| Project/Area Number |
22K07674
|
|---|
| 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 | Juntendo University |
|---|
Principal Investigator |
和田 昭彦 順天堂大学, 医学部, 准教授 (90379686)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
明石 敏昭 順天堂大学, 医学部, 准教授 (40623492)
齋藤 尚子 順天堂大学, 医学部, 准教授 (60366341)
小杉 康夫 順天堂大学, 医学部, 助教 (90645235)
|
|---|
| 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: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 機械学習 / 頭頸部癌 / 異常検出 / 画像診断 / ビッグデータ / 注意機構 / 人工知能（AI) / 説明可能なAI |
|---|
| Outline of Research at the Start |
本研究では、人工知能技術(AI)のブラックボックス化への対策として、内部構造の可視化とともに「教習」型の学習改善機構を開発して、医用画像の信頼性の向上を目指す。大量データから「正常らしさ」を学習させて異常検知を行い、人間が学習内容を修正する「教習型」学習をわさせて医用画像AIの精度・信頼性向上を目指す。
|
| Outline of Annual Research Achievements |
本研究の初年度は、主にデータ収集と初期のAI学習・構築を進めてきた。本研究の対象とする頭頸部癌の画像データセットを作成するために、自施設での臨床データの収集と整理を開始した。機械学習モデルの構築では教師データの量とともに質がその精度に大きく影響する。現時点で構築できる画像認識モデルはプロトタイプであり最初から高い精度を達成することは難しいと考え、ますは良質なデータ収集の経験を積むことを第1目標とした。また本研究の特色である"正常らしさ"を学習させるための基礎となるデータの構築に関して、過去の報告や自らの経験を元に試行錯誤を行っている。頭頸部癌の画像データセット作成とともに臨床診断・経過などのデータ収集、各症例での原病変の進展程度やリンパ節転移についてAIを学習させるためのデータ構築の準備を進めている。画像認識モデルの構築では、頭頸部で頭尾方向に広がる構造の特徴を記憶する機構であるLong Short Term Memory の適用に向けて、他の時系列データの扱いの経験を積むことで、本研究の進行の円滑化を目指している。病変検出精度を向上させるAttention 機構の実現には、Attention Branch Networkを導入し、データ収集が比較的容易な一般画像でのモデル構築・学習を開始している。J-MIDからのビッグデータ収集に関しては、まだ準備段階で担当者との今後の進捗について打ち合わせを続けている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度は、研究の初期段階であり、主に自施設でのデータ収集と機械学習モデルの初期開発に注力した。これらの活動は予定通り進行しており、後方視的な症例検索を用いた自施設でデータ収集は目標の40%を達成している。また、attention networkを組み込んだ画像認識モデルの開発も進行中である。J-MIDからのビッグデータ収集はまだ準備段階であるが、早期に取り組む予定である。
|
| Strategy for Future Research Activity |
次年度は、J-MIDの協力を得てのビッグデータの収集と、自施設での臨床データ収集・学習データセットの作成を加速を図る。これらのデータを用いて、Attention Networkを組み込んだ画像認識モデルでの医用画像での画像認識・異常検出の精度を高めていく予定である。また、病変検出用データセットの完成を目指し、データの質を確保するため、データセット内容のブラッシュアップ（具体的には不適症例の排除）作業を継続する。これらの継続で、"正常らしさ"と"異常"をより高精度で判断できる深層機械学習モデルの構築を進めていく予定である。
|
