| Project/Area Number |
20K09635
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56040:Obstetrics and gynecology-related
|
|---|
| Research Institution | Japanese Foundation for Cancer Research |
|---|
Principal Investigator |
SUGIYAMA Yuko 公益財団法人がん研究会, 有明病院 細胞診断部, 部長 (80322634)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
佐藤 由紀子 公益財団法人がん研究会, 有明病院 病理部, 副医長 (30365712)
芝 清隆 公益財団法人がん研究会, がん研究所 蛋白創製研究部, 部長 (40196415)
|
|---|
| 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: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
|
|---|
| Keywords | 子宮頸部腺系病変 / 細胞診 / AI診断 / 子宮頸がん / 子宮頸部細胞診 / HPV非関連がん / 異型腺細胞 / AI細胞診 |
|---|
| Outline of Research at the Start |
子宮頸がん検診は子宮頸部細胞診にて施行されているが、子宮頸部の扁平系病変に比較して腺系病変に対する精度が悪い。また腺系病変はわが国で増加しており予後が悪い。以上より、HPV非関連がんを含む子宮頸部腺系病変をターゲットにした精度の高い新しい細胞診の確立が必要である。本研究の目的は子宮頸部腺系病変の早期発見のために、細胞診にて異型腺細胞(AGC)と判定された検体を組織診結果に基づいて正確に層別化する事である。そのために、細胞診検体が塊として持つZ軸情報を含む広視野・高解像度のフルフォーカス合成画像を用いてAI診断を行う新しいAI細胞診の確立を目指す。
|
| Outline of Final Research Achievements |
Objective: To establish an AI-aided diagnosis system for cervical cytology especially focus on the cervical glandular lesions. Methods: Cytology specimens classified as atypical glandular cells (AGC) were captured by wide range high resolution images and merged Z-axis image (Z-stack image). Z-stack images used for deep learning.
Results: Accuracy of AI-aided diagnosis system according to the sample were as follow, conventional method:88%, SurePath liquid-based cytology method 89%, ThinPrep liquid-based cytology method 85%.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究の結果、AIによる深層学習を利用した正解率は85-89%であり従来の細胞診の感度80-84%を上回ったが十分有意な結果とは言えなかった。その原因として、今回AI学習に用いたフルフォーカス合成画像はZ軸情報を合成した2D画像であったことが推定された。一般的に腺系病変は組織構築の変化が主体となる病変であるためZ軸情報がそのまま温存された立体的（3D）画像で学習した方がより正解率が上昇すると考えられた。以上より精度の高いAI細胞診システム構築のためには、3D画像取得可能な画像解析システムのイノベーションが必要であることが想定された。
|
