2019年10月15日、エルピクセル株式会社（以下、LPIXEL）は脳MRI分野のプログラム医療機器として薬事承認を取得した医療画像解析ソフトウェア「EIRL aneurysm （エイル アニュリズム）」の発売を開始した。
この画像解析ソフトウェアでは脳MRI画像をAI、とりわけディープラーニングを活用した技術によって解析し、脳動脈瘤の疑いのある部分を検出することで医師による読影（MRI検査やCT検査などの画像を観察し所見を読み診断をすること）をサポートする。
IoTNEWSでは4年前に同社 CEO 島原 佑基氏へインタビューを行っていた。
LPIXELは当時、東大の研究室から始まったライフサイエンス（生物系）領域に特化した画像解析のソフトウェアを作成する会社だった。
今回のインタビューではLPIXELが「EIRL aneurysm」の発売に至るまでの開発過程や薬事承認を取得するまでの道のりについて、4年ぶりにLPIXEL CEO 島原氏にお話を伺った。（聞き手：IoTNEWS代表 小泉 耕二）
検診大国と言われる日本
IoTNEWS代表 小泉耕二（以下、小泉）：島原さんへは4年前にインタビューをしていますが、最近はどのような事業をやられているのでしょうか。
LPIXEL CEO 島原佑基（以下、島原）：前回のインタビュー当時はまだ10人くらいでした。資金調達もしていない時で、1年目は受託研究を、2年目は自社製品のプロトタイプを作ってみよう、3年目から自社製品に投資していくフェーズで、医療分野に注力しようとなった時に、長い期間売上が立たないまま薬事承認や認証への対応をする必要があるので、資金調達をしようということになりました。まず自社製品の可能性に共感していただける方から約8億円、事業化を目指せるか、ということで出資いただきました。
さらに、事業化の目処が立った時に事業会社さんを巻き込んで良いチームを作っていこうということになり、1年ほど前に富士フィルムさん、オリンパスさん、キヤノンメディカルさんなどに出資いただき、約30憶を集めて本格的に共同研究と事業化を見据えてやってきたところです。
そして現在、医療画像解析ソフトウェアEIRL aneurysm （エイル アニュリズム）はようやく今年の9月に薬事承認を得ることができました。実はその前にも認証を取得した製品がありまして、内ひとつは脳計測機能をもつ製品（医用画像解析ソフトウェア EIRL basic）です。EIRL aneurysmについては、NHKによる報道で、ディープラーニングを活用した医療機器で、PMDA（医療機器の製造販売承認に関する審査を行う独立行政法人）が承認したものは（NHKさんの取材によると）初めてだと、取り上げていただきました。
EIRL aneurysmは、先週初めてお客様に購入いただきました。ようやく1件というところまできて、次の予算で購入いただけると言っていただいている医療機関もあり、少しずつ導入数が増えていくと考えています。
小泉：おめでとうございます。どういうモノを製品化されたんでしょうか。
島原：脳のMRI画像をAIを活用して解析し、脳動脈瘤の診断支援をするものでした。
日本には脳ドックという言葉があるのですが、これは実は世界中にあると思いきやそうではないのです。これだけ脳ドックが広まっているのは日本独自の文化というか、脳ドックという言葉も日本で生まれているくらいなので、アメリカに行くとこういった検査は何十万円もします。脳の検査というのは日本では世界でも最安で受けられるほど進んでいて、検診大国だと言われているのです。
そういった背景もあり、脳の分野では日本の優位性が保てると感じたことが開発を始めたきっかけです。
もう一つの理由としては、3次元でMRIを解析するのが技術的に難しかったことです。
例えばCT。CTは絶対値が出るので画像処理がしやすい。また、健康診断で撮るような一般撮影は2次元なので技術的にも取り組みやすいのです。
それに比べ、MRIというのは、水分量とか、そういったものも見ますので絶対値があまりあてにならないんですよ。それに加え3次元なので、これらの画像解析ソフトウェアを開発するのは比較的難しい。
技術的に難しく、日本の独立性がある、という点で脳ドックのAIを作っていこうとなりました。
脳のMRI画像から異常の疑いがある部分を検出するAI
島原：日本人の死因の第3位、4位を行ったり来たりしているのが脳血管疾患です。脳血管疾患の中でも、脳の動脈にこぶが出来、それが破裂することで脳出血や脳卒中を引き起こしますが、そうしたこぶの早期発見をサポートするAIを開発しました。
小泉：動脈瘤というやつですね。
島原：そうです、その動脈瘤の疑いがある候補点を検出するAIでして、ディープラーニングを活用したAIとして取り上げられています。
その他にも実は認知症関連の分野にも取り組んでおりまして、白質病変という認知症の進行度が上がっていく要因となる部位を自動計測するソフトウェアを開発しました。脳溝の拡大を見るようなものとか。
