網膜 心臓を覗ける窓

網膜底画像 (眼球の後ろ側の写真)は、従来から目の疾患の進行を検査するために用いられてきました。しかし研究が進み、心臓血管の健康状態など目の疾患以外の評価あるいは診断にも、網膜底に見える血管網が有用である可能性が示唆されています。

今年初めにNature Biomedical Engineering誌(1) に発表された研究では、グーグルとVerily Life Sciences の研究者らが、300,000人近くの患者から得られた網膜底画像及び心臓血管疾患に関する変数のデータを用い、ディープラーニング (人工知能が使う、アルゴリズムによりデータから「学習」する学習の型) を利用してコンピューターモデルのトレーニングを行いました。続いて研究者らはトレーニング後のモデルを用い、網膜底画像データのみによって、別の13,000人の患者について年齢や性別など一連の推定を行いました。

モデルにより推定されたのは13,000人の患者の年齢、性別、喫煙状況、収縮期血圧、BMIで、信頼できる結果を得る事が出来ました。これらは心臓血管系疾患リスク計算で用いられる主要な値ですが、研究者らはこれらの値が必ずしも網膜底画像そのものから推定できるものではないことに注目しました。

次に研究者らは、今後5年間に患者が重大な心臓血管系疾患を発症するリスクを予測することをモデルに教え込みました。結果に照らしてみると、モデルが網膜底画像のみを用いて行った予測の精度は70%で、様々な情報源から得られるデータを用いた標準的なリスク計算方法とほぼ同じ精度でした。また研究者らは、そのモデルが、年齢、喫煙状況、収縮時血圧などのリスクファクターの予測には血管画像を利用し、一方BMIなどその他の変数の予測には、画像から得られる一般的な情報を利用したという大変興味深い発見をしたのです。

これらは有望な発見ではありますが、研究者らは、より大きく変化に富んだデータセットにより、これからもモデルの有効性を高めていく必要性があると指摘しています。

網膜底画像は、非侵襲的に、低コストかつ短時間で撮影できます。この画像のみを用いて、世界中で大きな死因となっている心臓血管系疾患の特定や予測をすることが可能であるということは、この新たな研究分野の前途の有望性を示唆しています。同様のディープラーニング法は、がん診断(2)等医療現場で応用される機会がますます増加しており、診断法や個別化医療の未来へ大きく期待されています。


参考文献
(1)Poplin et al. Predicting Cardiovascular Risk Factors from Retinal Fundus Photographs using Deep Learning.
(ディープラーニングを用いた網膜底画像からの心臓血管リスクファクター予想)
Nature Biomedical Engineering. 2(3), 158 (2018).
(https://www.nature.com/articles/s41551-018-0195-0.epdf?author_access_token=YWBi0EzCgfAVb_S540xl-tRgN0jAjWel9jnR3ZoTv0OMsbBDq-7d5VZef-dAA8S4kHGY_hXONc93gwXXjuO908b_ruUDVkgB5jW3RnvvRdLFLmvpTsPku5cXZoTEtr09fPvTK40ZbWzpoOGfLab-NA%3D%3D)

(2)Esteva et al. Dermatologist-level classification of skin cancer with deep neural networks.
(ディープニューラルネットワークを用いた皮膚がんの皮膚科学レベルの分類)
Nature. 42, 115–118 (2017)
(https://www.nature.com/articles/nature21056#figures


光のスピード ー さあ体感してみよう

光のスピードというものを実体験したいと思ったことはありませんか?ご存知かもしれませんが、太陽光線の地球への到達時間は8分19秒です。しかし、そのスピードとは一体どのような感覚なのでしょう。もし、貴方が太陽から放たれる光子(フォトン)であるとしたら、太陽系に浮かぶ惑星や月の近くを猛スピードで飛び行く時、貴方はその惑星間旅行をどのように体で感じるでしょうか。あのアインシュタインも、光線の上に跨り飛び行く自分をイメージしていたと言います。

ここにアルフォンス・スワインハート(Alphonse Swinehart)が制作した素晴らしい映像があります。(http://vimeo.com/117815404

“地球上の生物の目で見ると、光の速度はとてつもなく速い。しかし、広大な宇宙に身をおいて眺めると、残念なことに非常にゆっくりとしている。この映像は、光子が太陽表面から放たれ、太陽系を旅する様子を実際の時間通りに作成したものである。”

画面の右上には次の惑星までの到達時間が表示されます。この映像で最も感動的な場面は開始から43分後に木星を通過する時と、月の周回軌道に乗った時です。では、太陽系から最も近い恒星であるケンタウルス座のプロキシマ・ケンタウリまではどのくらいの飛行時間になるでしょうか。なんと、視聴時間にすると4年も必要になるのです。

As Buzz Lightyear says ‘To infinity, and beyond!’
ディズニーキャラクター、バズ・ライトイヤーが言うようにまさに“無限の彼方へ[To infinity, and beyond!]”の世界です。


3D Brain

3D Brainは、ヒト脳の対話型三次元モデルであり、公開情報リソースBrainFacts.orgの一部としてKavli FoundationとGatsby Charitable FoundationおよびNeuroscience Societyにより開発されました。高解像度の使い易い対話型プラットフォームで脳の肉眼解剖学および機能の基礎を学習することが出来ます。

「手」の形をしたマウスをドラッグすることによってユーザーは3次元空間内で脳を自由な方向に回転させることができます。 学びたい構造に「手」をホバリングすると、その構造が強調表示されてラベル付けされます。 特定の構造についてもっと詳しく学びたい場合には、それをクリックすれば簡単なファクトシートを表示することができます。 脳モデルの下方にあるスライダーを使ってその部分だけを周りより空間的に取り出したり戻したりすることもできます。 取り出した構造を回転することも可能で、3次元的に観察する事ができます。 ユーザーは、脳や興味のある構造をズームインしたりズームアウトしたりできます。特定の構造を検索するにはドロップダウンリストから目的の構造名を選ぶか、あるいは検索バーに構造名を入力します。 ユーザーは脳やラベル、ファクトのスナップショットを入手することができますが、そのアイテムを仕事に利用する場合には製作者から使用許可を得る必要があります。

