DLLAB_Healthcare-Day_2022.pptx

DLLAB Healthcare Day 2022（株式会社キカガク）
Azure Machine Learning で AI 開発体験

2021 Kikagaku, Inc. All Rights Reserved
ハンズオンの受講方法について
3
• オンライン講義の受講方法
• Azure アカウントの準備

会社紹介 – 株式会社キカガク
4

2021 Kikagaku, Inc. All Rights Reserved 5
会社概要/事業紹介
▪ 社名：株式会社キカガク
▪ 代表者：吉崎亮介、大崎将寛
▪ 設立： 2017年1月17日
▪ 従業員： 40 名
▪ 資本金： 20,499,140円
会社概要
AIを始めとする先端技術の研修事業
対面オンライン研修
リアルタイムのハンズオン形式
で実施するスタイル
個社向けカスタム研修
企業の課題に合わせて内容や
期間をカスタマイズ
DX推進事業
AI技術開発・コンサルティング
企業のDX推進を支援
0
10000
20000
30000
40000
50000
2017.3 2017.9 2018.1 2019.1 2020.4 2021.1
受講生
45,000名
500社以上のクライアント & パートナー
過去5年間で、45,000名以上の受講生

キカガクの取り組み
３つの機能
研修設計
コンサルティング
資料制作
研究開発
クリエイティブ
講義
ティーチング
コーチング
AIスタートアップ企業
大手企業
政府 / 一般社団法人
大学 / 教育機関
Azure を使用した様々なAIの
認定講座を展開
マネージャー向け研修や
製造業に特化した講座を展開
Preferred Networks社が提
供するディープラーニング
フレームワーク Chainer チ
ュートリアルの
制作および執筆に協力
経営層向けのAI講座を担当
PBL用に独自の
シミュレータを開発
ビジネス向けの
アセスメント講座を共同で
開発および実施
AI 講座の非常勤講師
データサイエンス人材育成講座を提供
第四次産業革命スキル
習得講座の受講生数日本一
日本ディープラーニング
協会のE資格認定
リテールAI検定の講座から
検定試験までの設計を担当
運輸業におけるDXのためのカスタマイズ研修を提供

基礎から実践までの研修ステップ
事前予習動画(AI, クラウド, IoT)
AIビジネス活用コース
機械学習、データサイエンス
ディープラーニングコース
画像、自然言語特化
PBL形式の研修
クラウド活用
アプリケーション開発
実践
技術の習得
共通認識
解くべき課題の
選定
ビジネス層
経営層・管理職
事業ドメインに沿って
企画・構想
エンジニア
PM
自社開発
外部企業と連携
AIにできること、できないことを理解し
テクノロジーに関して共通認識を持つ
機械学習の基礎から
最先端技術の習得
Step.4
Step.3
Step.2
Step.1
キカガクが提供する研修

キカガクにおける医療×研修事例
8
• 国立大医学部に対する AI・機械学習のコーディング研修
• 社会人スクールの受講生と共にメディカル AI 学会での発表
• 国立大の研究グループと細胞の画像分類に関する共同研究
• DNA 解析に関する分析コード研修
興味がある方 ryo.kinoshita@kikagaku.co.jp までご連絡ください

ハンズオンの概要
9

目的
Goal
10
• 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
AIを活用への一歩目を踏み出すことを目指します。

講義の流れ
Flow
11
• AIの基礎知識
• 医療業界での活用事例
• Azure Machine Learning を用いた心臓病の診断予測
• Azure Custom Vision で画像から肺炎の診断予測≈

AIの基礎知識
12

汎用型AI vs 特化型AI
汎用型AI 特化型AI
特定のタスクに限定されず、人間のよう
に自ら考え、行動できるような人間と同
等かそれ以上の存在を目指す。ＳＦ映画
に出てくるようなイメージのAI。
脳の原理を解明し、
人間がどのように
思考し、行動を選択
しているかを物理的な
背景から解明している。
特定のタスクに限定し、人間の
行動を模倣できるような存在を
目指す。人間が100点の事例が多い。
産業応用の事例はほとんど特化型。

