DLLAB Healthcare Day 2022 ~医療データ利活用の課題と挑戦~

4月

23
DLLAB Healthcare Day 2022 ~医療データ利活用の課題と挑戦~
ヘルスケア業界への参入障壁を乗り越える方法を議論・共有する

主催 : 日本マイクロソフト株式会社 | Deep Learning Lab

ハッシュタグ：#dllab

募集内容	セッション参加枠 (13:00-) 無料先着順 294/500人セッション＋ハンズオン参加枠(10:00-) 無料先着順 70/40人イベント運営・登壇者・関係者無料先着順 4/15人メディアスポンサー枠無料先着順 3/10人
申込者	申込者一覧を見る
開催日時	2022/04/23(土) 10:00 ～ 18:00 Googleカレンダー icsファイル
募集期間	2022/03/22(火) 10:14 〜 2022/04/23(土) 18:00まで
会場	Teams live （オンライン）
参加者への情報	(参加者と発表者のみに公開されます)

イベントの説明

Deep Learning Lab（DLLAB）について

Deep Learning Lab とはディープラーニングの実社会での活用を推進するコミュニティです。先端技術を実際のビジネスに応用するべく、技術とビジネスの両面に精通したプロたちが毎月の勉強会や教育活動をベースに、ニーズに合わせた最適な技術を選択し開発した事例や最新技術動向の情報発信を行い、ソリューション検討を具体的に行えるようにします。マイクロソフトとプリファードネットワークスの協業から生まれました。コミュニティご紹介資料はこちらです。

DLLAB Healthcare Day 2022 医療データ利活用の課題と挑戦

本イベントで4回目を迎える「DLL Healthcare Day」では、今回「医療データ利活用と挑戦」をテーマに1dayイベントを開催いたします。医療データは約90%以上が非構造化データといわれており、利活用が難しいとされています。医療データの利活用はまだ道半ばであり、電子カルテはそもそも法令対応のためのデータの収集・保存が基礎概念となっており、利活用を前提として作られておりません。前回までのDLL Healthcare Dayでは｢AI×医療推進人材｣や「地域包括ケア」などをテーマにしてきました。今回は抜本的に解決できていない医療データ利活用の課題と利活用の挑戦をテーマに議論したいと思います。登壇者として、最前線で活躍されている電子カルテ・医療機器を扱う企業様や製薬企業様にご登壇いただき医療データの利活用の取り組みやベストプラクティス、今後の展望などをお話いただきます。また、アカデミア、ポリシーメーカーからの視点も交え、医療データの利活用を阻む課題とはなにか？どうすればそれをのりこえられるのか？等について議論したいと思います。なお、午前の部では例年好評いただく”初学者向け機械学習を使った診断推論モデルに関するハンズオン”も行います。ぜひこちらもご参加ください。

詳細

日時 2022年4月23日（土）
　午前の部ハンズオン: 10:00開始、12:00終了
　午後の部セッション&パネルディスカッション: 13:00開始、18:15終了
場所 Microsoft Teams Live (オンライン開催)
参加者には別途リンクを共有いたします。※開催日前日ご案内予定です

対象者

・ヘルスケア業界への参入を検討されている、経験されている方
・ヘルスケア業界の企業で働かれている方（製薬、医療機器、ヘルスケアソリューション企業等）
・医療従事者の方（医者、看護師、介護士等）
・生命情報のアカデミック分野で研究されている方
・ヘルスケアでの AI 活用や先端事例に興味のある方

