2020年1月31號到2月1號之間，日本在東京國際展覽中心TFT大廳舉辦了第二次的 日本醫療AI 學會學術會議。由人類基因研究所社長/東京醫學牙醫大學特聘教授/產業技術綜合研究所人工智能研究中心的瀬瀬潤主持，題目為”AI用於醫生與患者”。由於第三次AI爆發熱潮，醫療領域也朝著人工智能的方向研究與發展。社會也逐步批准各項醫療計畫的實施。但相較於美國與中國，日本的研究發展較為遲緩。身為世界上往最高齡社會前進的日本，擁有世界上最先進的資料，同時也要將這些資料用於研究開發向世界推廣其重要性。
圖1：日本在醫療與AI研發的重要發展。
該會議總共有5個主題演講，9個座談會以及5個一般演講。第一個主題是” 東北醫療大銀行計劃對實現未來醫療的挑戰”由東北大學醫學大銀行組織主任山本雅之進行演講，提倡未來醫療是個別化的預防醫學。為此需要大規模的前瞻性研究以及收集複雜數據的生物資料庫。目前約有15萬人參加此項計畫，使用了日本基因組分析工具“ Japonica Array”進行個人化預防。在演講的總結提到，人才培養與業界的合作對於進行未來的研究是必要的。
而岐阜大學特聘教授藤田廣志在特別演講2的主題則是”AI深度學習時代醫學圖像輔助診斷的新趨勢”。 藤田教授概述了自1960年代以來電腦輔助診斷/檢測（CAD）的歷史，然後基於人類通過深度學習提取特徵的常規方法，使研究方式產生了巨大的變化。通過深度學習，CAD可分為第二閱讀器，第一閱讀器等種類。未來醫學圖像輔助診斷中的AI將像醫生的個人助手一樣，並且AI的使用工作流程將無縫接軌。
(Lung nodule CAD software as a second reader: a multicenter study)
在第2天的主題演講醫藥及醫療器械局（PMDA）總裁藤原康弘作了 “ PMDA在AI技術的醫學應用中的組合”的演講。他從事與藥品和醫療設備相關的批准檢查，安全措施和健康損害救濟，方針為四個“ F”，“患者至上”，“訪問至上”，“安全至上”和“亞洲至上”作為政策。根據大量醫療資料的積累，人工智能將被應用於智慧醫院，智慧手術房，遠端醫療，個人化醫療等領域，PMDA將能夠應對各種產品開發。因此產學交流對於建構最佳規範是非常重要的。
在第一天的座談會中專題一，利用醫學影像採集技術的新發展，共有四項成果發表。第一個由國立癌症研究中心癌症分子修飾調控研究所/日本理化學研究所創新情報研究中心癌症探索醫學研究小組的小林和馬，解說了用於進行AI研究與開發的資料平台，其中包括臨床環境中的真實數據，國家癌症中心研究院與中央醫院之間的系統構建，文本數據等訊息收集以及註釋方法。
東京工業大學科學技術創新研究所的鈴木賢治介紹了使用大規模訓練的人工神經網路（MTANN）進行圖像處理和輔助診斷的技術，該技術可使用少量數據進行研發。
在座談會專題4中，“在日本實現AI醫療設備和問題的努力”的題目上，產業技術綜合研究所健康工業研究部門的鎮西清行整理了上市後AI軟體性能的變化以及功能評估，個人情報保護法等法律制度問題。昭和大學橫濱市北部醫院胃腸中心的三澤將史則介紹了由Olympus Corporation等開發的內視鏡診斷成像輔助軟體“ EndoBRAIN”上市的經驗報告。L-Pixel的首席執行長島原佑基宣布了AI醫學圖像分析軟體“ EIRL aneurysm”的開發經驗，該軟體可以從MR圖像中檢測出腦動脈瘤。此外，國立衛生科學研究所醫療器械部門中岡龍介先生解釋了PMDA的評估指標草案。
(医用画像解析ソフトウェア EIRL aneurysm （エイル アニュリズム）を発売)
第二天的座談會專題7的題目則是，”美國和中國 醫療AI 應用開發和醫療設備批准的現狀”， 東京慈惠醫學大學放射學/ IT戰略室的中田典生提到了歐洲和美國的情況，並指出119種AI醫療設備已獲得FDA批准和CE標誌認可。此外，Rigid社長兼首席執行長山本修司指出，中國正在將AI研究與開發作為國家戰略來進行，以驚人的速度與美國同時前進。他提到，已經出現了使人們能夠使用智慧手機雲等技術通過AI輕鬆接受醫療服務的服務。
而第三次的 日本醫療AI 學會學術會議本來應該在2021年1月29日到30日舉辦，受到疫情影響則延至2021年的6月11到12日舉行。
(Innavinet-第2回日本メディカルAI学会学術集会が開催)
日本醫用圖像人工智能研究會則是以網路直播的方式定期進行演講，最近一次是在10月28日到11月26日舉行。
(第33回電子情報研究会・第3回日本医用画像人工知能研究会合同研究会)
參考資料
Kawai, Y., Mimori, T., Kojima, K., Nariai, N., Danjoh, I., Saito, R., … & Nagasaki, M. (2015). Japonica array: improved genotype imputation by designing a population-specific SNP array with 1070 Japanese individuals. Journal of human genetics, 60(10), 581-587.
White, C. S., Pugatch, R., Koonce, T., Rust, S. W., & Dharaiya, E. (2008). Lung nodule CAD software as a second reader: a multicenter study. Academic radiology, 15(3), 326-333.
Suzuki, K., Armato III, S. G., Li, F., Sone, S., & Doi, K. (2003). Massive training artificial neural network (MTANN) for reduction of false positives in computerized detection of lung nodules in low‐dose computed tomography. Medical physics, 30(7), 1602-1617.
參閱更多 Odd Innovation 所發表的「AI與醫療」相關文章
寫一小段大於300字的英文summary:
Between January 31 and February 1, 2020, Japan held the second academic conference of the Japanese Medical AI Society at the TFT Hall of the Tokyo International Exhibition Center. Hosted by Jun Sete Jun, President of the Human Gene Research Institute/Distinguished Professor of Tokyo Medical and Dental University/Artificial Intelligence Research Center of the Industrial Technology Research Institute, the topic is “AI for Doctors and Patients”. Due to the third AI boom, the medical field is also moving towards research and development in the direction of artificial intelligence. The society has gradually approved the implementation of various medical plans. But compared with the United States and China, Japan’s research development is relatively slow. As the world’s most advanced society, Japan has the most advanced materials in the world, and at the same time, it must use these materials for research and development to promote its importance to the world.
