| Project/Area Number |
22K10535
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58030:Hygiene and public health-related: excluding laboratory approach
|
|---|
| Research Institution | Juntendo University |
|---|
Principal Investigator |
明石 敏昭 順天堂大学, 医学部, 准教授 (40623492)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | データベース / 言語解析 / CT / MR / 自然言語処理 / サーベイランス |
|---|
| Outline of Research at the Start |
COVID-19肺炎の世界的なパンデミックの初期において、PCR検査の不足が問題となったが、CTが普及している日本においては画像診断が迅速・簡便であることから、肺炎のスクリーニングとしてCTによる画像診断が有効であった。そこで、本邦屈指の医療系ビッグデータである日本医用画像データベース（J-MID）にある約100万件の画像診断レポートを利用して、特定の疾患や画像所見の有無の事実性を判定するBERT言語モデルを開発し、自然言語処理を用いることによって、疾患の全国的な発生状況をモニタリング可能であることを実証し、画像診断レポートによる疾患サーベイランス法を確立する。
|
| Outline of Annual Research Achievements |
医療情報を全国10施設の大学病院から一元的に画像および画像診断レポートを収集している日本医用画像データベース（Japan-MedicalImage Database; JMID）には5億枚、150万件を超える検査が収集されているが、2023年4月にシステムをオンプレミスサーバーからクラウド化し、大量のデータを容易に検索し、ダウンロードすることを可能にした。
当初は対象とする疾患名もしくは画像所見の有無を判定するBERTを用いた事実性判定モデルを作成することを目標としていたが、この数年で自然言語解析の進歩が著しく、計画を再検討した。まずは、レポートにCOVID-19に関連する単語とAIによってCOVID-19肺炎と典型度が高いと判断された胸部CTとの相関を検討した結果、画像よりも明らかにレポートとの相関が高いことが判明した。また、レポートを用いて下垂体腺腫の症例をJ-MIDから抽出し、造影MRIのダイナミックスタディーにおける病変抽出を行うAIを作成に利用した。
また、データベースの整備として、人工知能を用いて検査情報の構造化（モダリティ、検査部位、画像の種類、造影の有無などをDICOMのメタデータおよび画像から統一されたオントロジーに従って分類）を行ない、検索性能の向上に努めているが、その精度について検討中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
利用しているデータベースのシステム基盤が改築されたため、すでに準備していたシステムが機能しなくなり、適宜対応している。また、自然言語解析の進歩が著しく、それに伴った計画の調整を行なっている。
|
| Strategy for Future Research Activity |
現在検査の抽出には検査の構造化が不十分で、適切な検査の抽出ができない。これを解決するために人工知能を用いたシステムを整え、自然言語によるレポートの検索性能の向上を図る。
|
