例えば Ｃという遺伝子があるはずの場所にＴという形に変異した遺伝子を発見するのも ＡＩなら簡単です。 遺伝子検査というのは結構やられていてただ その限られた遺伝子を解析するだけだと得られる情報は 少ないですから…結び付ける時にもＡＩは有効です。
そうすると 例えばある遺伝子がこういうふうに相互作用してますよとかそれが こういう病気の原因になってますよとかそれは こういうデータでサポートされてますよとかこういった 例えば がんに関するいろんな知識を表したセマンティックネットワークとかそういうふうにもいいますけれどもいろんな概念間の関係を記述したような知識表現っていうのをこれを作る必要があると。
前もって 患者さんに タブレットで少し問診情報を入れておいて頂いて今のところは まだ それがそのまま 生データで医者のとこに出てくるようにしてあるんですけどもそのデータがたまってきたところである程度 それに基づいて病名のサジェスチョン可能性のある病気を提案するっていうようなシステムを今 作るために要は 上がってきたテキストデータに我々が診断名をつける事でデータの蓄積を今 するっていう事をちょっと できないかっていう事もやっていますので。
先生の場合 この心音で診断したいものっていうのはどういうものなんですか？将来的には もちろん心臓疾患から呼吸器疾患全部なんですけれどもまず最初にターゲットにしているのが大動脈弁狭窄症っていう病気で心臓の出口にある一方通行の弁が狭くなる病気なんですけれどもすごく予後が悪くて平均生存期間が症状が出てから３年っていわれてるんですよ。
まあ でも こういうのがいろいろあったとしましょうという時に こっち側のデータからこっち側のデータを予測できるようになるというのが教師あり学習でデータがたくさんあると左から右への関係を学習できるという事なんですけれども一つ 重要な概念がありまして過学習といいます。 過学習？ 過ぎる学習？過ぎる学習ですね。 まあ こういうふうな線が学習されると実際に与えられたデータの上では当てはまりが すごくよくなってるんですけれどもところが 新しいデータが来た時にすごく予測精度が落ちる場合があるんですね。
人間と間違い方が だいぶ違うのでダブルチェックした場合に両方見逃す確率が非常に減るという事も分かってまして使い方によってはすごく便利なんじゃないかなっていうふうに思いますね。
それから 問診の内容だとかいろんな事を総合的に判断してこの方は もしかしたらこういう病気なのかもしれないというのを推測するのはいろんな情報を知ってないと判断できない事っていうのはやっぱ 全然違いますのでそういう意味では画像の診断に関してはＡＩは ディープラーニングは すごいと。