Just another PHAZOR Blog
iOS や macOS のアプリを App Store から配信した場合、アプリの管理をするのは App Store Connect というサイトだ。
自分がリリースしたアプリの世界各国でのダウンロード（DL）状況は気になるところだ。
実は、DL 状況は下図のようにほぼリアルタイム（2026年現在は１時間毎）でわかる。
メニュ -> トレンドまでは、通常操作でいけると思うが、コツは上の画面で「過去24時間」を選ぶこと。
UTC 基準での各国の DL 状況をグラフ表示してくれる。
体感、App Store アプリの表示よりも速い。
ごくごく稀にだが問い合わせがあるので書いておくと、会社の方で正式な形でインターンなどの制度は取っていません。
これまでにも、プログラムの実装、ちょっとした機械・電子工作、電子書籍の編集補助などで、人手が欲しいというときは何度かあったのだが、近場の大学に学生アルバイトを募集すると（有り難いことに）それなりに人が集まってくれたので、それでなんとかなってました。
最近だと、（医療系の AI の影響でしょうか？）理系院生レベルあたりの方からちらほらとより積極的な形で関わりたいというような問い合わせがきています。すぐに適当な仕事があるかというと必ずしもそんなことはないんですが、こちらの方は分野があってれば仕事を振りたいと思っていますので、お気軽にお問い合わせください。
コンタクトページからどうぞ（もちろん日本語で大丈夫です）。
今回は医療画像の fusion （一種の画像合成）のお話。
諸々の事情で MR（Magnetic Resonance 磁気共鳴）系の fusion を取り扱っていた。
なお、MRI って何？って方は、『MRI とは？ -その１-』・『MRI とは？ -その２-』・『MRI とは？ -その３-』あたりをご覧ください。特に『その２』のスピンの説明はけっこう好評のようです。
しかし、MRI のプロトン密度強調画像程度でことが済んでいればいいんですが、この分野の技術進歩は速い。「拡散」強調（という撮像法。水分子の「拡散」というより「移動」といった方が正確なような気もしますが、ここでは慣例に従います）などは、以前より脳梗塞急性期の診断などに使われている。
上の画像は、脳梗塞の拡散強調像（DWI… Diffusion Weighted Image）です。拡散「強調」とは言うものの、実際に撮像するときは、移動しているプロトンからの信号を抑えるような工夫をするので、水分子が動きにくくなっている部位は、高信号になります。梗塞部位に含まれる水分子は、正常組織に比べ「動きにくく」なっているため、結果として梗塞部位は高輝度（白い）領域となって描出されます。
拡散強調画像は、基本 T2 強調画像をベースにしているので、本当に知りたい水分子の挙動（大抵の病変部で水分子は「見かけ」上、拡散しにくくなる。梗塞しかり、癌しかり）を取り出したい。このとき元の拡散強調画像より T2 などの影響を排除するため ADC（Appearant Diffusion Coefficient 「見かけ」の拡散定数） Map というのをつくる。
症例によっては DWI では異常を認めず、ADC Map で低信号（ときには高信号）となって描出されることがあるからだ。
水分子の拡散の度合いを知る上ではこの ADC Map は大変便利なのだが、その反面、組織のコントラストが普段見慣れているそれと違って形態などが読み取りにくい。ストレートに言えば「どこを見ているかわかりにくい」のだ。
この欠点を補うため、解剖学的な形態が読み取りやすい T1 強調画像に ADC Map を適宜「着色」した画像を重ね合わせると、医療者にとって「どこで何がおこっているか」直感的に理解しやすい画像が得られる。
一般に特定の情報を持った画像とそれとは別の情報を反映した画像を「位置を合わせて」合成して表示させることを fusion と言います。PET と CT の fusion はよく知られた例です。（参考：『PET/CT フージョン画像』）
今回は、T1 強調に ADC Color Map ともいうべき画像を fusion させたわけです。もちろん、HorliX 使いまくり。規格（DICOM）があることゆえ私一人では決められない問題もあったりするのですが、目処がたったらプラグインの形でまとめたいと思っています。
猪股弘明（精神科医、理学士）
あんまり時事ネタは取り扱うつもりはないのだが、なんだろ、これ？
これが文春砲というやつですか・・・。
でも、まあ、不倫どうこうと科学政策レベルでの iPSの予算配分の話は、基本的には別の事柄だと思う。が、しかし、世間はそうは思わないんでしょうね。
猪股弘明（精神科医）
東海大・高原先生（放射線科医）のお仕事が Yahoo ニュースに載っていたので、ちょっと紹介。
マンモグラフィーの画像から、乳ガンの早期診断をする、というのは一昔前の医療 AI の課題としてよくあったのだが、けっこうな数の医者が「マンモグラフィー自体、かなり苦痛を伴うものなので、欲しいのは代換案なのだが、なんでマンモだけにこだわって研究してんの？」と生暖かい視線を送っていたと思う。
高原先生の DWIBS 以外にも各種方法論が提案されている。
「AI による自動診断」というのは一つの流行で、その手の研究が増加するのはわからないでもないんだが、他に決め手がありそうなときは、そちらを優先する、というのが医療人の基本的な考え方だと思う。
私も皮膚の画像から、悪性黒色腫などをひろいあげるシステムつくろうかと思ったことがあるのだが（『それは一枚の画像から始まった』あたりをご参照のほどを）、あくまで、「早期診断」レベルで、この分野の練習くらいで取り組んでいた。少なくとも、治療に繋がるような医療の本筋ではないなと思っている。
そもそも皮膚の写真を撮るダーマスコピー（dermoscopy）は、撮像条件を一定にすることが難しく、撮れた画像にしても（原則的には）皮膚表面の情報しか取得できない。
こういう状況下では、画像情報だけにこだわるのは、研究としては成立しても、実際の臨床に決定的な影響を与えるものか？と思う。
この手の研究に手を出すときは、木（画像）だけを見て森（病態）を見ずにならないように気をつけたいところだ。
猪股弘明（精神科医・東京都医学総合研究所客員研究員）
最近、Newsweek が、『AI vs 癌』の特集をしたのだが、
やはり、というべきか、こういう記載が・・・。
「専門の放射線診断医と同じくらい正確に（乳癌検査の）マンモグラフィーの画像を読み取れたり、皮膚科医と同じように皮膚がんを識別できたりするアルゴリズムが既に登場している」と、M.D.アンダーセン癌センターの病理医オク・チヨンは言う。「技術の進歩には目を見張らされる」
あー、マンモ（による乳がん検出）とダーマスコピー（による皮膚がん検出）ですか。臨床医の考えていることは、もうちょっと別のところにあると思いますけどね。