乳がん検診をサポートするAI診断支援ソフトウエア｢スマオピ｣､診断する医師が｢もう1つの目｣として活用することで見落としを防止へ

AIが大量の画像データを読み込んで重要なパターンを自動で学習する。深層学習の一種で、「深層畳み込みニューラルネットワーク（CNN）」と呼ばれるこの技術の威力が初めて証明されたのは2012年のことだ。

上の画像の赤い枠は、AIが精密検査の必要があると判定した部位を示す。下の画像の緑の枠は、病変はあるものの悪性の可能性がなく、精密検査の必要がないと判定された部位 （提供：スマートオピニオン）

画像認識の精度を競い合う国際大会で、深層CNNを使った「アレックスネット（AlexNet）」が、2位以下を大きく引き離す圧倒的勝利を収めたのだ。 

それ以前の画像認識では、「特徴量設計」という手法が主流だった。エッジや角、色の分布、質感など、何を特徴として捉えるかを人間が決めて数値化し、機械学習のアルゴリズムに入力して分類する。しかし、この手法は人間の知識に依存しており、画像が複雑になると精度が頭打ちになるという壁があった。

一方、深層CNNはAIが自ら学習して特徴を見つけ出すことで、その壁を一気に乗り越えた。まさに画像認識のパラダイムシフトだった。

現在の画像生成AIは別の方式を採用しているが、「大量のデータから特徴を自動学習する」という基盤となる発想と、GPU（画像処理用の計算チップ）を駆使した大規模学習の潮流は、アレックスネットが決定づけた。開発者の1人であるカナダ・トロント大学のジェフリー・ヒントン名誉教授は、24年のノーベル物理学賞を受賞している。