人工知能を用いたシェーグレン症候群の自動診断および治療法の選択・治療効果の予測

• Project/Area Number: 18K17184
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 57060:Surgical dentistry-related
• Research Institution: Aichi Gakuin University
• Principal Investigator: 木瀬 祥貴 愛知学院大学, 歯学部, 講師 (30513197)
• Project Period (FY): 2018-04-01 – 2024-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000); Fiscal Year 2020: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2019: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2018: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: Deep learning / シェーグレン症候群 / Deep Learning

Outline of Annual Research Achievements

人工知能の診断精度の検証(健常者およびシェーグレン症候群患者の唾液腺超音波画像に加え、唾石により炎症を起こしている患者の唾液腺超音波画像を使用して、それら3種類の画像を人工知能がどのくらいの精度で分類できるか)を行い、経験豊富な放射線科医2名の精度と比較した。
結果として、人工知能の炎症のsensitivityは55.0、シェーグレン症候群は83.0、正常群は73.0でtotal accuracyは70.3％であった。放射線科医の炎症のsensitivityは64.0、シェーグレン症候群は72.0、正常群は86.0でtotal accuracyは74.0％であった。両者のtotal accuracyはほぼ同様の診断精度を示したが、それほど高い診断精度ではなかった。また、炎症のsensitivityは両者とも低かった。この理由として、炎症を起こしている唾液腺の超音波画像とシェーグレン症候群の超音波画像は病期によって類似した像を呈するため精度が落ちたと考えられた。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

2022年もコロナウイルスの影響により行動制限が生じたためデータ分析や研究成果の発表があまりできなかった。
従って、科学研究費助成事業補助事業期間延長の申請を行なった。

Strategy for Future Research Activity

次年度は、最終的なデータのまとめを行い研究成果の発表を行う予定である。

Research Products

• [Journal Article] Preliminary Study on the Diagnostic Performance of a Deep Learning System for Submandibular Gland Inflammation Using Ultrasonography Images. (2021)
  • Author(s): Kise Y, Kuwada C, Ariji Y, Naitoh M, Ariji E.
  • Journal Title: J Clin Med Volume: 10(19) Issue: 19 Pages: 4508-4508
  • DOI: 10.3390/jcm10194508
  • Peer Reviewed / Open Access
• [Journal Article] Usefulness of a deep learning system for diagnosing Sjogren's syndrome using ultrasonography images. (2020)
  • Author(s): 3.Kise Y, Shimizu M, Ikeda H, Fujii T, Kuwada C, Nishiyama M, Funakoshi T, Ariji Y, Fujita H, Katsumata A, Yoshiura K, Ariji E.
  • Journal Title: Dentomaxillofac Radiol Volume: 49(3) Issue: 3 Pages: 20190348-20190348
  • DOI: 10.1259/dmfr.20190348
  • Peer Reviewed
• [Journal Article] Preliminary study on the application of deep learning system to diagnosis of Sjogren’s syndrome on CT images (2019)
  • Author(s): Kise Yoshitaka、Ikeda Haruka、Fujii Takeshi、Fukuda Motoki、Ariji Yoshiko、Fujita Hiroshi、Katsumata Akitoshi、Ariji Eiichiro
  • Journal Title: Dentomaxillofacial Radiology Volume: 48 Issue: 6 Pages: 20190019-20190019
  • DOI: 10.1259/dmfr.20190019
  • Peer Reviewed
• [Presentation] 深層学習システムによる顎下腺炎の超音波画像の診断精度 (2021)
  • Author(s): 木瀬 祥貴、桒田 千亜紀、有地 淑子、内藤 宗孝、福田 元気、西山 雅子、船越 拓磨、有地 榮一郎
  • Organizer: 日本歯科放射線学会 第２回秋季学術大会
• [Presentation] Diagnostic value of deep learning for classifying Sjogren’s syndrome on computed tomographic images (2019)
  • Author(s): Yoshitaka Kise, Haruka Ikeda, Takeshi Fujii, Motoki Fukuda, Yoshiko Ariji, Eiichiro Ariji
  • Organizer: IADR/AADR/CADR General Session & Exhibition
  • Int'l Joint Research
• [Presentation] Deep Learningによるシェーグレン症候群のCT画像診断の精度 (2018)
  • Author(s): 木瀬祥貴、藤井武、池田陽香、有地淑子、福田元気、有地榮一郎
  • Organizer: 日本歯科放射線学会第59回学術大会
• [Presentation] Deep Learningを用いたシェーグレン症候群のCT画像診断の精度 (2018)
  • Author(s): 木瀬祥貴、池田陽香、藤井武、福田元気、有地淑子、有地榮一郎
  • Organizer: 第61回日本口腔科学会中部地方部会
• [Presentation] Diagnostic value of deep learning for classifying Sjogren’s syndrome on CT images (2018)
  • Author(s): Yoshitaka Kise, Haruka Ikeda, Takeshi Fujii, Yoshiko Ariji, Eiichiro Ariji
  • Organizer: 12th Asian Congress of Oral & Maxillofacial Radiology
  • Int'l Joint Research