肺がんの未病状態での検出を目的としたAI診断支援システムの開発

Research Project

Project/Area Number	22K07669
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	Kumamoto University
Principal Investigator	白石順二熊本大学, 大学院生命科学研究部(保), 教授 (30551311)
Co-Investigator(Kenkyū-buntansha)	小林聡金沢大学, 保健学系, 教授 (30313638) 南哲弥金沢医科大学, 医学部, 教授 (60436813) 田中利恵金沢大学, AIホスピタル・マクロシグナルダイナミクス研究開発センター(保), 准教授 (40361985)
Project Period (FY)	2022-04-01 – 2025-03-31
Project Status	Granted (Fiscal Year 2022)
Budget Amount *help	¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000) Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000) Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Keywords	未病 / 肺がん検診 / 喫煙 / 画像データベース / コンピュータ支援診断 / 人工知能 / 肺がん
Outline of Research at the Start	現在社会においては，健康な状態を長く維持するため，病気になる前の「未病対策」が重要であるが，未病の段階で，何らかの異常を察知して病気を予防するための診断法に関しては不明な点が多く，その解明には新しい視点からのアプローチが必要である．本研究では，研究代表者らが3年をかけて完成させた，過去15年間，継続的に蓄積された4万5千例以上の肺がんCT検診の大規模画像データベースから構築した世界初の「肺がんの未病状態の症例の画像データベース（未病DB）」と，コンピュータ診断支援（CAD）の技術を用いて“肺がんの未病状態での検出”を実現するための人工知能（AI）による診断支援システムの開発を試みる．
Outline of Annual Research Achievements	本研究では，研究代表者らが3年をかけて完成させた，過去15年間，継続的に蓄積された4万5千例以上の肺がんCT検診の大規模画像データベース（石川DB）から構築した世界初の「肺がんの未病状態の症例の画像データベース（未病DB）」と，これまでに蓄えたコンピュータ診断支援（CAD）の技術開発の経験と知識を生かし，“肺がんの未病状態での検出”を実現するための人工知能（Artificial Intelligence: AI）による診断支援システムの開発を試みている．本研究では，長期にわたり継続的に検診を受診している被検者のうち，最初のうちは正常と判定されながら，途中で異常所見が発見されたグループについて，異常所見が発見される前の，正常と判定された最後の年の段階を未病と定義した．この従来では正常と判定されたグループに潜む未病の状態を，様々な付帯情報（性別，喫煙歴，年齢など）や，AIを用いたCT像の画像解析結果で明らかにし，肺がんの未病状態での検出を可能とするAI診断支援システムの開発をゴールとする．本研究の1年目である2022年度は，石川DBに含まれる全検査45,337例について，肺野の領域分割を行った．これは，これまでの予備実験の結果から，肋骨や筋肉といった肺野以外の正常組織の存在が正常な肺野の状態をAIに学習させるために障害となることが示唆されていたためで，その障害を排除する目的で，未病の検出とは別のAIを用いて，全検査の肺野の領域分割を自動処理により行った．そして，未病の状態は局所的な変化として察知されるものではなく，肺野全体の正常さに関連した指標として検出されると仮定し，未病と正常のグループ間の違いを肺野全体から得られた数値から総合的に判定するため，抽出した肺野全体のCT値の櫃そグラム解析により，石川DBに含まれる被検者について，非喫煙者と喫煙者の判別が可能かどうかを試みた．
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 45千以上の症例に対する肺野領域抽出に予想以上に時間を費やしたが，そのために開発したDCNNの性能が良好であったため，その後の作業の進行が早まったため．
Strategy for Future Research Activity	肺野領域の抽出作業の段階で，検診時に使用された撮影パラメータ（撮影範囲を示す値）が一定ではなく，検査ごとに変化していることが判明したため，それらを標準化するプログラムを作成し，肺野全体の３Dヒストグラム解析の精度を向上させる．また，喫煙者，非喫煙者の判別だけでなく，呼吸器系の疾患の初期の症状（すりガラス状陰影，線状陰影，結節状陰影，ハチの巣状陰影，無気肺，硬化等）を含む有疾患者とそれ以外の正常な被検者との判別を試みる．