セッションスケジュール

セッションの割り振りはイベント当日まで変更の可能性があることをご容赦ください。
セッションタイトル・概要については追ってアップデートいたします。

時間	セッションタイトル	講演者
13:00-13:10	オープニング	千葉大学医学部附属病院亀田義人氏
13:10-13:30	「AI戦略2022（案）」と厚生労働省の取組みについて AI（人工知能技術）は保健医療分野においても技術の進展や産業競争力、ひいては患者メリットに貢献するものと大いに期待されている。政府は「AI戦略2019」及び「AI戦略2021」を策定し、各種取組みを推進してきたが、このたび「AI戦略2022（案）」において「差し迫った危機への対処」と「社会実装の充実」に向けて、新たな目標を設定し推進することとしている。これを踏まえ、厚生労働省では「保健医療分野AI開発加速コンソーシアム」をリスタートし、特に保健医療分野の社会実装の推進に向けての検討を行っているところである。本セッションでは、「AI戦略2022（案）」と当省の取組み状況について発表する。	厚生労働省大臣官房危機管理・医務技術総括審議官浅沼一成氏
13:30-13:50	競争戦略から見た、臨床医の「暗黙知」の技術化と真の医療ICT開発を考える日本の医療を支えている「臨床の強み」を競争戦略の中心に据え、諸外国の後追いをすることなく、臨床と医療に真摯に向き合った技術開発は、患者-医療の関係性からデータ、技術を紐解く必要がある。今後の医療の発展は、バイオロジーと同等にICTによる開発が中心的役割を担うが、既存のICTの医療転用程度に留まっている現状に未来はない。臨床医らの暗黙知を構造化データに変換し、「患者を救う」ための革新的な臨床技術の一般への応用と展開は、ICTだからこそ実現可能である。また、Only One技術のICTを駆使した開発は、業務改善と効率化による大幅な医療費抑制と同時に、限られた医療資源を高度に最適化させ、質と効率を両立する社会の実現に寄与する。	慶應義塾大学大学院政策・メディア研究科教授 /デジタル庁デジタルヘルス統括官矢作尚久氏
13:50-14:00	休憩
14:00-14:20	実臨床応用を志向した医療AI研究開発ー医療データ利活用の環境整備を中心として- 近年人工知能（AI)技術が大きく注目されており、様々な分野で社会実装が進んでいる。医療分野も例外ではなく、日本も含む世界各国で、AIを利用した医療機器プログラム（SaMD）が承認され実臨床応用されている。現在日本においては、デジタルトランスフォーメーション（DX）が重要視されていることもあり、今後益々医療AI分野は発展していくことが予想される。世界列挙国が国策でAI研究開発が推進している中、日本が医療AI分野において世界最先端の研究成果を発表していくためには、豊富な診療データも紐づけられた質の高いデータベースの構築と、利活用しやすい運用システムを整備していくことが肝要であると判断している。	日本メディカルAI学会代表理事 /国立がん研究センター分野長浜本隆二氏
14:20-14:40	データで社会をデザインする調整中	イェール大学助教授成田悠輔氏
14:40-14:50	休憩
14:50-15:20	アカデミアパネルディスカッション	モデレーター亀田義人氏パネラー：浅沼一成氏、矢作尚久氏、浜本隆二氏、成田悠輔氏
15:20-15:30	休憩
15:30-15:50	クラウドテクノロジーを医療現場に、AI利活用のフロントライン昨今の技術革新に伴い、臨床現場におきましても、深層学習技術をはじめとするAI技術や、ロボティクスやセンサーといったIoT技術、そしてHoloLens等のMixed Reality技術への期待が高まっています。本セッションでは、世界規模でのクラウドベースでの先端技術の研究をご紹介するとともに、実際に医療機関でおこっているデジタル化の機運、AI利活用の事例や実際に臨床・医療現場で採用いただいているマイクロソフトのAI・クラウドソリューションの説明も併せて幅広く紹介いたします。	日本マイクロソフト株式会社医療・製薬営業統括本部事業開発担当部長 / Azureビジネス本部プロダクトマーケティングマネージャー清水教弘氏 / 小田健太郎氏
