タイの環境分野の政府機関の研究向けに開発した、呼気のVOCパターンを分類するAIソフトウェアと試作Gas Sensorボックス

課題の背景

本事例の課題は、環境質促進局の環境研究研修センターの研究向けに、ボランティアの呼気のVOCを収集してパターンを分類するツールを用意することでした。同センターは、呼気のVOCを測定する機器を研究するために2019年度の予算を得ました。研究チームは、健常者、がん患者、その他の疾患の患者という3グループのボランティアのパターンを分けるアルゴリズム（Algorithm）とソフトウェアを必要としていました。

当社はこの業務を、エンジニアリング会社であるプロジェクトの主契約者と協力して実施しました。当社が開発したのは、センサー読取回路基板、試作のGas Sensorボックス（ガスセンサーボックス）、およびデータ収集、モデル作成、結果表示のためのソフトウェアです。

要件と制約

本システムには、すべてのグループのボランティアの呼気データを収集でき、研究者がそのデータからモデルを作成できることが求められました。委託仕様書とプロジェクト仕様では、システムが行うべきことを次のように定めています。

• ボランティアがセンサー10個を搭載したGas Sensorボックスに吹き込んだ呼気を受け取り、すべてのセンサーの値を読み取る
• 3グループのボランティアのVOCパターンを分類し、結果を数値とグラフで表示する
• データをローカルに一時保存し、一人ずつまたは全件まとめてオンラインデータベースへ送信する
• 研究者が健常者グループと患者グループのデータからAIモデルを作成し、モデルをインポートして予測に使用できるようにする
• コンピューター、携帯電話、タブレットでデータ収集とレポート閲覧ができる

主な制約はハードウェアにありました。ボックス本体は外部メーカーが製造しており、実物を受け取った段階で、電源スイッチの穴、配線接続口、基板とファンの取付穴を合うように修正する必要がありました。もう一点は、本システムが研究用のツールであり、疾患を診断するための医療機器ではないことです。

本システムは呼気データをどのように収集し分類するのか

本システムはGas Sensorボックスで呼気を受け取り、当社が開発した回路基板でセンサーの値を読み取り、Data Collectorプログラムでデータをローカルに一時保存してからオンラインデータベースへ送信します。その後、Webアプリケーションがこのデータを使ってモデルを作成し、予測を行い、数値とグラフで表示します。

ローカルに一時保存する方式を選んだのは、インターネットがなくてもボランティアからのサンプル収集を続けられるようにするためです。モデル作成はWeb上に置き、研究者がWeb上のモデル作成ページとモデルインポートページから、健常者グループと患者グループのデータで新しいモデルを作成したり、選定済みのモデルをインポートしたりできるようにしました。

1. 1

   ボランティアがGas Sensorボックスに息を吹き込む

   ボックス内にはセンサー10個と、パイプとエアホースで呼気をすべてのセンサーの前面まで行き渡らせるエアチャンバーがあります。当社が開発した回路基板がセンサーの値を読み取り、コンピューターへ送ります。

2. 2

   Data Collectorがデータを整列してローカルに一時保存

   Data Collector（データ収集プログラム）は測定値を整列してまずローカルに保存し、その後、一人ずつまたは全件まとめてオンラインデータベースへ送信します。

3. 3

   SVM方式のAIモデルを作成またはインポート

   研究者はWebページから健常者グループと患者グループのデータでSVM（Support Vector Machine、データをグループに分類するアルゴリズム）方式のAIモデルを作成するか、選定済みのモデルをインポートし、そのモデルで新しい呼気データから予測を行います。

4. 4

   結果を数値、グラフ、履歴で確認

   Webアプリケーションには、値の記録ページ、グラフ、可能性を示す値で表示される予測結果、分析ページ、測定履歴があります。委託仕様書では、コンピューター、携帯電話、またはタブレットから閲覧できることが定められています。

5. 5

   標準ガスによるセンサー校正

   校正データの収集は環境質促進局の環境研究研修センターで行いました。濃度5、10、25 ppb（十億分率）のVOC混合標準ガスを装置に流し、Linear Regression（線形回帰）で、センサーの生の値を濃度に変換する式を求めました。

