●背景

新型コロナウイルス感染症（以下，COVID-19）は全世界でいまだ猛威を振るい，収束する兆しを見せていない。日本においても秋から冬にかけて第3波の到来が予想されている。COVID-19は，罹患した患者に及ぼす直接的な影響をはじめ，医療機関において院内感染がいったん発生すれば診療業務が中断し，他疾患に対する治療の停滞や経営の悪化など，間接的にも多大な影響を及ぼすことが予想される。したがって，COVID-19患者を早期に発見し，治療介入し重症化を予防，また，早期に隔離し感染拡大を防止する体制の構築が急務である。
COVID-19の検査にはPCRをはじめとした遺伝子増幅検査があるが，そのほかに胸部CTによる画像診断がある。CT検査の利点は瞬時に画像が得られ，検出感度も高く，症状の有無にかかわらず異常所見を抽出できることである^1）。日本では，諸外国と比較して医療機関におけるCT装置の導入数が多いことから，その活用は疾患の早期発見に寄与すると考えられる。しかしながら，医療機関によりCOVID-19の画像診断能力はさまざまで，CT装置を所有するすべての施設において適切な診断がなされるとは限らない。そのため，CT検査を有効活用するには，画像診断支援システムが必要である。
そこで弊社は，東京品川病院とCT画像を基としたCOVID-19患者の画像診断の支援をする人工知能（AI）の共同開発を開始した。COVID-19が疑われた場合，AIによりその可能性を提示することで，患者の早期発見につなげる（図1）。本稿では，開発技術の概要と今後の展望を紹介する。

図1　AIを活用した検査の想定フロー

●開発技術の概要

本研究で開発する技術概要を図2に示す。AIは，（A）肺野の陰影識別と（B）COVID-19の可能性判定の2つの処理で構成される。（C）は判定結果を表示する画面の案である。
（A）の肺野の陰影識別には，富士通研究所が開発した技術^2）の一部を活用する。これはCT画像から肺領域を含むスライスをサンプリングし，肺野領域の抽出と陰影のパターンを分類するものである。陰影の分類は16×16ピクセルの単位（パッチ）で実行され，その種類は，すりガラス状陰影，浸潤影を含む5種類である。これらの処理により，三次元の陰影分布情報が得られる。
（B）では（A）の出力から，まず特徴量の抽出を行う。特徴量は東京品川病院の医師の知見や，COVID-19患者のCT画像に関する報告を基に抽出する。そして，抽出した特徴量からCOVID-19の可能性を判定するAIを構築する。また，三次元陰影分布を画像として扱い，必要に応じて情報量を圧縮・削減したデータに基づいて画像分類を行う方法も考えられるので，併せて検討中である。

図2　開発するAIの概要および結果表示の案

●今後の展望

今後，開発した技術を富士通の画像解析ソリューションとしてサービス化する予定である。さらに，電子カルテ情報との連携による疾患判定の精度向上や適用領域拡大についても検討する。
一方，COVID-19の流行期においても，びまん性肺疾患の診断の重要性に変わりはない^3）。本技術は陰影種別とその量に関する情報を扱うことから，今後の展望としてCOVID-19の判定のみならず，ほかの肺疾患領域へのさらなる発展，応用が期待される。

^{●参考文献
1）Ai, T., Yang, Z., Hou, H., et al. : Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019（COVID-19）in China : A Report of 1014 Cases. Radiology, 296（2）: E32-E40, 2020.
2）CT検査におけるAIを活用した類似症例検索技術を開発. 富士通研究所, 2017.
https://pr.fujitsu.com/jp/news/2017/06/23.html
3）COVID-19流行期におけるびまん性肺疾患の診療についての提言. 日本呼吸器学会, 2020.}