15:50-16:10	富士通Ｊａｐａｎが目指すデジタルヘルスケアへの貢献診療録が電子化され電子カルテが誕生し、病院業務に変革をもたらしてから20年が経過した。電子カルテが医療機関へ浸透する一方で、地域医療ネットワークや、在宅医療連携、オンライン診療や様々な患者サービスの普及により、医療従事者と患者のつながりは、病院内から在宅へとフィールドが広がっている。さらには、パンデミックの混乱の中であらゆる領域でデジタル化が急速に進み、生活や仕事の新しい基準が形成されつつある。富士通Japanはデジタル化された膨大な診療データの利活用を促進することで、誰もが健康で充実した生活を送れる強くしなやかな社会の実現を目指している。本セッションでは弊社の取り組みと今後の展望を発表する。	富士通Ｊａｐａｎ株式会社ヘルスケアソリューション開発本部デジタルヘルスケアソリューション統括部統括部長堀井俊洋氏
16:10-16:30	AI技術を活用した画像診断・治療計画支援の現状と将来展望近年、急速に医療のデジタル化が進んできており、とりわけAI技術を応用した医用画像解析および治療の分野での活用が進みつつある。Siemens Healthineersでは、1990年代より機械学習に基づく画像後処理用のソフトウェア開発を行っており、2010年代からは、ディープラーニング技術を活用したアルゴリズム開発により、画像処理への応用と合わせて、MRIやCT装置等の画像診断装置の撮影の効率化、精度向上ための機能が追加され、撮影から診断までの一連のワークフローにおいて、AI技術の活用を進めている。本セッションでは、画像診断および治療におけるAI技術の活用と臨床応用について紹介する。	シーメンスヘルスケア株式会社デジタルヘルス&SYNGO事業部 AIプロダクトマネージャー岩田和浩氏
16:30-16:40	休憩
16:40-17:00	集中治療分野における医療xAI研究の現状と重症度推定AI開発における当社の挑戦様々な医療器具を用いて重症患者に対して高密度な治療を提供するICUでは、あらゆる医療環境の中でも特に多様なデータが大量に生成されている。データリッチなICU環境におけるデータ利活用の推進は、集中治療専門医の不足という慢性的な課題を抱える高度急性期医療における突破口となりうる。当社は、データ利活用の一例として、横浜市立大学と共同で、患者様の表情や体動といった動画像データを利活用した重症度推定支援の仕組みを開発している。本セッションでは、当該研究の取り組みと社会実装へ向けた展望を紹介する。本セッションの内容は、AMEDの課題番号 JP22uk1024008の支援を受ける内容を含む。	株式会社CROSS SYNC 事業戦略部執行役員最高戦略責任者横浜市立大学医学部麻酔科共同研究員南部雄磨氏
17:00-17:20	分散コンピューティング技術「XCOA（クロスコア）」を活用した、異なる医療システム間連携と医療情報活用の提言。今我々は、電子カルテやPHRなど、医療情報や個人情報を安全に取り扱い活用するための情報基盤の整備に迫られている。しかしながら、日々状況が変化する現実に適応せねばならない社会や医療システムにおいて、足並みを揃えた統一フォーマットの策定はもとより、関係システムを同時に更新・運用していくこと事態が非常に困難である。私共TRIARTはこうした課題の解決を目的に、分散コンピューティング技術「XCOA（クロスコア）」に取り組んできた。産業分野における分散システム設計の観点から、医療分野における異なるシステム同士を連携・協調させることで、医療情報の安全な連携と運用を可能にするシステム設計手法を提言する。	株式会社 TRIART 代表取締役今津研太郎氏
17:20-17:50	企業パネルディスカッション	モデレーター亀田義人氏パネラー：清水教弘氏、堀井俊洋氏、岩田和浩氏、南部雄磨氏、今津研太郎氏
17:50-18:00	クロージング	千葉大学医学部附属病院亀田義人氏

