微生物検査領域における人工知能導入の可能性

はじめに

　最近の人工知能（artificial intelligence：AI）ブームは，深層学習（deep learning）に牽引されているといってよい．この深層学習は，脳の神経回路網を模したニューラルネットワークを利用した機械学習の方式である．ニューラルネットワークそのものは1930〜1940年代に提唱され，1970年代には文字認識などに利用されはじめた．その後，2006年に深層学習の嚆矢としての多層ニューラルネットワークが実現され，さらに畳み込みニューラルネットワーク（convolution neural network：CNN）により，2012年に画像認識のエラー率を17％とこれまでの手法よりも10％以上も向上させ，2014年には5％程度まで改善した．

　そのような深層学習が流行した理由に，プログラム言語Pythonの開発とPythonに直結するオープンソースとしてのCNNの実現が挙げられる．オープンソースであることから，Pythonにより深層学習のさまざまなCNNを簡単に扱うことができる．さらに，Googleが提供しているGoogle Colaboratoryでは，ブラウザ上でPythonを記述・実行でき，深層学習で必要なGPU（graphics processing unit）にも無料でアクセスできるため，簡単に深層学習を実行することができる．このように，深層学習には，機械学習の研究者に限らず，誰でも比較的容易に利用できる環境が整っている．

　そのような深層学習の微生物検査への導入として，本稿では，グラム（Gram）染色を取り上げる．そして，深層学習に必要不可欠となるアノテーションや学習結果の評価方法について説明した後，深層学習のグラム染色画像への適用例について述べる．なお，深層学習の詳細については，例えば文献1を参照していただきたい．