Googleが開発したイメージ認識アルゴリズム「Google Inception」は世界でトップレベルの性能を持つ。このソフトウェアは公開されており誰でも自由に利用できる。これを皮膚ガンの判定に応用すると専門医より正確に病気を判定できることが分かった。特殊なアルゴリズムは不要でガン検知システム開発の敷居が下がった。市場では皮膚ガンを判定するスマホアプリが登場しており医療分野でイノベーションが相次いでいる。

皮膚ガン検出の研究

この研究はスタンフォード大学AI研究所「Stanford Artificial Intelligence Laboratory」で実施され、その結果が科学雑誌Natureに掲載された。これによると、Deep Learningアルゴリズムが皮膚ガンの判定において専門医より優れた結果を達成した。具体的には、Convolutional Neural Networks (CNN、イメージを判定するアルゴリズム) が使われ、AIの判定精度は21人の医師を上回った。

皮膚ガンの検出方法

一般に皮膚ガンを診察する時は、皮膚科専門医 (dermatologist) は肉眼や拡大鏡(dermatoscope) でその部位 (lesion) を観察する。悪性腫瘍であると診断した場合は生体から組織片を採取して調べるバイオプシー (Biopsy、生体組織診断) に進む。また、判定がつかない場合にもバイオプシーを実施し臨床検査で判定する。このバイオプシーがガン診断の最終根拠 (Ground Truth) になる。

アルゴリズムが上回る

診断結果はアルゴリズムが皮膚科専門医の判定精度を上回った。条件を変えて三つのケースで試験が行われたが、いずれの場合もアルゴリズムが好成績を上げた。下のグラフはその一つのケースで、赤丸が医師の判定結果を青色グラフがアルゴリズムの判定結果を示す。右上隅に近づくほど判定精度が高いことを表している。アルゴリズムが殆どの医師の技量を上回っている。

横軸は陽性判定 (正しくガンと判定) の精度で縦軸は陰性判定 (正しくガンでないと判定) の精度を示す。緑色の＋が医師の判定精度の平均で、アルゴリズムがこれを上回る。対象はMelanoma (悪性黒色腫) とCarcinoma (癌腫) で判定件数は111、130、135件。上のケースはMelanomaで130枚のイメージを使用。

Googleが開発したソフトウェア

この研究ではガンを判定するアルゴリズムにConvolutional Neural Networksが使われた。具体的には、Googleが開発した「Inception  v3 CNN」を利用。Inceptionはイメージデータベース「ImageNet」を使ってすでに教育されている。写真に写っているオブジェクトを高精度で認識でき、犬や猫の種類まで判定できる。この研究で同一のアルゴリズムがガンを正確に判定できることが分かった。

皮膚ガンのデータベース

研究チームはこのInceptionを変更することなくそのまま利用した。Inceptionが皮膚ガンを判定できるようにするため、ガンの写真イメージとその属性データを入力し教育した。スタンフォード大学病院 (先頭の写真) は皮膚ガンに関する大規模なデータベースを整備した。129,450件の皮膚ガンイメージ (Skin Lesion) とそれに対応する2,032種類の病気を対応付けたデータベースを保有している。このデータベースは病気の区分け (Taxonomy) とそれに対応するサンプルイメージから構成される。このデータを使ってInceptionを教育した。

システム構成

教育されたInceptionは1,942枚の写真で試験された。一方、専門医は375枚の写真に対して診断を下した。下の写真がアルゴリズムの概要で、写真 (左端) をInception (中央部、薄茶色の分部、CNNネットワークを示す) に入力すると757種類の皮膚疾病に分類し、これが良性であるか悪性であるかを判定する。

Google Inceptionとは

この研究で使われたアルゴリズム「Inception  v3 CNN」は公開されており、誰でも自由にTensorFlowで使うことができる。TensorFlowとはGoogleが開発したMachine Learning開発プラットフォームで、この基盤上でライブラリやツールを使ってAIアプリを開発できる。因みにInception  v3 CNNは2015年のイメージコンテスト「ImageNet Challenge」で二位の成績を収め世界トップの性能を持つ (一位はマイクロソフト)。GoogleとしてはTensorFlowやInceptionを公開することで開発者を囲い込む狙いがある。