ハンズオンについて

ハンズオンの目的

本ハンズオンでは心臓病の問診、精密検査の結果に関するデータセットを用い、
ハンズオン形式で心臓病（虚血性心疾患）を患っているかを予測する AI を作成していきます。
AI の作成を通して、次の項目を達成することを目指します。

・AI、機械学習、ディープラーニングの基礎的な概念について理解できる
・AI を用いた基礎的な診断予測システムの作成の方法を理解できる
・AI 作成のためのデータ収集方法が理解できる
・AI の予測精度を向上するための基礎的な方法を理解できる

虚血性心疾患は治療が遅れると死亡にもつながるので、循環器内科以外の先生/関係者の方にとっては
十分利用価値のある AI が簡単に作れることを体験して頂けます。

身に着くスキル

・AI に関する基礎的な知識
・医療現場での AI の導入事例への理解
・Azure Machine Learning Designer を用いた AI 作成の基礎スキル
・Azure Custom Vision を用いた画像認識 AI の作成スキル

ハンズオン受講の対象者

・AI の基礎的な内容について学びたい初心者の方
・医療×AIでどのようなことができるのかについて学びたい方
・クラウド (Microsoft Azure) を用いた AI 開発方法の基礎について学びたい方

※1 本ハンズオンは「DLLAB Healthcare Day 2021」で実施したハンズオンの内容を基本としております。
前年度にご参加された方はご注意下さい。

※2 本ハンズオンは、高度な内容ではなく初心者を対象とした内容となっております点ご留意下さい。

時間割

ハンズオンは 10:00 ~ 12:00 の 2時間になり、株式会社キカガク様より実施いたします。

時間（120分）	トピック	内容
10分	イントロダクション	・株式会社キカガク様自己紹介・イントロダクション
20分	機械学習に関する基礎知識	・AI・機械学習・ディープラーニング・機械学習のトピック(教師あり学習）・医療現場での機械学習導入事例
50分	Azure Machine Learning Studio Classic ハンズオン	・心臓病を例に用いた診断予測分類アルゴリズム・特徴量の選択による精度の違いを体感・良い特徴量を集めるためにすべきこと
30分	画像分類	・Custom Vision APIとは・肺炎の画像分類をタグ付けと画像分類の実装
10分	まとめ	・医療従事者の負担をAIでサポートするために、これから現場ですべきこと

※ 当日の実施内容は予告なく変更する場合があります。予めご留意ください。

事前準備のお願い

▼必要な事前準備 - Microsoftアカウントの作成（※すでにお持ちの方は大丈夫です。）

・ Microsoftアカウントはこちらから取得ください

Azure アカウントの取得
・無償アカウントはこちらから取得ください。
・会社のAzureアカウントを利用される方は、リソースグループでの共同作成者の権限が必要です。
・Azure Machine Learning Studio (Classic)とCustom Visionに1度ログインできるか確認して頂けると幸いです。

登壇者

【名前】
木下涼

【肩書】
研修事業部コンテンツ開発リーダー

【プロフィール】
1992 年生まれ、長野県出身
2016 年早稲田大学人間科学部卒業
2018 年電気通信大学情報理工学研究科博士前期課程修了
2022 年電気通信大学情報理工学研究科博士後期課程単位取得退学
キカガクでは、実データ案件などを中心に、機械学習コンサルティング・受託開発など広く担当。

株式会社キカガクについて

キカガクは AI を始めとする先端技術を中心に研修を行う教育系事業社です。これまで 45,000 人以上の受講生と 500 社以上のクライアントに研修提供の実績があります。

『活躍する』というゴールから逆算されたカリキュラムと圧倒的にわかりやすいコンテンツを武器に、『学び』から『活躍』までを支援する教育を提供しております。

また、2020 年に e ラーニングプラットフォーム「キカガク」をリリースし、Udemy の機械学習カテゴリで最も人気な講座の 1 つである「脱ブラックボックスコース」が無料で学習できるなど、より多くの方に AI を学習する機会を提供しております。

Deep Learning Lab（DLLAB）について

Deep Learning Lab とはディープラーニングの実社会での活用を推進するコミュニティです。先端技術を実際のビジネスに応用するべく、技術とビジネスの両面に精通したプロたちが毎月の勉強会や教育活動をベースに、ニーズに合わせた最適な技術を選択し開発した事例や最新技術動向の情報発信を行い、ソリューション検討を具体的に行えるようにします。マイクロソフトとPFNの協業から生まれました。コミュニティご紹介資料はこちらです。