実はトリータブル（治療可能）な認知症もあるのですよね。認知症と診断されたらお先真っ暗、といったイメージがありますが、早期発見できれば外科的に治せる認知症もあります。そういった診断に寄与しうるだろうと、数値の自動計測を行います。
小泉：動脈瘤の話なんですけども、早期発見するというのはどのくらい早期に発見できるものなんですか。
島原：脳ドックではだいたい2、3mmで見つけましょうという考えで、5mm以上になるとしっかり治療を考えるということが一般的に言われています。
ただ、その大きさだけではなく、形状だとか、どこに出来ているのか、血圧などいろんな情報の解析があるのですが、脳ドックではまず「あるかどうか」を見つけるのが大事です。日本人は欧米人に比べると破裂率が約3倍高いとされる報告もありますので。
小泉：脳卒中で亡くなる方多いですもんね。
島原：そうですよね。その仮説として、日本人は血管が弱いのではないかと言う医師もいて、欧米だとコイル（こぶの中にコイルを埋め込み、破裂を予防する治療方法）が出来るけれど、日本人では血管が薄いのクリップの方がいいのではないかと指摘する医師もいます。日本人は動脈瘤の破裂率が高いことから、やはり早く見つけることが大切と言えます。
3mmの時に見つかった場合、その後、毎年の検診を受けることになるのですが、急遽大きくなった時に治療を考えることが多いようです。
次ページは、「医者の「代わりになる」ではなく「補助する」AI」
医者の「代わりになる」ではなく「補助する」AI
小泉：御社で作られている製品だと動脈瘤があるかどうか、人が見るよりも見つけやすいということでしょうか。
島原：医師単独よりもAIを活用すると検出率が約10％上がるというような性能試験結果が出ています。これは、医療機器として効果効能が十分あるでしょうということで、厚労省に認可、いわゆる薬事承認をいただいています。
小泉：なるほど。2年前にお話をうかがった時も医者の代わりをやるわけではなくて、医者では見つけられないところを見つけてあげて、医者もそれを見てさらに判断をするようなものを作るという話もされていましたが、そこはあまり変わらないのでしょうか。
島原：そうですね、補足すると、今までの医療機器の進化とは、新しい医療機器が出来る、ということはすなわち今まで出来なかったことが出来るようになる、革新があるということなのです。例えばX線を活用して体の内部を二次元で見るとか、CTを活用して3次元で見れるようになったとか、見つからなかったものが見つかるようになりますというストーリーが多いのですが、私たちが開発しているものはそれとは少し違います。
人間はどうしてもばらつきもあり、ミスします。AIというのは、そこを一定の割合で防ぐことができるというもの。出来なかったことが出来るようになるという点でいえば、見逃していたものが見つかるということはありますが、基本的には診断のレベルを効率的に保つ、というところがバリューになっていくのですね。
小泉：3次元の画像を見るというと読者の方はなかなかイメージがつかないと思うのですが、立体を見ているわけではないのです。立体がスライスされているものを見るような感じでしょうか。
島原：立体再構成した画像を見る感じですね。
小泉：さらにその画像から再構成してこの辺がちょっと問題があるよ、みたいなこともわかるようなイメージなんでしょうか。AIがわからない人からすると、AIが判断して「ここに癌があります」とピコーンと表示が出るようなものを想像してしまうと思いますが。
島原：そうですね、イメージは近いです。実際に見ていただきたいと思います。
島原：これが実際のMRI画像ですけれども、動脈を示しています。180枚ほどのスライス画像で立体を撮れるのですが、正直わからないですよね、一般の人にはどこに瘤があるか。
小泉：お医者さんはこれをみたらわかるんですか。
島原：そうです。このMIP画像というのが血管を立体化したものです。
画像認識AIの学習は量より質を重視
小泉：この黄色い枠はこのシステムが出してるんですよね。
島原：そうです。AIが認識した瘤の疑いがある部分がハイライトされます。非常にシンプルです。
小泉：AIがこれを学習する時はどうしているんでしょうか。こういう画像を見せていってここが瘤だと教えてあげるんですか。
島原：瘤になっているところにバウンディングボックスというものを作って、画像を学習させています。
小泉：初めは相当な数の画像を用意されたんでしょうか。
島原：そうですね。やっていくとわかるのですが、量よりも質が大事なのです。数十万枚にリーチはしたとしても、実際に使うものは数千枚くらいのこともあります。下手な画像で学習しすぎるとオーバーフィッティングといって、過学習してしまい、性能が落ちることがあります。そういったものを取り除かなければならないです。
IoTNEWS 石井庸介（以下、石井）：上市した後も継続的に学習していくんでしょうか。
島原：継続的な学習機能は持っていません。医療機器の性質上、性能をフィックスさせて、安全性を担保した状態で市場に出さなければならないのです。
