かってグーグルやアップルは医療技術にはみむきもしなかった。トップが若くて自分が重篤な病に
かかるとは想像しなかったのだろう。しかし、年齢をかさねるにしたがい、医療が大きなマーケットであることに気づいたのかdeep learningにもとずいた世界に参入してきた。
それは画像診断の高速・高精度化などをてがかりにこれからもますます磨きがかかっていくことだろう。

以下は放射線治療の治療計画にdeep learning技術をもちこんでファクター4の高速度化を可能にした
例である


一部転載(ギガジン):
(2016年8月31日)ガン治療にGoogleの人工知能「DeepMind」を使用する病院が登場
IT企業により開発が進められている人工知能を医療に役立てようという動きが増えています。Googleが買収した人工知能のスタートアップ「DeepMind」は、イギリスのロンドン大学病院と提携してガン治療に同社の人工知能による機械学習を取り入れることを発表しました。

Applying machine learning to radiotherapy planning for head & neck cancer | Health | Google DeepMind

https://deepmind.com/health.html

DeepMindの機械学習を取り入れることになったのは、頭頸部にできる頭頸部ガンの治療。頭頸部ガンの1つである口腔(こうくう)ガンは、男性75人に1人、女性150人に1人に発症すると言われている疾病です。

頭頸部ガンの治療では、放射線を照射してガン細胞を破壊する放射線治療が用いられることがありますが、ガン細胞の周囲には健康な組織があるために、医者は放射線をどの部位に、どの方向から、どのくらいの量を何回に分けて照射するのかを入念に計画する必要があります。治療計画を作る際にはガン細胞周辺組織の画像やデータなどを放射線治療機器に入力して分析するのですが、現在の技術では治療計画を作るのに平均して約4時間かかってしまうとのこと。特に、構造が複雑な鼻腔ガンの治療計画を作るのは、医師にとっても大変難度が高いそうです。

しかし、人工知能を使って過去の700件の症例を分析し機械学習を使って放射線治療計画の作成を効率的に行えるようにサポートすれば、治療計画作成にかかる時間を約1時間にまで短縮できるとのこと。どの部分にどれくらい照射するかなど治療計画の決定権は、人工知能ではなく医師にあります

ロンドン大学病院の放射線治療士のイエン・チン・チャン医師は「機械学習がガン細胞に犯されている組織と健康な組織を自動で区別し治療計画作成の時間を短縮してくれることで、放射線治療士は余った時間を患者のケアや研究などにあてることができる」と人工知能の導入に肯定的な意見を示しています。
AD

deep learningについて

テーマ:
deep learningについて医学利用で注目をあびているEnlitic社の
若手のエンジニアーのDiogo Almeidaさんのプレゼン。
deep learning が効果のある例はわかっているがその理由についてはまだ理解されていないという。

AD

流行の水 六角水・量子水

テーマ:
流行の水に六角水や量子水というものがでてきた。
あれやこれや受けそうな名前をかえて販売促進をはかっている。
放医研が量子科学機構とか言う名前の新組織をつくったのも同様に
お役人の意向なのだろう。

ちなみに六角水とかいう概念は韓国の研究者がたてた仮説のようだが
磁気水+セラミック水のようなものだ

ところで水の親切だからといってばかにしてはいけないようだ。

サイエンス2.0 ではナノ構造の氷が報告されこれが正四面体の構造をしていると主張している。
こちらは疑似科学ではなく正当科学の印象だ。

こういった科学をばかにしていると
新しいことはできない。
イスラエルからナノの厚みの氷にレーザーを照射して
医療ようの陽子加速期を開発しているからだ。

疑似科学的発想おそるべし。

一部転載:
The surface of water drops at 100 nm size changes with temperature. At room temperature, the surface water molecules of these droplets have much stronger interactions than a normal water surface. The structural difference corresponds to a difference in temperature of -50°C.

