類似事例
AI経営事例集
← 事例
タイ医療・ライフサイエンス2018 – 継続中

タイ保健省（Ministry of Public Health、国家糖尿病網膜症検診事業）

Google Healthと開発した、一次医療機関での深層学習による眼科スクリーニング

AI眼科検診ツール、タイの患者7,651人で網膜専門医に匹敵、地方の看護師は画像品質と低速回線に苦慮

進行中独立した研究

課題

糖尿病網膜症は失明につながる可能性があり、タイでは患者が眼科医の判定を四～五週間待つことが多かった。毎年検診を受ける糖尿病患者は半数未満だった。

取り組み

Google Healthの深層学習システムは、タイの国家検診事業で一次医療機関の看護師が撮影した網膜写真を判定し、安全確認として網膜専門医が各画像を再読影した。前向き研究は2018年12月から2020年3月まで九施設で実施された。別の現地調査では、パトゥムターニーとチェンマイの十一診療所で看護師を観察した。

主な数値

91.4% vs 84.8%前向き研究における、視力を脅かす疾患の検出感度。深層学習システムと再読影した網膜専門医の比較独立した研究[1]
7,651九つの一次医療施設で解析対象となった患者数（31.5%が精査・治療のため紹介）独立した研究[1]
200 to 100二時間のインターネット停止後の、ある診療所の一日当たり検診患者数。現地調査についてのTechCrunchの報道による独立した研究[3]

示唆

診療所でも精度は維持されたが、現地調査では、十分に暗い部屋の不足、画像のぼやけ、不安定なインターネット接続が利用を制約していた。著者らは、規模を拡大する前に業務フローを各現場に合わせる必要があると述べた。

分類

規模
大企業
業務機能
生産・品質
イノベーションの類型
プロセス・イノベーション
根拠
独立した研究

出典

  2. A Human-Centered Evaluation of a Deep Learning System Deployed in Clinics for the Detection of Diabetic Retinopathy
    ACM CHI Conference on Human Factors in Computing Systems (via Google Research)2020年研究論文・報告書

出典の要約

[1]The Lancet Digital Health (via Google Research)2022年

研究者らは2018年12月から2020年3月まで、タイの九つの一次医療施設で前向き研究を実施した。受診者7,940人のうち、7,651人が解析対象となった。視力を脅かす疾患に対するシステムの感度は91.4%、特異度は95.4%で、網膜専門医はそれぞれ84.8%、95.5%だった。著者らは専門医に匹敵するとし、規模拡大には業務フローが重要だと述べている。

[2]ACM CHI Conference on Human Factors in Computing Systems (via Google Research)2020年

研究者らはタイの十一診療所で看護師を観察し、聞き取りを行った。資源の限られた診療所では、モデルの品質基準を満たす画像の撮影が難しく、検診の業務フローや患者の体験がツールの性能を左右していた。

[3]TechCrunch2020年4月27日

TechCrunchは現地調査の結果を報じた。適切な画像を撮れるほど暗い部屋があったのは二診療所だけで、低速回線でのアップロードには60～90秒かかり、二時間の回線停止で、ある診療所の検診患者数は200人から100人に半減した。システムがぼやけた画像や暗い画像を受け付けず、看護師の不満につながった。

詳細は原典でご確認いただけます。

掲載日 2026年10月25日 · 更新日 2026年10月25日
事例ページを開く ↗