学習して良くなることはイメージがつきますが、悪くなるということも当然考えられ、追加学習によって製品の安全性が下がるということがゼロではないのです。
そのため、現在の法的枠組みでは継続的に学習する製品は認められていません。こういった法規制で一番進んでいるアメリカのFDAでも同様です。しかし、個人的にはこの数年以内に新しい方針が出るのではないかと考えています。
小泉：一回フィックスしてしまわないと良いも悪いも評価できないということなんですね。ちなみに「EIRL aneurysm （エイル アニュリズム）」はなんでこの名前なんでしょうか。
島原：EIR（エイル）はギリシャ神話に出てくる援助や慈悲という意味を持つ医療を支援する女神の名前からとっています。
AIの活用が期待される「予防医学」と「救急」の現場
小泉：今後はこういった色々なパターンに対応した製品を出していくのでしょうか。
島原：その予定です。まず最初に脳からはじめたというのは、もちろん市場があるから、というのもあるのですが、熱意のある先生に出会ったからというのが一番の理由です。
現在進めている開発テーマとしては、大腸内視鏡からポリープの検出、肺がん、マンモグラフィーなど、部位を少しずつ増やしています。
切り口としては予防医学が注目されていますので、スクリーニングをして早期発見を支援する取り組みを進めています。
早期発見する為には、患者さんに定期的に検査を受けていただくことが必要ですが、医師にとっては検査数をこなさなければならず、どんなに数が増えたとしても検査の品質を一定に担保する必要があります。
その点はAIが効果や価値を発揮しやすいところだと思っています。１人の医師が集中して１枚の画像を10時間も見ることが出来れば異常を見逃さないはずですが、医師数が不足している状況では難しいと言えます。数をこなすためにAIのサポートを受けて診断をする、というのはAIを活用すべきところのひとつになると思います。
もう一つの観点からいうと、エマージェンシー（救急）でもAIが活用できます。現状夜間救急の場で専門医が検査画像を見ることはほとんどありません。専門医が居なくても専門医と同等の診断が出来る、診断を担保できるというところにAIの価値が発揮されます。
スクリーニングと救急、この二つの切り口から展開をしていこうと思っています。
小泉：もともと画像で診断できる先生が少なく、そこに対してサポートするようなものを作りたい、と前回のインタビューで伺ったという経緯があるので、現在も考え方は変えずにぶらさずにやられているんだなと思いました。これは病院側が購入されたら使用されるとのことですが、診断される側からするとこれを使用しているか、していないかは言って欲しいなと思います。
島原：本当は患者さんの意識が変わることが非常に重要だと考えています。このような機器を使用することはある種、「献血」のような面もありまして。AIが活用された機器を使うことは自分の診断データを将来の研究に生かせるということになります。
AIがある施設を「こちらの方が嬉しい」とか「社会貢献になるから」という感覚で、患者さんに選ばれるようになれば良いですね。
小泉：私もそう思っています。いわゆる「機械だけにやらせるわけではない」というところがミソですよね。機械だけに任せると不安だという方もいらっしゃるじゃないですか。でもこれは機械だけでやろうとしているわけではなくって、人もいて構わないし、一緒に相互依存しながらより高度な診断を出来るようにしていこう、という話だと思うので、そういう意味ではデジタルアレルギーみたいな人でも関係ないですもんね。
島原：飛行機のオートパイロットと一緒です。
小泉：私の父も大腸がんになりましたが、早期発見できたので大事には至りませんでした。父は偶々見つけられたから助かったといっていましたが、偶々みつけられない人の方が圧倒的に多いという話と聞いていると、こういったものが健康診断の一環として活用され、AIが入り込んでいって、専門医の方がいなくとも健康診断を普通に受けている中で早期発見できるような形になってくるといいなと思います。
島原：大腸は、肉食が多い方や血縁者ににがんが見つかっている方は検査をしたほうが良いという報告があります。ポリープが小さい内は問題ないのですが、大きくなると悪性化し、がん化するというものもあります。検査を受けていれば早期に発見できると思いますが、検査でも見難い襞の裏に隠れている場合もあるので、当てはまる方は一定以上検査をする必要があると言われています。
小泉：健康診断での活躍にますます期待がかかりますね。
島原：そうですね、年に一回のチャンスで見逃さないようにすることが大事ですね。
次ページは、「医療機器とリスク管理」
医療機器とリスク管理
石井：医療機器はリスクをどう低減していくのかが課題になると思っているのですが、実際に開発するなかではどういったリスクが想定され、どう潰していったのでしょうか。
