7月28日（金）午後2時から午後3時　第1会場

演者：
溝上　敏文（日本IBM Watsonヘルスケア事業開発部）

演題名：
IBM Watson Health - Cognitive Computingと医療の世界

座長：
尾川　浩一（法政大学．日本医用画像工学会　学会長）

[抄録]
これまでコンピューターが保持はできても「理解」して扱うことができなかった自然言語や音声・画像などの「非構造化データ」．人が膨大なエネルギーを傾けて行う研究の成果は，「属性＋値」として表などに整理されてまとめられた構造化データよりも，特定の構造を持たず，コンピュータープログラムによって意味を抽出するのが困難な非構造化データの割合が圧倒的に多い．人が普通に読み書きする自然言語の情報を，一定のレベルでコンピューターに理解させる技術が存在し，効果があることを世に知らしめたのが2011年に米国クイズ番組Jeopardy!で賞金王と最多連勝記録保持者に勝利をおさめたWatsonであり，2012年に世界的な人工知能の競技会でディープラーニングの技術を使って勝利を収めたトロント大学のジェフリー・ヒントン教授といった先駆者達である．2度の冬の時代を経たと言われる人工知能研究者達の成果が，ビッグデータの時代の今脚光を浴び，世の中に存在する様々なデータから学び，重要なパターンを抽出し，医療や創薬の問題を解決していくことがクラウド基盤を使って大きなスケールでできる時代になりつつある．新しい技術が社会にもたらす影響を理解し，法制度も整備していくことが重要であり，技術としての信頼を勝ち得ることが何よりも大切であり，そうした議論を大会に参加される皆様とさせていただきたい．

7月29日（土）午後1時10分から午後2時10分　第1会場

演者：
Martin Stumpe（Google Research）

演題名：
Deep Learning for Medical Imaging

座長：
藤田　広志（岐阜大学．JAMIT2017大会長）

[抄録]
Deep learning has revolutionized machine learning in recent years, and its applications are progressing into more and more areas beyond visual object recognition. This talk will provide an overview of deep learning in computer vision and the various applications Google has pursued in this area, before addressing how deep learning is starting to impact medical imaging. Two topics will be highlighted in particular: The first application is the use of deep learning in Ophthalmology to diagnose a disease called diabetic retinopathy. Diabetic Retinopathy is a degradation of the retina caused by diabetes, and is one of the world’s leading causes for blindness. If diagnosed early enough, it can easily be treated and vision loss prevented. However, due to shortage of doctors, in particular in developing countries, many patients suffer irreversible loss of vision before they are able to get a diagnosis. The second application is the use of deep learning in Pathology. Rendering cancer diagnoses on biopsy images is a highly complex process that requires years of expert training, involves reviewing extremely large images to find literally the needle in the haystack, and classifying tissue with very high inter-class similarity. These are tasks at which humans are traditionally not very good at, and indeed the current state of cancer diagnostics leaves much to be desired. Deep learning has the potential to help with these challenges, and will enable tools to assist doctors for increasing the availability and the accuracy of medical diagnostics.