実績

近年、医療現場や研究機関では、デジタルトランスフォーメーション（DX）による業務効率化が急務となっています。本記事では、専門家が手作業で行っていた「細胞組織の特定」を、最新のAI技術（物体認識）によって自動化した開発事例をご紹介します。技術力と業界理解の両面から、どのように課題を解決したのか、そのプロセスをご覧ください。

クライアントが抱えていた課題：専門家の経験に依存した作業の限界

今回のクライアントである医療機器メーカー様では、顕微鏡で撮影したスライドガラス上の細胞組織を分析する際、大きな課題を抱えていました。

• 高度な属人化: どの範囲が細胞組織であるかの見極めは、専門的な知見を持つ限られた人材にしかできず、作業が一部の担当者に集中していました。
• 膨大な作業時間: 組織の範囲特定から面積の算出までをすべて目視と手作業で行っており、1検体にかかる時間が大きな負担となっていました。
• ヒューマンエラーのリスク: 長時間の集中を要する作業のため、判定のバラつきや見落としを防ぐためのダブルチェック体制にも多大なコストがかかっていました。

解決へのアプローチ：AI（物体認識）による高精度な自動化

私たちは、これらの課題を「人の目に代わるAIの導入」によって解決することを目指しました。

技術選定のポイント

今回のプロジェクトでは、画像解析に強いAIモデルを軸に、以下の技術スタックを採用しました。

• Next.js / Node.js: ユーザーが直感的に画像をアップロードし、結果を確認できる高速なWebインターフェースを実現。
• AWS (Amazon Web Services): 膨大な画像データと学習モデルを安定して処理するためのクラウド基盤。
• 物体認識アルゴリズム: 細胞特有の形状や色味を学習させ、ノイズ（汚れや気泡）を排除して正確な組織範囲のみを特定するロジックを構築。

単にシステムを作るだけでなく、実際の現場で「使いものになる精度」を出すため、現場の専門家と連携しながら学習データのチューニングを繰り返しました。

導入後の成果と将来展望：精度80%超、業務の自動化へ

システム導入後、業務フローは劇的な変化を遂げました。

• 脱・属人化の達成: AIが一次判定を行い、範囲の特定と面積算出を自動で行うことで、専門家でなくても初期分析が可能になりました。
• 圧倒的な効率化: 手作業で行っていた工程が自動化され、解析時間は従来の数分の一に短縮。
• 継続的な進化: 学習を重ねるごとにAIの認識精度は向上し、現在は80%以上の精度を達成しています。

今後は、さらに多くの症例データを学習させることで、診断支援の枠組みを超えた、より高度な研究開発ツールとしての展開を見据えています。

開発チームからのコメント

「今回の開発で最も重視したのは、AIが現場の『職人技』をどこまで再現できるかという点でした。医療分野という高い専門性が求められる領域において、お客様と密にコミュニケーションを取りながら、実用的な精度まで引き上げられたことを誇りに思います。私たちの技術が、医療従事者の皆様の負担軽減に貢献できれば幸いです。」

貴社の課題も解決します

「自社の業務もAIで自動化できるだろうか？」「技術的に難しい要望だが相談に乗ってほしい」といったお悩みはありませんか？豊富な開発実績を持つ私たちが、貴社のビジネスに最適なソリューションをご提案します。

まずは相談してみる