教育データの整備

Googleが開発したInceptionは身の回りのオブジェクトの判定ができるだけでなく、皮膚ガンの判定でも使えることが分かった。システム構成を変更することなくガン細胞の判定で威力を発揮した。ただ、開発には大規模な教育データが必要となり、データベース整備が大きな課題となる。同時に、このことは臨床データを所有している医療機関は高精度なガン診断システムを構築できることを意味している。

メディカルイメージング技術が急速

実際の有効性を確認するためには臨床試験を通しFDA (米国食品医薬品局) の認可が必要となる。製品化までの道のりは長いが、アルゴリズムをそのまま利用できるため多くのベンチャーがメディカルイメージング技術開発に乗り出している。スタンフォード大学研究チームはこのアルゴリズムをスマホアプリに実装することを計画している。研究成果をスマホで提供すると消費者は病院に行かなくても手軽に皮膚ガンを検知できる。

スマホでガン検診

実際、市場には皮膚ガンを判定するスマホアプリが数多く登場している。スマホカメラで皮膚の黒点を撮影するとアプリはそれが皮膚ガンの疑いがあるかどうかを判定する。米国ではまだFDAの認可を受けたアプリはないが、多くの企業が参入を目論んでいる。(下の写真はオランダに拠点を置くSkinVision社が開発した皮膚ガンを判定するアプリ。ドイツとイギリスで臨床試験が実施され効用が確認された。FDAに認可を申請しており米国市場参入を目指している。)

未公認アプリは数多い

一方、FDAの認可を受けていない未公認簡易アプリは既に市場で流通している。注意書きを読むと「ガン検知精度を保証しない」と書かれているが、殆どの利用者は気にしないで使っている。あたかもスマホで皮膚ガンを判定できる印象を受けるがその効用は保障されていない。これらを使って拙速に判定するよりFDAなど政府機関から認定されたアプリの登場を待ったほうが賢明なのかもしれない。

牛肉を使わずすべて植物からできたハンバーガーが登場した。食べると牛肉の味がして本物と見分けがつかない。シリコンバレーで先端技術を駆使した次世代食品が生まれている。Biology (生物学) とAIが結びつきSynthetic Biology (合成生物学) でイノベーションが起こっている。

次世代食品を開発

このハンバーガーはシリコンバレーに拠点を置くImpossible Foodsというベンチャー企業が開発した。スタンフォード大学教授が起業した会社で、合成生物学により植物から食肉を生成する研究をしている。次世代の食料を開発することがミッションで、GV (Google Ventures) やBill Gatesなどが出資している。

実際に食べてみた

このハンバーガーは「Impossible Burger」と命名されサンフランシスコ地区のレストランで提供され始めた。実際にこのハンバーガーを食べてみた。注文すると小ぶりのハンバーガーが二つプレートに乗って出てきた (上の写真)。見た目は普通のハンバーガーで、食べると牛肉の味がしてとても美味しかった。パテの中から赤い肉汁が出てきて、見た目だけでなく味も牛肉と見分けがつかない。若干味が薄いと感じたが、これが植物からつくられているとは信じられない。

本物をリバースエンジニアリング

Impossible Foodsは本物のハンバーガーの構成要素を解析し、リバースエンジニアリングしてこの製品を開発した。パテには小麦から抽出したたんぱく質が使われ、外観と食感が作られる。パテの表面はジャガイモのたんぱく質で覆われ、グリルで焼くと香ばしくなる。パテにはココナツオイルの粒が入っており、これが霜降りとなりグリルで焼くと油がぱちぱちと跳ねる。

