Explainable AI diagnostic system for breast cancer using tomosynthesis
Project/Area Number |
20H03738
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 55010:General surgery and pediatric surgery-related
|
Research Institution | Tohoku University |
Principal Investigator |
植田 琢也 東北大学, 医学系研究科, 教授 (40361448)
|
Co-Investigator(Kenkyū-buntansha) |
佐谷 望 東北医科薬科大学, 医学部, 助教 (50816444)
原田 達也 東京大学, 先端科学技術研究センター, 教授 (60345113)
森 菜緒子 東北大学, 医学系研究科, 助教 (90535064)
|
Project Period (FY) |
2020-04-01 – 2024-03-31
|
Project Status |
Completed (Fiscal Year 2023)
|
Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2023: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2022: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
Fiscal Year 2021: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
Fiscal Year 2020: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000)
|
Keywords | 乳癌 / マンモグラフィ / 診断支援 / 人工知能 / 深層学習 / 画像診断 |
Outline of Research at the Start |
高トモシンセシスは、乳癌の新たな画像診断法として注目を集めている。近年深層学習/人工知能(AI)の医療画像診断への応用が進んでいるが、スライスが多いトモシンセシスは診断医への負担が高く、AIシステムによる診断医の負担軽減と診断精度の向上が期待されている。一方、AIの医療応用ではそのブラックボックス性が問題となっており、信頼性の確立が急務である。 本研究では、説明可能AIを用いて信頼性と汎化性能の高いトモシンセシス画像診断支援システムの開発を行う。このシステムを確立できれば、トモシンセシスの恩恵をより多くの患者が享受可能となり、乳癌診断精度が上がることで治療成績の向上に寄与できると考える。
|
Outline of Annual Research Achievements |
本年度は、「Deep learning model to predict Ki-67 expression of breast cancer using digital breast tomosynthesis」の研究を完了し、論文成果がBreast Cancer学術誌にacceptされた。この研究では、デジタル乳房トモシンセシス(DBT)画像を用いて、乳がんのKi-67発現を予測する深層学習モデルの開発に成功した。Ki-67発現予測はは乳がんの予後に関与する因子で、重要な臨床的意義をもつ 加えて、聖路加国際病院の乳がんトモシンセシス画像データセットに、東北大学乳腺外科から提供された画像データへのアノテーション作業を行い、研究に必要なデータセットの作成を進めた。これにより、マンモグラフィ、トモシンセシス、MRIといったマルチモダリティによる研究が可能となり、乳がん診断の精度向上に貢献する研究を推進した。 また、新たな深層学習モデルである「Multiscale Image Morphological Extraction Vision Transformer (MIME-ViT)」の開発に取り組んだ。MIME-ViTは、Vision Transformer(ViT)とConvolutional Neural Networks(CNN)を統合することで、乳房マンモグラフィー画像の多スケール形態学的特徴を捉える能力に特化したモデルである。この研究は、乳がんのより正確な検出と診断を目指し、マンモグラフィー画像解析における新たなアプローチを提案している。現在、MIME-ViTに関する研究成果は投稿準備中であり、近い将来、学術誌への掲載を目指している。 これらの研究は、AI技術を活用した乳がん診断方法の進化に寄与するものであり、より効果的な乳がん診断・治療戦略の開発に貢献していく所存である。
|
Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
Report
(4 results)
Research Products
(10 results)