島原：当然リスクはあるという前提でリスクを上回るメリットがある、と示すことが大事です。薬にしても副作用などリスクがあるわけですが、だからすべてやめましょうとはなりません。それよりも救われる人が多いからやりましょうとなることがあるわけですが、そういう意味では、リスクを上回るメリット（効果効能）を実証できるスタディ（治験や臨床試験）が必要になるかと思います。
AIを使用することで感度（検出率）が10％くらい上がり、全体最適につながります。医療は全体最適で考えることが多いので、リスクは絶対にあるけれど、それを上回るメリットがあると示すことが重要になります。
これには答えがあるわけではなくて、一つ一つ理論に基づいてやっていく必要がある。なので薬事というのは結構クリエイティブな仕事だなと思っています。法規制対応というと、少しめんどくさい、専門知識や資格のある方が一定の決められた項目に沿って対応するというイメージがあるかと思います。もちろんそういったドキュメント管理などもありますが、薬事を通すところというのは実はかなりクリエイティブ。何がメリットでどこまでのリスクがあって、リスクを上回るメリットがこうだということを構築するというクリエイティブな仕事なのです。難しいですが、面白さもあります。
「EIRL」の臨床試験は「後ろ向き」に行うことも
石井：薬の治験はイメージが出来るんですけど、AIの医療機器プログラムの治験はどのように行うのでしょうか。
島原：治験というのは大きく分けて「前向き」か「後ろ向き」というのがあります。「前向き」というのは薬でよく言われる方法でして、治験者を集めて、薬を投与して、半年間様子を見ましょうといったもの。デザインしてから集めるという工程を踏むのですが、一方、放射線画像診断の場合は「後ろ向き」のスタディが多く、過去に取ったデータを集めて医師で試験デザインを組んで実施するというものです。まずはデータを集めて、異常のあるものを定義し、複数名の医師が合同で正解データを作ります。その後、試験に参加いただける医師の方に来ていただいて、そのデータをもとに読影試験をします。
現在でもそういった試験を実施しており、土日などにも来ていただいてます。医師がオリジナル画像を見て、そのあとでAIによる結果を確認する。そこで、医師による最初の診断結果とどう変わったかを比較するという試験をやっています。したがって、医師側には工数がかかっていますが、患者さんへの負担はありません。
石井：治験というと数億円ほどかかるというイメージがありますが。
島原：薬の治験を行うには薬代の他に、治験に協力いただく方へ副作用があるかもしれないのでそれに見合った報酬を差し上げる必要がありますが、我々が行なっている試験では患者さんに直接副作用等が及ぶわけではないので、医師やスタッフの人件費などがメインとなり、およそ数百～数千万円です。
大事にしたのは新しいことをやるためのチーム作り
石井：医療機器の承認を得るまでにはいろんなプロセスがあるかと思いますが、どの点で苦労されたのでしょうか。
島原：開発に協力いただける医師に出会うことがまず最初の課題でした。これがないと始まらない。僕自身は医師ではないですし、創業時から会社に医師がいたわけでもないので、自分で便利なものを作ろうというよりは、この方の役に立ちたい、という人がいることが重要なのです。そういう意味では、最初に会った先生は先進的なこととか、役に立つことというのを熱心に語られる先生で、まずこの先生の為にAIを作ることから始まりました。そうしたら、いいねと言っていただき、プロトタイプを作成することになりました。
先生が使っているビューワー上にハイライトされるものを最初に作ってみたり、三次元の立体に瘤があるというのがわかるようなものを数か月かけて作成しました。これを作ってみたらとても喜んでいただきました。そこから、ミッション化し、この先生を救うために頑張ろうといったように後はなんでも乗り越えられるという感じでした。そういうチームを作れたのは幸運でした。
また、薬事が大変でした。最初は半年ほど各行政機関回りをしたのですが、門前払いをされることもありました。話が通じないので薬事コンサルを連れて来てください、と言われたこともあります。ソフトウェア医療機器は新しいものなので、社会全体を見渡してもわかる人がほとんどいない状況で法規制対応するチームを立ち上げなければならなかったのです。
ベンチャー企業で、クラスⅣ（ペースメーカーなど高度な管理を要する医療機器）というかなり難しいランクの製品を通した会社があって、そこはどうやって通したのか聞いたところ、最初はコンサルをあたったけど上手くいかず、結局新しいことを通すには自分たちでやるこことが必要だ、と。クリエイティブな仕事になるので自前でそういうチームを作らなければだめだ、と言っていました。それを聞いてハッとして自社でチームを作ってやったというのが大きいですね。
いいものを作るのが得意な人はたくさんいると思うのですが、それを世の中に通すための法規制対応というのはまた違うスキルになるので、そういったところは他のベンチャーでも課題になるのかなと思います。
小泉：本日はありがとうございました。