Nanometric-sized water drops are everywhere, as droplets or aerosols in air, in our bodies as medication, and in rocks and oil fields. How they interact with their hydrophobic environment, at the curved droplet interface, a sub-nanometric region that surrounds the small pocket of water, could boost our understanding of atmospheric, biological and geological processes.
AD

deep learning summit

テーマ:
きょうからボストンでdeep learning summit という研究会がはじまる。
AI の最先端会議だ。40人の発表で参加者は300人・
ぜひ参加してみたいものだが。

BACK TO EVENT
Schedule

THURSDAY 25 MAY
FRIDAY 26 MAY
08:15

REGISTRATION
09:00

Sampriti Bhattacharyya
Sampriti Bhattacharyya, Hydroswarm
WELCOME

DEEP LEARNING THEORY & APPLICATION
09:15

Andrew Tulloch
Andrew Tulloch, Facebook
Deep Learning in Production at Facebook

09:40

Sangram Ganguly
Sangram Ganguly, NASA Ames Research Center/ BAER Institute
Scaling Deep Learning Models to High Resolution Satellite Image Classification on the NASA Earth Exchange Platform

COMPUTER VISION
10:05

Dilip Krishnan
Dilip Krishnan, Google
New Approaches to Unsupervised Domain Adaptation

10:30

COFFEE
11:15

Leonid Sigal
Leonid Sigal, Disney Research
Semantic Embeddings for Recognition and Retrieval

11:40

Carl Vondrick
Carl Vondrick, MIT
SoundNet

12:00

Sanja Fidler
Sanja Fidler, University of Toronto
Towards Automatic Understanding of Stories from Videos

12:20

LUNCH
REINFORCEMENT LEARNING
13:30

Li Erran Li
Li Erran Li, Columbia University
Deep Reinforcement Learning: Recent Advances and Frontiers

NATURAL LANGUAGE PROCESSING
13:50

Chiori Hori
Chiori Hori, Mitsubishi Electric Research Laboratories (MERL)
Neural Network based Multimodal Dialog Technologies towards Human-Robot Communication

SPEECH RECOGNITION
14:10

Spyros Matsoukas
Spyros Matsoukas, Amazon
Deep Learning in Amazon Alexa

14:35

COFFEE
DEEP LEARNING & ROBOTICS
15:20

Helen Greiner
Helen Greiner, ChPhy Works
Drones Need to Learn

15:40

Stefanie Tellex
Stefanie Tellex, Brown University
Learning Models of Language, Action and Perception for Human-Robot Collaboration

AUTONOMOUS VEHICLES
16:00

Lex Fridman
Lex Fridman, MIT
Deep Learning for Self-Driving Cars

16:20

PANEL: Addressing the Implications of Autonomous Systems
Sampriti Bhattacharyya
Sampriti Bhattacharyya, Hydroswarm
PANELLIST

David Michael
David Michael, Cognex
PANELLIST

Scott Denenberg
Scott Denenberg, Veo Robotics
PANELLIST

Alex Lorman
Alex Lorman, ThayerMahan
MODERATOR

17:00

Conversation & Drinks

こちらは
医療に関係したもの。(同時期・同開催場所)

中国の先進的がんセンター

テーマ:
PTCOG横浜という粒子線治療の国際会議でしったのだが
中国で上海につづきXKmedという重粒子線治療を含む新病院の開院が
まじかいという。

日本を含め世界の主要粒子線治療と協力関係にあるという。

なかなか先進的ながんセンターにみえる。
しかも北京ではなく甘粛州という中央から離れたところにある。

協力病院:
西雅图癌症治疗联盟( SCCA )2017-04-12 15:42:43
德国海德堡大学附属医院(Heidelberg University Hospital)2017-04-12 15:39:04
西达-赛奈医疗中心(Cedars-Sinai Medical Center)2017-04-12 15:37:54
麻省总医院2017-04-12 15:34:35
丹娜法伯癌症研究院2017-04-12 15:21:51
波士顿儿童医院2017-04-12 15:20:14
美国MD安德森癌症中心2017-04-12 15:03:32
日本辻仲医院2017-03-16 11:18:09
兵库县粒子线治疗中心2016-11-15 15:21:04
鹿儿岛Medipolis国际质子治疗中心2016-06-28 10:09:11
放射线医学综合研究所2016-06-28 10:06:37
德国西部埃森质子治疗中心(WPE)2016-06-28 10:05:03
德国慕尼黑质子中心(RPTC)2016-06-28 09:54:33
美国圣地亚哥质子中心(Scripps Proton Therapy Center)2016-06-28 09:52:08
日本国立癌症中心2016-06-28 09:47:25
美国ProCure质子中心2016-05-13 13:30:30
日本医科大学附属医院2016-04-26 16:06:51
德国巴德特里斯医院2016-04-21 15:32:09
筑波大学质子束医学利用研究中心2016-04-15 14:39:57
福井县立医院 质子线癌症治疗中心
ンピューター将棋のデジタル化のサイトはここ
統計数学と将棋の設定を研究しているおもしろいサイトです:

