シンポジウム4 AI技術の実質運用に向けた課題

[シンポジウム4] AIを用いた医療機器プログラムの市販後再学習における留意点

清水 昭伸 (東京農工大学大学院工学研究院)

深層学習などの機械学習技術を用いた最近の医療機器プログラム（Software as a Medical Device，SaMD）は，連続学習などの頻繁な学習が可能となっている．この特性を活かすことで，市販後施設のデータを使用した再学習による性能向上が期待される．日本では，このようなSaMDの特性を生かすために，変更計画を含む承認が可能なIDATEN制度が設けられている．しかしながら，その活用はまだ充分とは言えず，その背後には，市販後再学習時の様々なリスクの存在が指摘されている．例えば，撮影条件が不良な不適切な学習データや，誤ったアノテーション（教師ラベル）を与えて学習した場合には，性能が低下するリスクがある．また，撮影装置の変更，患者群の特徴の違いなどによるDomain Shiftが起こった場合も性能低下のリスクがある．さらに，市販後の再学習結果は，毎回フレッシュなテストデータを使って評価することが理想的であるが，アノテーション付きの大量のデータを集めることは困難であることから，現実には，同一テストデータセットによる評価を繰り返すことになると予想される．その場合には，評価した性能にバイアスが混入するリスクがある．本講演では，これらのリスクと対策例について紹介する．