塑性のために、がん組織は一人の患者であっても実に多彩な形態を呈します。故に、患者一人のがん細胞とがんのもとになる細胞との遺伝子や糖鎖構造の違いについて、ある程度予測して検証や解析などを行う研究では、必ず意識から抜け落ちてしまう情報が出てきます。膨大なデータの中では、放射線や化学療法による影響が目を引き、正常細胞の方ががん細胞よりも成長効率が良くて目立ってしまうなどしてしまいますので、真の相関関係を気づきにくくしてしまうのです。AIはこのような状況でも、我々の予期していなかった相関関係を確実に見つけ出してくれると期待できます。

さらに、研究対象が患者個人から集団へと広がると、データはさらに膨大となり、解析は複雑になり、相関関係を見つけ出すのは難しくなります。事実、患者の臨床経過を反映するためサンプルは年齢層や喫煙率、飲酒率が幅広くかつそれぞれがほぼ同数になるよう取得しますが、必ずしもそこに相関関係があるとは限りません。予期しなかった相関関係を見つけるためには、おそらく1万単位のサンプルが必要になろうと推察されますので、いまは徐々にそのサンプルを蓄積しているところです。

これほどの大量データをAIに処理させますので、今後新たな相関関係を見つけられると考えています。また、その実証のために、遺伝的に均一なマウスの遺伝子を改変して、がんを発症する疾患モデルを作出して、その解析を進めています。このようなマウス発がんであっても、生じたがんとがん間質は、多彩な組織像を構成します。AIによりマウスモデルに生じたがん組織を解析することで、新たな発見は一般化され、システムデザイン（病理学）やアーキテクチャー（製品）の創製につながると考えています。そしてその中で、新しい分野同士の結びつきが、見えてくるのではなかろうかと期待しているところです。本センターの役割は、そんな未来のために、様々な研究機関と繋がり、多様な分野の研究をネットワーク化することではなかろうかと思います。

川上 英良千葉大学 大学院医学研究院 人工知能（AI）医学 教授
治療学人工知能（AI）研究センター センター長
理化学研究所 医科学イノベーションハブ推進プログラム
健康データ数理推論チーム チームリーダー
健康医療データAI予測推論開発ユニット ユニットリーダー

川上 英良千葉大学 大学院医学研究院 人工知能（AI）医学 教授
治療学人工知能（AI）研究センター センター長
理化学研究所 医科学イノベーションハブ推進プログラム
健康データ数理推論チーム チームリーダー
健康医療データAI予測推論開発ユニット ユニットリーダー

医療AI研究部門には2つの大きなテーマがあります。一つは時間変化です、これまで患者さんが病院に訪れたタイミングで診断し、治療方針を決めていました。つまり”その瞬間”しか見ていなかったのです。患者さんがこれまでどういう経過を辿ってきたかという情報はあまり活用されることはありませんでした。疾患発症や病態進行がどのように起こるのかを理解・予測し、大きな変化が起こる前に先制的に予防する医療を目指して、疾患の時間変化を研究対象にしています。

もう一つが診断の再定義です。生活習慣病やがんなどの多因子疾患は分類・診断が明確でない疾患が多く、既存の疾患分類をAIに覚えさせるだけでは診断精度や治療成績の向上に繋がらないこともよくあります。そのようなときに、教師なし機械学習をいう方法を使って、今まで臨床上気づかれなかった疾患分類をデータから見つけるという研究を行っています。

また近年、AIにおけるディープラーニングの技術は普及してきましたが、それ以外の人工知能技術にもまだまだ医療、医学研究における応用の可能性を感じます。それを医療現場で使えるよう実装していくのが当部門の役目です。臨床における課題を見たときに描いた「こういう課題を解決したい」を実現しようと逆算して考えれば、自ずと必要な技術が見えてくるはずです。医師とAI研究者が協同し、提案し合いながら開発する環境を当センターで構築していきたいと考えています。

中田 孝明千葉大学 救急集中治療医学 教授
株式会社Smart119 CEO

中田 孝明千葉大学 救急集中治療医学 教授
株式会社Smart119 CEO

2018年5月に千葉大学初ベンチャー企業「株式会社Smart119」を設立しました。ICUには過去10年間にわたり毎秒毎分毎時間、データが保存され続けているデータベースがあります。例えばICUに入院した患者様のデータをAIに読み込ませ、生存して退院する確率を出したり、人工呼吸器をつけている患者様がいつ頃外せるかのアルゴリズムを解析したりしています。当社ではすでに提供しているサービスが複数あり、その代表である「Smart119」は患者様の情報を共有するためのサービスです。指令センターと救急隊の人がタブレットで入力した情報を、医療機関の人がPCやスマホで見られるもので、2020年7月からは千葉市に導入されました。

AIの研究において、実は一番難しいことは研究者を探すことですが、当会社ではそれをたまたま達成できているのが強みです。AIの分野にいて、しかも医療に興味がある方と共にチームを組んで研究を続けています。企業サイドとアカデミック再度が上手に連携し、社会に貢献できるようなサービスを発信し続けられたら幸いです。そしてAIと医療の両方に興味のある若手研究者がここで育成され、未来の医療現場をますます明るいものにしていってくれることを願っています。

伊藤 彰一千葉大学 大学院医学研究院 医学教育学 教授
千葉大学 医学部 医学教育研究室 室長
千葉大学 医学部附属病院 総合医療教育研修センター センター長

伊藤 彰一千葉大学 大学院医学研究院 医学教育学 教授
千葉大学 医学部 医学教育研究室 室長
千葉大学 医学部附属病院 総合医療教育研修センター センター長

いま医療の現場に、AIは進出しつつあります。近い将来、当たり前の存在になることでしょう。そうなったときのために育成しなければいけないのが「AI人材」であり、彼らの育成を担うのが教育システム開発部門です。ではAI人材とは何なのか。ものすごい勢いで進化し続けるAIを使いこなし、その進化を常にキャッチアップする能力を持つ人材です。つまり、可能性を許容しつつ、学際的な視点で柔軟に思考できる人材だと我々は考えます。

AIは、人間が頭の中にパッと思い浮かべる予定調和的な仮説を提案してくるとは限りません。そのため、思いがけない提案を許容する柔軟さや、否定せずに受け止める学際的な姿勢がないと、AIの能力を活かせないように思います。けれどAIに頼りきるのではなく、共に医療と向き合う気持ちを持つことも大事です。そして何より必要なのは、この一連を楽しむ気持ち。好奇心は学び活動していくモチベーションに繋がるので、結果AI×医療の発展を推進することでしょう。

そんなAI人材を育成するため、学びの場を与えつつ細かく指示しすぎない教育環境を構築していこうと考えています。「面白そうなものがありますよ」と提示し、グランドルールを伝えた上で自由に取り組んでもらうのが理想です。現実的には、千葉大学の普遍教育（一般教養）にある科目「AI数理科学」で基本的な部分を伝え、興味を持った人には研究室などで学ぶ機会を提供するのが良いでしょう。AIが得意なこと、不得手なことを見極めつつ、共に医療と向き合えるAI人材を一人でも多く育てられれば幸いです。