納入物

当社は、試作ハードウェア、ソフトウェア、文書、校正作業を次のとおり納品しました。

• 当社が独自に設計したセンサー読取回路基板
• センサー10個を搭載した試作Gas Sensorボックス。パイプとエアホースで呼気をすべてのセンサーの前面まで行き渡らせるエアチャンバー付き
• データを整列してローカルに一時保存し、オンラインデータベースへ送信するData Collectorプログラム
• Webアプリケーション（PHP、Python、JavaScript）。Ubuntu Linux上で動作し、SQLite / PostgreSQLデータベースを使用します。値の記録、グラフ、予測結果、分析、履歴、モデル作成、モデルインポートの各ページを備えます。
• 操作マニュアル
• 5、10、25 ppbのVOC混合標準ガスによるセンサー校正の結果レポートと、Linear Regressionによる変換式

本プロジェクトはどのような段階で進められたのか

本プロジェクトの期間は2019年7月から2020年4月までで、当初の仕様に基づく作業と、実演後の追加作業に分かれます。作業の流れは次のとおりです。

1. 2019年7月–10月：仕様に基づく作業を開始し、センサー読取回路基板を完成させました。
2. 2019年11月：装置とプログラムを実演し、取扱説明書を提出しました。発注者がエアチャンバーの追加とスマートフォン向け画面の調整を依頼しました。
3. 2020年1月–2月：外部メーカーからボックスを受け取り、修正が必要な取付箇所と配線接続口を確認し、エアチャンバーを製作しました。
4. 2020年2月–4月：校正データを収集し、Linear Regressionで変換式を求め、結果レポートを作成しました。

プロジェクト終了時に確認できた成果

本事例の確認できた成果は、文書の裏付けがある実演と校正作業です。2019年11月、当社は主契約者の代表者と環境質促進局に装置とプログラムを実演し、取扱説明書を提出しました。2020年には、5、10、25 ppbのVOC混合標準ガスでセンサーを校正し、Linear Regressionでセンサー値を濃度に変換する式を得ました。

当社の年次記録によると、2020年のプロジェクト終了時点で、ソフトウェアは完成していましたが、回路はすべてのセンサーの値を読み取れる状態ではありませんでした。本事例には実使用でのモデル精度の数値がないため、文書で確認できる事項のみを報告しています。

私たちが学んだこと

本件から、AIでパターンを分類するガスセンサー案件に向けた3つの原則が得られました。

• サンプルの流路は測定システムの一部です。呼気はすべてのセンサーの前面に届く必要があります。本件では、パイプとエアホースで呼気を行き渡らせるエアチャンバーは実演後に追加された作業でした。そのため、センサーボックスの設計には、センサーの取付位置だけでなく空気の流路も含める必要があります。
• 校正と分類を分けてください。校正はセンサーの生の値がどの濃度に相当するかを示し、AIモデルはパターン分類を担います。両者を分けて計画すれば、誤差の原因がセンサーとモデルのどちらにあるかが分かります。
• 本番のデータ収集の前に全チャンネルを確認してください。プロジェクト終了時、ソフトウェアは完成していましたが、回路はすべてのセンサーの値を読み取れる状態ではありませんでした。そのため、複数のセンサーを使う案件では、ボランティアからのデータ収集を始める前に、すべてのセンサーが値を送信できることを確認する工程を設けるべきです。

この考え方をご自身の研究にどう活用できるか

試作のガス測定装置を開発中で、データ収集とモデル作成のソフトウェアも併せて必要な場合は、本事例の構成を利用できます。構成は、センサーボックス、データをローカルに一時保存するプログラム、オンラインデータベース、モデル作成と結果表示のためのWebサイトです。調整が必要なのは、センサーの種類、読み取り回路、校正に用いる濃度範囲です。

• ソフトウェア、回路、ボックスの範囲を最初に明確に定めてください。ハードウェアとソフトウェアが混在する案件では、途中で追加作業が発生しやすいためです。
• 外部メーカーからのボックス納品を待つ時間と、実物のボックスを受け取った後に基板の固定穴や配線口を修正する時間を見込んでください。
• 各グループのボランティアからサンプルデータを集めて準備してください。AIモデルの作成と検証には実データが必要なためです。