慶應大學醫學部跟富士通合作開發使用AI對診療的優先度進行推測

Japan Technology Observer 日本科技觀察

致敬愛的讀者：如果該公號采編的文章對您工作、學習有稍許啟發、參考，希望耽誤您一些寶貴時間，幫忙點擊下底部廣告，小編可以籍此獲得一些收入。

PS：希望能盡微薄之力，幫助有心前往日本大學或者研究機構進行碩博士，博士後，訪問學者的朋友聯繫教授導師，或者選定科研課題。有興趣的同學朋友請後台留言給我。為提高溝通效率，請同時留言300-500字自己的過往已發表論文概要或者將來研究計劃概要。

相關往期文章回顧

慶應義塾大學醫學部的研究小組跟富士通共同開發了目的為診療支援的AI技術。具體的講，在檢查結果以及檢查報告書出來的時間點上，利用AI對其有限度進行推測，可以將推測結果通知的負責的醫生那裡，最終達到實現支援適當處置，快速對應的醫療體制建立的目的

慶應醫學部的研究小組，坂口光洋紀念講座（系統醫學）的洪繁准教授，放射線科學（診斷）的橋本正弘助教等來主導的的研究團隊。從如下三個研究題目角度進行研發。分別是1）從醫生所記載的自然語言來對治療的緊急性進行分類；2）從對圖像解析來確定診斷指標；3）從對臨床數據進行按時間順序的解析，為迴避藥劑的副作用對最合適的服藥方法進行預測，以及探索新的生物標記物。

這次發表出來的研究內容，主要是在發射線科醫生的讀解醫療圖片的檢查報告書的文本數據應用了自然語言處理以及機械學習的AI技術。具體講，為應對醫療領域所特用的標記的微小出入，使用了按照擁有意義的最小單位來分割（語言）的形態素解析技術以及數據整理技術（data cleansing）。除此之外，還應用了從文本的關聯性關係對有無（某）癥狀進行判斷，從那裡抽出作為關鍵詞的說明變數的技術。

利用這些技術對已經對（患者對象）實施預先處理的醫生的見解，以及根據此見解而得出的住院轉院介紹信內容（基於該國的分層醫療體系，先去專業小醫院診所看病，根據病情實際需要逐層往大醫院，綜合醫院，大學附屬醫院寫介紹信，轉診），以及（被轉入）醫院的醫生對介紹信內容的理解上，應用了機械學習的技術，開發成功過了針對新的癥狀（輸入的資料）何種醫生的處置有必要進行分類的已完成學習的模型。

通過這次的研究結果，AI可以從圖像檢查報告書等內容對緊急性進行分析，並對必須優先實施治療處置的檢查結果通知給到主治醫生那裡，支援醫生做出合適以及迅速的醫療處置動作。今後，他們的研究方向是進一步提高機械學習的精度，朝著醫療現場的實用化進行進一步的實證。同時，推進已完成學習的模型的API化，謀求跟電子病歷系統的合作。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！