人工知能、機械学習、ディープラーニング
人工知能 > 機械学習 > アルゴリズムといっ
た内包関係があります。
人工知能 (Artificial Intelligence)
機械学習 (Machine Learning)
o 決定木
o サポートベクトルマシン
o ディープラーニング

人工知能、機械学習、ディープラーニング
ディープラーニングは画像、音声、自然言語の分野でブレイクスルーを起こした。

機械学習で必要な 2 つのステップ
学習
(training)

機械学習で必要な 2 つのステップ
推論
(inference)

機械学習の開発のロードマップ

AI x 医療の活用事例と今後のAI活用
19

医療業界に機械学習が浸透しにくい理由
要因特定が難しい
- 医療において重要である説明責任を果たすことができない
データの質にバラつきがある
- 病院などにより収集するデータの質やフォーマットが異なり、
AI 作成にうまく活用できない
法規制が厳しい
- 法規制により AI を活用が可能な領域に大きく制限がある
予測精度 100% が期待できない
- 時には人命に関わる意思決定を AI に任せることはできない
主な要因
医療従事者のサポート
としての AI
AI に対する共通理解から
データの収集
求められる行動

医療業界での AI 活用事例
出典 : DataRobot
慢性疾患の発症リスクを早期予測
重篤な基礎疾患を持つ人々がCOVID-19に
感染した場合、重症化のリスクが上昇しま
す。慢性疾患を早期発見と治療により流行
する COVID-19 の重症化を未然に防ぐこと
が期待されています。
出典 : NTT データ
予防・先制医療
問診データから病気を予測
問診によって得られたデータを用い、患者
の病気が陽性か陰性かを見分ける AI。全て
AI に任せる！ではなく、人間のアシスタン
ト、意思決定のサポートとしての活躍が期
待されます。
診察・検査
治療方針の決定の支援
まだ実用的な段階では無く、これまでの非
学習的アプローチと比較して、より効率よ
く確度高く新たな薬を作ることに貢献する
ことが期待されています。5 年以上かかっ
た研究を 1 年未満で実施することができた
という例もあります。
治療・創薬
予定しない再入院の予測
再入院の患者は患者の早期退院を意味する
と考えられます。患者の早期退院かを判定
することにより、適切なタイミングで退院
をおすすめできるようになります。
入院/退院
出典 : エクセンティア

データ活用の時代の流れ
Flow of time
22
学習
(2014 ~ 2017)
• 数学
• 微分、線形代数、確率統計
• フレームワーク
• scikit-learn, PyTorch
• コンテナ
• Docker
• インフラ
• Azure、AWS、GCP
推論
(2017 ~ 2019)
• インフラ
• Azure、 AWS、GCP
• エッジデバイス
• Raspberry Pi、Coral
• フレームワーク
• Fast API、Flask
活用
(2019 ~ )
• BI ツール
• Power BI、Tableau
• Auto ML
• 特徴量抽出
• アルゴリズム選択
• ハイパーパラメータ調整
• ML DevOps
• デプロイ
• モデル再学習

AI開発の方法
How to Develop AI
23
プログラミング APIの活用
ツールの活用
プログラミングを用いてのAI
開発。主に Python と呼ばれ
るプログラミング言語を用い、
開発を行います。最も基本的
な開発方法になります。
Azure Machine Learningなど
のツールを用いた開発方法。
基本的にはプログラミングな
しで、AI開発を行うことがで
きます。
公開された学習済みモデルを
そのまま利用する方法。基本
的に開発不要ですぐに使い始
めることができます。

ハンズオンの概要
24

心臓病診断と肺炎診断を AI で実践
Hands-on contents
25
GUI (マウス操作)で AI 作成を体験
AI 開発の流れや準備するべきデータのフ
ォーマットなど AI 活用を進めるための第
一歩目について学びます。

DLLAB_Healthcare-Day_2022.pptx

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a DLLAB_Healthcare-Day_2022.pptx

Semelhante a DLLAB_Healthcare-Day_2022.pptx (20)

DLLAB_Healthcare-Day_2022.pptx