論稿シリーズ

手数と投了
イロレーティングの散歩道
解説記事

平均と標準偏差:それって不偏推定値?
イロレーティング 1:棋力ってなんだ? 2:あなたのレートは……
データから線を引く 1:ピアソンの相関係数 2:線形回帰と最小二乗法
ミニマックス法とは何か? 1:コンピュータ将棋の基本戦略 2:アルファベータ枝刈り
自己対戦及び連続対戦の誤差論 1:標準誤差と信頼区間 2:対局数は十分か?
最尤法によるレート推定と不確かさ
コラム記事

将棋倶楽部24におけるponanzaの69連勝をどう見るか
将棋のルールは完璧か?:「最後の審判」が提起したこと
棋士の粘りと棋力:強い人は粘らせない?
棋士の手数とレート差:平均手数から棋力が分かる?
“将棋の神様”ってなんだろう? 1:本居宣長と小林秀雄 2:完全解析と予知
floodgateにおける手数とレート差:棋士との違いは?
手数分布はガンマ分布で近似できるか?
手数と進行度:あと何手?
一局面の合法手の最大数が593手であることの証明
フィッシャークロックルールについて:規則に優劣はあるか?
将棋の消費カロリーは何ワット?
将棋の局面数 1:局面数は無量大数 2:分岐の迷宮
将棋の棋譜数:“10の220乗”説の真相!?
序盤の局面数:駒組みは宇宙の星々より多い?
アルファベータ法の筆算:これであなたもコンピュータ!?
水平線効果は何が問題なのか?
スイス式競技会:WCSC一次予選を例として
羽生名人が第2期電王戦に出場する確率は?
人間の値打ち 1:不正判定における許容リスク 2:統計的判定基準
チェスの不正解析 1:Regan教授曰く 2:調査手法 3:固有レーティングとは?
ニコニコ超将棋会議3五角は成立していたか?:合議と熟議
合議の効能:三人寄れば……
将棋は酔歩ではない?:酔歩模型と手数分布
評価値という数値 1:一歩百点? 2:勝率と酔歩模型
平均手数で分かる読みの類似度:floodgate棋譜集の分析
先手と後手:どちらが有利?
ソフトの相性:ふたりの距離の統計的概算

決められない知事

テーマ:
当初から思っていたのだが
小池知事は批判はうまいが創造的な解決法はみつけられないひとだとおもっていた。
案の定、森前総理はそこをついてきて
”決められない知事”と攻撃をしてきた。
知事だけでなく知事が組織した安全検証委員会も知事に輪をかけて
決められない同質の人たちだ。しかも責任をもたないいいかげんな人の集合なので
生活のかかっている関係者から怒号がとんでいる。
さすがの小池知事も自体の危険にきづかなくては。

棋士の強さのデジタル化

テーマ:
チエスの世界ではじまったという強さをデジタル化を示す方式が
将棋の世界でも使われているという。
もともとの方式はイロレーティングとよばれハンガリーの物理学者の
アルバド・イロが考案したという。
詳細はここ

産出の式の根拠は理解がむつかしいが、その方式の評価が結構いいいらしいのだ。

2017粘土の棋士ランキングでは佐藤名人が1位の1863,羽生が二位の1858,稲葉が3位の1856
といかにも強さを示しているようにみえる。

ただ、16連勝中の藤井4団は55位で1606点で実力をあらわしているとはいえない。

あるブログでは1900点以上という佐藤名人をこえる推測もある

また別のところで
”ちなみに藤井聡太四段は対局数がまだ少ないため、正確ではないが、今は68位、1566点”
ともある。


いちばん評価しておもしろいのはコンピューターソフトのポナンザのレーティングだ!

NASAのとんでも被爆基準

テーマ:
宇宙旅行や他の惑星に居住するときの大問題は高い放射線被曝だ。
さてNASAではその被爆許容限度をどれくらいにしているのだろう?

ここに年齢、性別のNASAの基準がある

なぜか、単位がrem になっている。意図的なごまかしかもしれない。
それによると
20歳 男150rem 女100 rem

55歳 男400rem 女 300rem

これをフクシマ事故で馴染み深い単位のシーベルトに換算するには
1Sv=100rem

福島での許容限度は100mSvでもとんでもないという議論がなされているのに
宇宙飛行士や居住者はその10倍も高い値を設定している。
そうしなければ、宇宙旅行や宇宙居住がなりたたないので人間の健康から
基準をきめているのではなく、宇宙開発という大目的から基準をきめているのだ。