Project Lumina

写真から乳がんを検出する、非接触・非侵襲の新しいスクリーニング技術

VISION - 私たちが目指す世界

私たちコペルニクスは、「痛みなく、安全に、もっと手軽に乳がんを早期に発見する」ことを目指して、LUMINAという革新的な乳がんスクリーニング技術の開発に取り組んでいます。写真ベースの3D復元技術（フォトジオメトリ）とAI診断モデル^[1,2,3]を融合することで、従来のマンモグラフィやMRIに代わる非接触・非放射線の乳がん検出を可能にします。

LUMINA 開発の背景

このプロジェクトは、創業者である那田朗理（Rouri Nada）が身近な家族を乳がんで亡くした個人的な経験に端を発しています。もしもっと早く発見できていればという強い後悔から、「誰もが手軽に、安全に検査を受けられる仕組みを実現したい」という想いが芽生えました。その後、東京大学医科学研究所でAIとがんに関する研究に取り組み、シリコンバレーでもコンピューターの最前線に関わってきた油井宏昭博士（コンピュータ理工学）との出会いを通じて、非侵襲的な画像解析とAIを融合した、革新的な技術開発がスタートしました。

LUMINAの挑戦

日本では毎年約9万人の女性が乳がんと診断され、女性のがんの中で最も罹患率が高く、年間死亡者数も1.4万人を超えます。特に40～50代の働く世代に多く、女性が生涯で乳がんにかかる確率は9人に1人とされています。しかし、マンモグラフィ検査は痛みや放射線被曝を伴い、受診率は50%未満。見過ごされたがんによって命を落とす人が後を絶ちません。

LUMINAは、この現実に立ち向かいます。誰もが痛みなく、気軽に受けられる乳がん検査を実現するために、先端の画像技術とAIを融合。従来の検査に代わる、新しいスクリーニングの形を私たちは追求しています。

特徴

📷 写真のみで乳房を3D化（機器不要、非接触）
🧠 AIが形状変化を解析し、がんの可能性やリスクを分類・予測
🩺 痛みや放射線のない非侵襲スクリーニング
⏱ 検査は短時間で完了し、結果はスピーディに確認可能
📍 スマホやカメラがあれば自宅や遠隔地でも検査可能（高いポータビリティ）
📈 経過をモニタリングすることで、変化の兆候を早期に発見

技術

複数の方向から撮影した画像をもとに、乳房の3D形状（点群データ）を再構成^[4]
点群データに対し、歪みやノイズを補正する前処理アルゴリズムを適用
少数のサンプルからでも高精度な判定を可能にする学習技術^[5]
異なる撮影環境でも安定した性能を発揮するドメイン適応技術^[6]
AIを用いた病変リスク分類モデルを構築

効果

早期発見による死亡率低下（最大50%）が期待される
コスト削減（乳がん検査は健康保険適用のマンモグラフィが約5,000円、MRI検査では平均3〜5万円程度）
自宅からも受けられる検査環境を整備し、地域や時間の制約を解消

コペルニクスの野望

私たちは、従来のマンモグラフィやMRIに代わる、新しいスクリーニングの第一歩を踏み出しました。LUMINAは、乳がん検診の常識を変革し、誰もが安心して受けられる未来の検査方法を提供します。

技術参考文献

3D画像解析とAIを用いた乳がん診断技術
Chowa, S. S., et al. (2023). Improving the automated diagnosis of breast cancer with mesh reconstruction of ultrasound images incorporating 3D mesh features and a graph attention network. Journal of Digital Imaging, 36, 932–946.
https://doi.org/10.1007/s10278-023-00755-6
機械学習による乳がん画像診断
Saha, A., et al. (2018). A machine learning approach to radiogenomics of breast cancer: A study of 922 subjects and 529 DCE-MRI features. British Journal of Cancer, 119(4), 508–516.
https://doi.org/10.1038/s41416-018-0206-z
AIによる乳がんスクリーニングシステム
McKinney, S. M., et al. (2020). International evaluation of an AI system for breast cancer screening. Nature, 577(7788), 89–94.
https://doi.org/10.1038/s41586-019-1799-6
3D点群深層学習技術
Qi, C. R., et al. (2017). PointNet++: Deep hierarchical feature learning on point sets in a metric space. Advances in Neural Information Processing Systems, 30.
https://proceedings.neurips.cc/paper_files/paper/2017/file/d8bf84be3800d12f74d8b05e9b89836f-Paper.pdf
少数サンプル学習技術
Snell, J., et al. (2017). Prototypical Networks for Few-shot Learning. Advances in Neural Information Processing Systems, 30.
https://proceedings.neurips.cc/paper_files/paper/2017/file/cb8da6767461f2812ae4290eac7cbc42-Paper.pdf
ドメイン適応技術
Ganin, Y., & Lempitsky, V. (2015). Unsupervised Domain Adaptation by Backpropagation. Proceedings of the 32nd International Conference on Machine Learning (ICML 2015).
http://proceedings.mlr.press/v37/ganin15.pdf