ハンバーガーの味を決める「Heme」

ハンバーガーの味を決めるのがHemeという素材だ。Hemeとは血液中のヘモグロビンの色素を構成する物質で濃い赤色の液体である。これをパテに加えると牛肉の色になり、焼くと薄赤色の肉汁となる。Hemeは酸素と化合し肉独特の鉄分を含んだ香りや味となる。Hemeがハンバーガーの味を決める一番重要な材料となる。(下の写真はパテを作っているところで、赤身分部は小麦のたんぱく質にHemeを加えたもの。白い粒がココナツオイル片。)

生物学手法でHemeを生成

カギを握るHemeは合成生物学の手法で生成される。大豆のLeghemoglobin (Hemeに含まれるたんぱく質) の遺伝子を酵母分子に注入する。この酵母を発酵させるとLeghemoglobinが生成され、これをろ過してHemeを抽出する。マメ科植物の根粒にはLeghemoglobinが含まれており、酸素と化合しこれを運ぶ役目を担っている。食物からHemeを採取するのでは大量生産ができないし、蓄積された二酸化炭素が放出される。合成生物学の手法で生成しないと事業として成立しない。

人口が増えると食肉を供給できない

Impossible Foodsが植物ベースの食肉を生成するのは牛を飼育するには限界があるため。牛を飼育するには飼料として大量の干し草と水を必要とする。地球上で人口が増え続けると飼料の供給が限界となり、家畜から食肉を供給することができなくなる。このためImpossible Foodsは合成生物学の手法で食肉を生成する技術を開発している。牛肉だけでなく、豚肉、鶏肉、魚肉の開発を進めている。

消費者の反応

工場で人工的に製造された食肉は余りイメージが良くない。消費者はこれを食べることに抵抗感を持っていたが、ここ最近は受け止め方が変わってきた。調査会社のレポートによると、この傾向は若い世代で顕著で、ミレニアル層の2/3は工場で製造された肉を毎日食べると答えている。工場で製造された食肉は健康食品で、同時に、環境に優しい製品であることが評価されている。

合成生物学とは

上述の合成生物学とは生物で構成されるパーツやシステムを設計・製造する技術体系を指している。合成生物学はGenetic Engineering 2.0とも呼ばれ、遺伝子工学の最新技術を使っている。合成生物学はGenetic Code (特定のたんぱく質を生成するプログラム) を形成する塩基対 (A、T、C、G) を編集し、微生物 (Microbe) のDNAに組み込みたんぱく質を生成する。この技術を使って医療、農業、生活に役立つ物質を生成する。

合成生物学により誕生している製品

合成生物学により自然界には無い機能を持った製品が登場している。これらはImpossible Materialsと呼ばれ、信じられない機能を実現する。Impossible Burgerの他に植物から牛乳を生成する研究が進んでいる。腐らない果物が登場している (上の写真、特殊な素材でブルーベリーをコーティングすると日持ちが良くなる)。食物だけでなく生物 (クラゲやイカなど) が持っている発光のメカニズムを遺伝子操作で作り出し、これを建造物の照明に応用する。メタルより軽くて丈夫な”プラスチックエンジン”も研究されている。医療分野ではCRISPR/Cas9という高度な遺伝子編集技術を使いがん治療薬の開発が進んでいる。

AIやロボットがこれを支える

合成生物学をベースに物質を開発する手法はMicrobe Engineeringと呼ばれる。文字通り微生物を対象としたエンジニアリングで、DNA構造を設計し、これを試験で検証する作業の繰り返しとなる。合成生物学は未開の分野で試行錯誤で研究が進んでいる。DNA構造と分子反応のパターンの数は膨大でAIや機械学習の技術が無くては進まない。実際の検証はすべてのプロセスを自動化する必要がある。ロボットが実験を実行しその結果をAIが検証する。

21世紀最大のイノベーション

合成生物学はAIとRoboticsの進化で研究が大きく進んでいる。「21世紀最大のイノベーションはBiologyとTechnologyの交点で生まれる」という言葉がある。これは生物学者の発言ではなくSteve Jobsが亡くなる直前に述べた言葉である。この言葉の通り両者が結びつき信じられない機能を持った製品が登場している。