インターネット上で「最も醜い」認証コードがオンラインになり、医療画像の注釈付けと診断に役立つ

2月3日、テンセントは深セン大学と共同で一連の「特別な」認証コードを開発し、リリースした。他の一般的な画像認証コードとは異なり、これらはすべて均一な黒、白、グレーの画像で構成されています。

この一連の検証コードの正式名称は「MedCAPTCHA 医療画像検証コード」であり、テンセントのセキュリティプラットフォーム部門と深セン大学生物医学工学学院が共同で開発したものです。検証に使用した写真はすべて、臨床現場で実際に撮影された減感作医療画像です。これらは、自発的な体験とラベル付けへの参加のための検証コードの形で、大多数のネットユーザーに公開されています。

両者は、テクノロジーの力を活用して社会医療のプロセスとリソースにおける問題点を解決し、医療画像の注釈と診断をより効率的かつ正確にすることで、患者の診断の遅れや見逃しを減らすことを望んでいます。

現在、テンセント防水壁公式サイトのグレースケールリリース後、約1万人のユーザーがMedCAPTCHA医療画像認証コードを体験し、合計で約2万枚の正しくラベル付けされた医療画像データを提供しました。このプロジェクトでは、継続的な反復と最適化も行われています。

MedCAPTCHA医療画像認証コードがテンセント防水壁公式サイトでグレースケールで公開されました

医療診断、治療、研究のための「ロードマップ」

医学では、臨床診断の 90% でラベル付けされた医療画像の使用が必要です。病変や関連臓器の有効なラベル付けされたデータは、医師が病気の診断、状態の評価、発達傾向の予測、治療戦略の策定において重要な定量情報を提供するのに役立ちます。

注釈付きの医療画像には専門家の経験、知識、判断が組み込まれており、医療スタッフの反復作業と労働時間を削減できます。 AI支援による医療診断などの分野でも活用でき、医療研究や臨床治療の効率的な発展を効果的に促進します。

しかし、現段階では医療人材が限られているため、医療画像の描写と注釈付けは非常に大規模で複雑な作業です。患者 1 人の医療画像のセットを作成するだけでも、簡単なものでも概要を描くのに 30 分、複雑なものになると 1 ～ 2 時間かかる場合があります。

過去 40 年間にわたり、学界と産業界の研究者は、人工知能を活用した半自動、あるいは完全自動のラベリング アルゴリズムを多数開発してきました。ただし、より普遍的で正確な分類や診断効果を実現するには、これらのアルゴリズム モデルを十分な量のラベル付き医療画像データでトレーニングする必要があることがよくあります。そのため、医療現場において、正確にラベル付けされた膨大な量の医療画像データを迅速に入手することは困難かつ緊急の課題であり、少数の専門医療従事者や医療研究者の力だけに頼るのは到底不十分です。

安全性検証技術と医療の国境を越えた融合

検証コードは人間と機械の識別手段です。その主な機能は、スパム登録、ボリュームと投票の水増し、フォーラムの氾濫などの悪質な行為を防ぐことです。セキュリティの観点から見ると、その主な意義は、一部のユーザーが特定のプログラムなどのブルートフォース方式を使用してWebサイトにログインし、関連する検証済みユーザー情報を取得する可能性を減らし、それによってユーザー情報のセキュリティを確保することです。

公開データによると、世界中のインターネット ユーザーは 1 日に約 2 億回認証コードを入力し、我が国のインターネット ユーザー数は 9 億 4,000 万人を超えています。このデータによると、大規模なネットユーザーの力を活用すれば、4つの大病院が1年間かけて必要とする医療画像の注釈付けを1時間以内に完了できるという。

この考えに基づき、テンセントセキュリティプラットフォーム部門の防水壁チームは、深セン大学医学工学部の高毅教授のチームと協力して、「MedCAPTCHA医療画像検証コード」公益実践プロジェクトを開発し、グレースケールでリリースし、大多数のネットユーザーが自発的に体験できるようにしました。研究開発担当者は、深セン大学から提供された大量の無標識の脱感作医療画像を、画像認証コードの形で防水壁の公式ウェブサイトにアップロードした。

MedCAPTCHAオンライン検証モード

この自発的なセキュリティ検証プロセスでは、ユーザーは指定された画像の例を参照し、マウスを動かして画像上に簡単なスケッチを描くだけで、オンライン検証を完了し、医療画像注釈の回答を正常に提供できます。

深刻かつ細心の注意を要する医療研究および治療シナリオを考慮して、ヒューマンマシン検証モードにより、大多数のネットユーザーが医療画像注釈の初期スクリーニング作業に参加できるようになります。収集された画像注釈情報については、専門の医療研究者がバックグラウンドで収集された画像注釈情報を統合および選別し、最終的にビッグデータワーカーと医師に最高品質のデータを提供します。

手動による識別とラベル付けの結果は、公的な医療統計と精密医療分析のための信頼性の高い中核的な画像機能の基盤を提供します。これらは機械学習のトレーニングサンプルとしても機能し、医療分野における人工知能の応用拡大を促進します。この公共福祉プロジェクトは、テンセントのユーザーリサーチおよびエクスペリエンスデザインチーム (CDC) との連携により、継続的な反復と最適化が行われています。

専門的な医療知識を持たない一般のネットユーザーでも、医療画像の注釈付けと診断をより効率的かつ正確にするのに重要な役割を果たすことができます。