人工知能技術を用いた内視鏡外科手術における止血支援システムの開発
Project/Area Number |
20K08997
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 55010:General surgery and pediatric surgery-related
|
Research Institution | Kanagawa Cancer Center Research Institute |
Principal Investigator |
大島 貴 地方独立行政法人神奈川県立病院機構神奈川県立がんセンター(臨床研究所), その他部局等, 部長 (10448665)
|
Co-Investigator(Kenkyū-buntansha) |
篠原 尚 兵庫医科大学, 医学部, 教授 (70319549)
|
Project Period (FY) |
2020-04-01 – 2023-03-31
|
Project Status |
Completed (Fiscal Year 2022)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
Keywords | 手術支援システム / 内視鏡外科手術 / 人工知能 / 内視鏡手術 / 止血支援システム |
Outline of Research at the Start |
内視鏡手術が,開腹手術と比較してより問題となるのは出血である。出血は周囲組織を赤く染めることで,解剖構造の認識を著しく低下させて,正確,安全かつ迅速な内視鏡手術の進行を妨げる。さらに,出血量が多くなると、開腹手術への移行が必要となるばかりでなく,術後合併症の増加を招き,長期生存を低下させることが知られている。そこでわれわれは, AIを用いて内視鏡外科手術における出血を自動認識し,外科医が必要とする出血情報を選別,出血したシーンの動画を腹腔鏡のモニターと同一のモニター上で自動逆再生して,止血操作を正確かつ迅速に行う止血支援システムの開発を行い,動物実験による検証を経て,臨床での実用化を目指す。
|
Outline of Annual Research Achievements |
2022年度は、出血をAIモデルが自動認識し、リピート再生する止血支援システムを開発し、実証試験を行った。Olympus社のVisera Eliteから得られた教師画像を学習させることで、AIモデルを作成して止血支援システムに組み込み、Intuitive Surgical社のDavinciの映像を用いて、実証実験を行った。 その結果、AI推論解析速度は30frame/sec以上であり、出血シーンを自動認識出来、リピート再生も可能で、現場の外科医からは高評価を受けた。しかし、出血検出の精度不良も一部で認められた。原因としては、出血の過大・過小検知から、出血シーンの自動認識が想定通り機能していないことがわかった。また、各社手術内視鏡システムごとに精度が変動することがわかった。 そこで、各社のシステムから教師画像を作成し、学習モデルを再構築した。さらに、教師画像を段階的に増加させ、各段階で評価した。評価画像は、Olympus社VE1、VE2、Intuitive Surgical社のDXi、Stryker社の1488HDから得られた手術画像を元から抽出した未学習の画像を用い、医師が出血した領域をアノテーションした画像を正解画像とした。正解画像とAI推論画像を比較しピクセル単位の一致率を求め、評価指標は医用画像の領域で頻用されるDice係数を用いた。 2022.8月にVE1の学習データを用いて評価を行い、OVE1とDXiのDice係数は、それぞれ0.855, 0.477であった。2022.11月にDXiの画像を200枚追加すると、0.526に上昇し、2023.3月にさらに200枚追加すると、0.567に上昇した。OVE2や1488HDは、学習データが少ないにもかかわらず、それぞれ0.616, 0.702と比較的高値であった。 今後は、Dice係数:0.8以上を目標として学習を進める。
|
Report
(1 results)
Research Products
(4 results)