MRI画像は、その複雑さと膨大なデータ量から、医学画像解析における大きな課題でした。大規模言語モデル（LLM）によるMRI解析のトレーニングのため、開発者は取得した画像を2D画像に分割せざるを得ませんでした。これは有効な方法ではありますが、特に脳腫瘍、骨疾患、心血管疾患などの複雑な症例において、複雑な解剖学的構造の解析能力を制限していました。
画像出典：AI生成画像、画像ライセンス提供元Midjourney
しかし、GEヘルスケアは今年のAWS re:Inventカンファレンスで、業界初の全身3D MRI研究基礎モデル（FM）を発表しました。これは、MRIモデルがついに全身の3D画像を活用できるようになったことを意味します。このモデルは、19,000件の研究から得られた173,000枚以上の画像に基づいて構築されており、開発チームは、この新しいモデルにより、必要な計算能力が従来の5分の1に削減されたと述べています。
GEヘルスケアはまだこの基礎モデルを商業化しておらず、現在も研究段階ですが、初期評価者であるマサチューセッツ総合病院（Mass General Brigham）が間もなく実験的にこのモデルの使用を開始します。GEヘルスケアの最高AI責任者であるパリー・バティア（Parry Bhatia）は、医療システムの技術チームにこれらのモデルを提供し、研究および臨床応用の開発をより迅速かつ経済的に行えるようにしたいと考えています。
このモデルの登場により、複雑な3D MRIデータのリアルタイム解析が可能になります。GEヘルスケアチームは先端技術において10年間の蓄積があり、その主力製品であるAIR Recon DLは、深層学習による再構成アルゴリズムであり、放射線科医がより迅速に鮮明な画像を取得し、スキャン時間を最大50％短縮することを可能にします。さらに、この3D MRIモデルは、画像とテキストの検索・リンク、疾患のセグメンテーションと分類をサポートし、医療従事者に従来よりも詳細なスキャン情報を提供することを目指しています。
データ処理において、開発チームは「調整と適応」戦略を採用し、モデルが様々な異なるデータセットを処理できるようにしました。画像データの一部が欠落していても、モデルは欠落部分をスキップすることができます。さらに、半教師ありの生徒教師学習方法も用いられ、データが限られた状況下での学習能力が向上しました。
この複雑なモデル構築における計算とデータの課題を解決するために、GEヘルスケアはAmazonのSageMakerプラットフォームを利用し、高性能GPUによる分散型トレーニング能力を組み合わせることで、データ処理速度とモデルトレーニング効率を大幅に向上させました。これはすべて、HIPAAなどのコンプライアンス基準を遵守した上で実施され、患者によりパーソナライズされた医療サービスを提供することを目指しています。
現在、このモデルはMRI分野に特化していますが、開発者たちは他の医学分野への拡大の可能性を大きく見ています。将来、この基礎モデルに基づいて、放射線治療などの分野に、より迅速で効率的なソリューションを提供できる可能性があります。
要点：
🧠 GEヘルスケアが業界初の全身3D MRI研究基礎モデルを発表し、画像解析能力を大幅に向上。
💻 新モデルはデータ処理戦略を調整することで、計算資源の消費を削減し、トレーニング効率を向上。
🚀 このモデルは将来、他の医学分野にも展開し、より正確な医療サービスに貢献する可能性。
