| Project/Area Number |
21K07683
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Kyoto Prefectural University of Medicine |
|---|
Principal Investigator |
高橋 健 京都府立医科大学, 医学(系)研究科(研究院), 客員講師 (10226839)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小原 雄 京都府立医科大学, 医学(系)研究科(研究院), 助教 (00874364)
酒井 晃二 京都府立医科大学, 医学(系)研究科(研究院), 准教授 (20379027)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 画像診断 / AI / データクレンジング / 画像データセット / 臨床情報 / 院内完結型 |
|---|
| Outline of Research at the Start |
画像診断において、臨床で有用なAI解析をするためには、画像限定ではなく臨床情報や病理所見などの、より高次の臨床情報を含む AI アルゴリズムが必要と思われる。データの量だけの問題ではなく質 (quality) も重要と考え、どのような「質」を備えている必要があるかを検討する。
|
| Outline of Annual Research Achievements |
本研究では臨床情報を含む院内完結型の包括的データベースを構築し，そのデータをAI構築に資する状態ヘデータ精製 (data cleansing) する過程の手法・手順を探索することを目的としている。 2020年のJapan Medical Image Database (J-MID)データのうち、CTレポート（160,000件以上）の収集を完了し、各部位ごとの病態、施設ごとの差異を抽出・比較する目的のためのルール作りと分割の試行を行っている。さらに、2009年～2023年における院内放射線科レポートおよび画像データ（53万件程度）の収集を完了し、身体部位および病態ごとの分類をカルテ情報から行う手法の開発を行った。それらの精度評価について、手法開発も含めて検討を継続している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
院内における画像データ収集手法・経路の確保、データの保存と分別手法の試行、具体的な目的に応じたデータ精製を開始したこと、CT、MRI、PET画像など他のデータの解析も開始したことおよび、総計の把握が終了したことなどから、計画は順調に推移している。
|
| Strategy for Future Research Activity |
本研究では、画像限定ではなく，より高次の臨床情報を含む AI アルゴリズムを目指しているため、主にテキスト情報で構成されている臨床情報の自動抽出と分別手法の開発しており、プロトタイプのアルゴリズムを構築した。その一部はすでに国際会議等で報告している。また、院内完結型のデータベースを構築し、その利点・欠点を検証することも目的としている。具体的な機械学習に沿ったデータ数の確保状況などを基に、検証を進める予定である。2008～2023年におけるデータ数の総計は確認された。さらに、Ｊ－ＭＩＤデータを用いて、他院データとの比較を行い、その一部は2024年内に国際会議等で発表する予定である。
|