脳の外観だけでなく、外からは見えない内部構造の位置や形、機能について、実際に脳を手に取って見る以上に判り易く説明されており、このモデルの優れた特徴の一つと言えます。 3D Brainは、私がまだシドニー大学(2006-2008)の理学部の学部学生で、脳構造、特に12の脳神経名、位置、機能を学ぼうとしていた時にあれば非常に役に立ったことでしょう。実際には脳の標本や教科書、プラスチックモデルを頼りに学習したのですが。同大学のNeuroscienceの博士課程大学院生(2010-2014)の時にも3D Brainは研究面や新入研究学生の指導、学部研究クラスの指導において素晴らしいブレーンストーミングや教育リソースとして役立ったことでしょう。ヒト脳の全体的な構造や機能を学びたい人に、優れたリソースとして3D Brainを利用することお勧めします。

Website: http://www.brainfacts.org/3D-Brain#intro=true

Copyright © Society for Neuroscience (2017)


ハリウッドは英語学習法を提供してくれる

カテゴリー: Language/Grammar

長くお付き合いをいただいている方が、日本にも拠点を置く海外ジェネリック医薬品メーカーに転職しました。その方はネイティブのように英語文を書く力を持っているのですが、海外本社とビデオ会議をする時には大変苦労をするそうです。

ある時、“I do not catch half of their conversation and have difficulty in discussions with them.”(半分も聞き取れないので議論に参加できない)とこぼされました。

そして、“一体どうすればヒアリングとスピーキングの力を伸ばすことができますか”と聞かれました。私は、“DVDかブルーレイデスクあるいは動画配信サービスHulu(フールー)はありますか”とたずねました。

もし、そうしたツールがあるのであれば、映画を観ながらスクリーン上の字幕を書き取ればよいのです。つまり、会話を聞きながらその表現をメモしていく方法が極めて有効です。

暗記していくとよいですね。いいなと思う文章を書き取り、繰返し口にするのです。話し方の調子であるイントネーションもマネましょう。暗記するとオームのように、考えることなく自然と口に出てくるようになります。2-3カ月もすれば、会話に必要な語彙も豊富なものとなっているはずです。

私が誰にでもこの方法を薦めるのは、簡単で効果的、且つお金も使わず楽しいからです。ハリウッドは、これ以上ない英語学習法を提供してくれているのです。


"Could"の正しい使い方

カテゴリー: Language/Grammar

基本的に科学論文とは過去形で書かれるものであり、著者は可能な限り簡潔でネイティブな表現の文章を過去形で書こうとする。そのため、~was/were able toという表現があれば語数の少ないcouldを選択するのが一般的である。
しかし、驚かれるかもしれないが、実際は、~was/were able toの使用を勧められることのほうが多い。理由は2つある。

1. Couldにはふたつの意味合いがある。“できる”という能力と条件付けあるいは未来における可能性の示唆である。以下の会話にその例をみてみよう。

  Couldの用法
1

A: “What do you want to do today?”
今日は何をしたい?

B: “Hmm, we could go to the store!”
うーんと、お店に買い物に行こうかな。

未来における選択肢を提示
2

A: “What do you want to do today?”
今日は何をしたい?

B: “We could go to the store if we had a car.”
クルマがあると買い物に行けるのだけどな。

条件が満たされれば[前提は、満たされない]そのことが実現できることを示唆
3 A: “Did you go to the store yesterday?”
昨日は買い物に行ったの?
B: “I could have gone if I’d had a car.”
クルマがあったら買い物に行けたのだけど。
上と同じく、過去に、条件が満たされていたならば[前提は、満たされなかった]そのことが実現できたことを示唆


2. “Could”はどちらかというと口語表現(話し言葉)であり、会話では“was/were able to”よりも多く使われる。反対に、“could”を科学論文に使うのは適切ではない。

科学論文において、何かが起こったという事実を強調したい時は“could”よりも“was/were able to”のほうがより自然である。すなわち、科学論文のなかで研究成果を記述する時、日本語で“…することができた”という場合は“could”ではなく“was/were able to”を使用するほうがよい。

A. 何かが“できた”ことを報告する時は“was/were able to”を使用する。

  日本語表現 良くない英語 良い英語
1 計算することができた “We could calculate the dosage accurately using our newly developed method.” “We were able to calculate the dosage accurately using our newly developed method.”
  用量は我々の開発した方法により正確に計算することができた
2 測定することができた “We could determine the concentration in plasma.” “We were able to determine the concentration in plasma.”
  血漿中濃度を測定することができた

B. 未来における可能性を記述する時は“could”を使用する(ifやpotentiallyといった可能性を示唆する語が存在)。

  日本語表現 良くない英語 良い英語
1 …であれば、…することができた “We were able to conduct further studies if our budget were larger.” “We could conduct further studies if our budget were larger.”
  もっと予算があれば、次の研究を行うことができたのだが(内容は過去の記述ではなく、未来における可能性の示唆)。
2 …であれば、…することができた “These findings were able to potentially be of use in clarifying this compound’s side-effects.” “These findings could potentially be of use in clarifying this compound’s side-effects.”
  これらの知見は、被験薬の副作用を明らかにするうえで有用な情報であると考えられる(この内容も過去の記述ではなく、未来における可能性を示唆)。


 


 1 2 3 >  Last ›