Download as PDF, PPTX
![24
CAR-T細胞の活性評価
CAR-T細胞とターゲットを共培養した画像を撮影することで、CAR-T細胞の活性評価を⾏う。
FACSと⽐較して簡便で、より直接的な情報に基づくキリング評価が可能となる。
[技術的特徴]
- アノテーションをほぼ⾏うことなく、学習⽤データを⾃動
で⽣成する技術により、CAR-T細胞とターゲット細胞
を識別
CAR-T細胞を
⻘⾊で表⽰](https://image.slidesharecdn.com/konishicellspectbiomy-210310074722/75/AI-AI-24-2048.jpg)
Uploaded byDeep Learning Lab（ディープラーニング・ラボ）
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
DLLAB Healthcare Day 2021 ~医療 x AI への参入障壁を乗り越える~ Cellspect株式会社/株式会社biomy AI Lab部長 / 代表取締役社長 小西哲平氏
![[Track3-2] AI活用人材の社内育成に関する取り組みについて ～ダイキン情報技術大学～](https://cdn.slidesharecdn.com/ss_thumbnails/3-2dllabconferencedaikinisid2020-07-20-2-200819034039-thumbnail.jpg?width=640&height=640&fit=bounds)
![[基調講演] Deep Learning: IoT's Driving Engine](https://cdn.slidesharecdn.com/ss_thumbnails/dllabdaykeynotenishikawa-180704002744-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測](https://cdn.slidesharecdn.com/ss_thumbnails/dldc20200801nssoltokutake-200819025900-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track 4-6] ディープラーニングxものづくりが日本を強くする ～高専DCONの挑戦～](https://cdn.slidesharecdn.com/ss_thumbnails/integraixdllpdf-200819065852-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略](https://cdn.slidesharecdn.com/ss_thumbnails/datumstudiomitsuda-200819031400-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究](https://cdn.slidesharecdn.com/ss_thumbnails/20200731dldcyamashita-200817042234-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track4-6] ディープラーニングxものづくりが日本を強くする ～高専DCONの挑戦～](https://cdn.slidesharecdn.com/ss_thumbnails/dllcdletrack4-5okada-200817035831-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー](https://cdn.slidesharecdn.com/ss_thumbnails/20200801-cdleogata-200807105750-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track4-6] ディープラーニングxものづくりが日本を強くする ～高専DCONの挑戦～](https://cdn.slidesharecdn.com/ss_thumbnails/dldctakechi-200807102640-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Track4-3] AI・ディープラーニングを駆使して、「G検定合格者アンケートのフリーコメント欄」を分析してみた](https://cdn.slidesharecdn.com/ss_thumbnails/43dllab20200801isid-200807101606-thumbnail.jpg?width=640&height=640&fit=bounds)
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
- 1. AIによる細胞診⽀援技術の紹介と AI⼈材が考える医療バイオ領域における 参⼊障壁の乗り越え⽅ Cellpsect株式会社 AI lab部⻑ 株式会社biomy 代表取締役社⻑ ⼩⻄哲平 1
- 2. ⾃⼰紹介 2 ⼩⻄哲平 - ⼤阪⼤学⼤学院基礎⼯学研究科修了 - Wearablecomputingに関する研究 - NTTドコモ先進技術研究所 - 位置情報サービスの⾏動履歴やWeb履歴のデータ 解析、AIによる動画像解析の研究/新規事業開発 - 現在の所属 - 株式会社biomy CEO - Cellspect AI Lab 部⻑ - ITベンチャー CTO - 秋⽥⼤学⼤学院医学系研究科 - 理化学研究所 本⽇の登壇内容
- 3. AIすごい => AIをどう使うかにシフト 3 丸善丸の内店でコンピュータ書 1位
- 4.
- 5.
- 6. 本⽇の内容 6 1. 事例紹介 1. ⼦宮頸癌細胞診AI 2.病理画像AI解析によるコンパニオン診断 3. CAR-T細胞活性評価AI 2. AI⼈材が考える医療バイオ領域における参⼊障壁の乗り越え ⽅
- 7. 本⽇の内容 7 1. 事例紹介 1. ⼦宮頸癌細胞診AI 2.病理画像AI解析によるコンパニオン診断 3. CAR-T細胞活性評価AI 2. AI⼈材が考える医療バイオ領域における参⼊障壁の乗り越え ⽅
- 8. 細胞診とその現状 • 細胞診とは • ⼦宮がん検診などで⾏われる検査で、婦⼈科材料・腹⽔・胸⽔・尿・喀 痰から採取した細胞に腫瘍性病変があるかを調べる検査 •現状 • ⽇本の⼦宮頸がん検診受診率は40%台だが最近では受診率は増加傾向に ある • ⼀⽅で、細胞検査⼠は慢性的に不⾜していると⾔われている • 途上国にはそもそも細胞検査⼠がいない国も存在（ 例 カンボジアな ど）
- 9.
