ピックアップ: Amazon’s new ad strategy: Free samples based on what it knows about you ニュースサマリー: Amazonが試供品に特化したディスプレイ広告事業を展開すると報じられた。化粧品ブランド「Maybeline」やコーヒーブランド「Folgers」に代表されるブランドのサンプル品をAmazoの顧客の閲覧ページ…
本稿は、Disrupting Japan に投稿された内容を、Disrupting Japan と著者である Tim Romero 氏の許可を得て転載するものです。Tim Romero 氏は、東京を拠点とする起業家・ポッドキャスター・執筆者です。これまでに4つの企業を設立し、20年以上前に来日以降、他の企業の日本市場参入をリードしました。 彼はポッドキャスト「Disrupting Japan」を主…
本稿は、Disrupting Japan に投稿された内容を、Disrupting Japan と著者である Tim Romero 氏の許可を得て転載するものです。Tim Romero 氏は、東京を拠点とする起業家・ポッドキャスター・執筆者です。これまでに4つの企業を設立し、20年以上前に来日以降、他の企業の日本市場参入をリードしました。
今日は、教育の変化の理由、そして我々がそれに対応して何ができるかについて話したい。atama plus 創業者兼 CEO 稲田大輔氏を紹介しよう。彼は人々の学習を支援できるより良い方法を見つけたと確信し、三井物産での長年の有望キャリアを後にした。今回のインタビューで、稲田氏と私は塾について話すが、日本国外の人々のために塾が何なのか、イノベーションや教育に重要となってくる理由について説明しておくべきだろう。
塾はよく cram school と訳される。西洋に似たようなものは無いが、日本やアジアでは一般的だ。塾は民間会社が運営する学校で、日本の高校生が塾に通うのは、通常の学校授業の終了後、週末、休日だ。塾の目的は、高校生が大学入試で高得点を取れるよう支援すること、また中学生対象の塾であれば高校入試で高得点を取れるように支援するというものだ。しかし、塾は民間企業であって、上場している会社さえある。生徒の獲得に向け激しくしのぎを削り、生徒らがテストでどれだけの成果を出せたかを元に評価される。したがって、塾が新しいテクノロジーを試し、日本における教育イノベーションの多くが塾に焦点を当てていることは不思議ではない。
エドテックや教育用の AI に話を進める前に、稲田さんについて少し話をしたいと思います。稲田さんのこれまでをみてみると、よくいる起業家とは生い立ちが違ってらっしゃるようですね。東大を卒業し、エスタブリッシュで尊敬の念を持って見られる三井物産で11年間も働かれた。どうして、三井物産を離れ、スタートアップを創業されたんですか?
National Center for Biotechnology Information(国立生物工学情報センター)の報告によると、頭蓋内出血、つまり脳出血は2番目に多い脳卒中のタイプである。脳出血で脳の中や周囲の血流が止められ酸素が奪われる。だからこそ治療にはタイミングが重要となる。3分か4分後には脳細胞が死に始めるのだ。 幸いなことに、人工知能(AI)は診断の最前線における進歩を保証している…
AI システムで分析した脳のスキャン映像
National Center for Biotechnology Information(国立生物工学情報センター)の報告によると、頭蓋内出血、つまり脳出血は2番目に多い脳卒中のタイプである。脳出血で脳の中や周囲の血流が止められ酸素が奪われる。だからこそ治療にはタイミングが重要となる。3分か4分後には脳細胞が死に始めるのだ。
幸いなことに、人工知能(AI)は診断の最前線における進歩を保証している。先月(2018年12月)ある論文(An explainable deep-learning algorithm for the detection of acute intracranial hemorrhages from small datasets/小さなデータセットから急性脳内出血を検知するための、説明可能な深層学習アルゴリズム)が Nature Biomedical Engineering のジャーナルで発表され、ボストンのマサチューセッツ総合病院の研究者が急性脳内出血(ICH)を高い精度で検出する深層学習アルゴリズムについて説明している。
この発表のおよそ1ヶ月前には、カリフォルニア大学バークレー校の研究者が脳スキャンから6年先までのアルツハイマー病を予測する AI システムを披露した。
ハーバード大学 Engineering and Applied Sciences の大学院生であり、この研究の2人の主執筆者のうちの1人である Hyunkwang Lee 氏は MedicalXpress にこう語った。
研究者は904枚の頭部 CT スキャン画像からなるデータセットを使って AI をトレーニングした。このスキャンは別々の角度から撮られた一連の X 線画像を合わせたものであり、それぞれが約40種類の画像からなっている。5名の神経放射線科医のチームがそれぞれを分類し、5種類の出血タイプのどれになるのかを特定した。
ICH あり100スキャンとなし100スキャンからなるレトロスペクティブ(後ろ向き)なセットと、出血あり79スキャンと出血なし117スキャンからなるプロスペクティブ(前向き)なセットという別々の2つのデータセットを使ったテストにおいて、AI システムは非常に良好なパフォーマンスを示した。レトロスペクティブなセットでは専門的な放射線医師と同等のパフォーマンスを示した。そしてプロスペクティブなセットである2番目のデータセットの評価においては、非専門家の人間よりも優れた正確さを達成した。
このモデルのもう1つの新しい点は、その説明可能なデザインである。決断を下す理論的根拠を透明化しようとする取り組みの中で、チームは AI システムにレビューをさせ、5つの出血タイプの特徴それぞれを明確に示すスキャンを訓練用データセットから強調表示させた。アルゴリズムが下した予測には、類似の分析結果となったスキャン画像グループが添えられる。
論文の共著者の1人である Michael Lev 博士は、このような AI システムはいつの日か熟達した臨床医にセカンドオピニオンを提供できるようになるかもしれない、もしくは施設や医療プロバイダに熟達した神経放射線科医がいないという場合に介入できるかもしれないと述べる。