- 10. 細胞診の分類 正常 軽度の炎症 組織変化 HPV感染 軽度異形中等度異形 ⾼等度異形 早期がん 進⾏がん NILM ASC-US ASC-H LSHL HSHL SCC AGC AIS Adenocar cinoma （扁平上⽪系異常） （腺細胞系） ベゼスダ分類 細胞の変化
- 11. 細胞診画像の例（⼦宮細胞） ASC-H LSIL ASC-US Herpes SCC HSIL AGC Adenocarcinoma •異形細胞から炎症、ウィルス感染、正常細胞など約⼗数種類の 分類が存在
- 12.
- 13. 多クラス分類モデル 約1万枚の画像とラベルデータを元にDeep Learningを⽤いた 多クラス分類モデルを構築 ASC-H LSIL ASC-US Herpes SCC HSIL AGCAC ・・・ 約1万枚の画像と ラベルデータ データ拡張 （回転、並⾏移動など） -15° +15° -30° +30° -45° +45° ・・・ Deep learning による学習 ネットワーク構造や損失関数を様々試し もっともスコアが良いものを採⽤
- 14.
- 15.
- 16.
- 17. 本⽇の内容 17 1. 事例紹介 1. ⼦宮頸癌細胞診AI 2.病理画像AI解析によるコンパニオン診断 3. CAR-T細胞活性評価AI 2. AI⼈材が考える医療バイオ領域における参⼊障壁の乗り越え ⽅
- 18. 18 AI解析を⽤いたコンパニオン診断 MSI-H 捨てられていた情報を全て加味しているため、より精度の⾼い予後予測が可能 ⇨Companion AI Diagnostics(CAIDx) IHC 検査結果 ⾎液中バイオマーカー ルールベース ・Aというタンパクの発現量 ・Bという遺伝的な情報 ⇒閾値との⽐較により定性的に判断 情報のロス End-to-end ・AIがどれくらい効きそうかをスコアとして算出 ⇒スコア閾値を設定すれば後はルールベースと同様 遺伝⼦変異
- 19.
- 20.
- 21. 21 conventional approach ⼈によるアノテーション State A StateB deep learning Biomyʼs approach (advanced deep learning) アノテーション無 しでAIに適⽤ 元データを⾃動でク ラスタ化し、ラベル 1000-1万例程度のデータセットが必要 ⼈間が認知している特徴のみを抽出可能 データをラベルするインプットを最⼩化 ⼈間の⾒つけていない特徴を抽出可能 捨てられていた情報をどう拾うか
- 22.
- 23. 本⽇の内容 23 1. 事例紹介 1. ⼦宮頸癌細胞診AI 2.病理画像AI解析によるコンパニオン診断 3. CAR-T細胞活性評価AI 2. AI⼈材が考える医療バイオ領域における参⼊障壁の乗り越え ⽅
- 24.
- 25. 本⽇の内容 25 1. 事例紹介 1. ⼦宮頸癌細胞診AI 2.病理画像AI解析によるコンパニオン診断 3. CAR-T細胞活性評価AI 2. AI⼈材が考える医療バイオ領域における参⼊障壁の乗り越え⽅
- 26. AI⼈材が考える参⼊障壁の乗り越え⽅ 26 AIができること ビジネスニーズ 医療/製薬業界に関 する理解 AI開発の⼒ 私の場合は、医学系研究 科博⼠課程に通うことで 補完 AI・医療を⼀次情報として理解できるような⼈材になること - 最新技術トレンド -実装⼒ - フィージビリティ - 専⾨知識 - 法規制 - カルチャー - 現場の動き - ニーズ
- 27. ご清聴ありがとうございました 27 • 何か気になることがありましたらお気軽にご連絡ください • メール： •[email protected] • [email protected] • 意⾒交換からブレスト、協業の可能性に関する議論など、ざっ くばらんにお話させていただければと思います