自然言語処理を用いた画像診断レポートのビッグデータ疾患サーベイランス実証研究
| 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。
|
Report
(2 results)
Research Products
(11 results)
-
-
-
-
[Journal Article] Deep Learning-Driven Transformation: A Novel Approach for Mitigating Batch Effects in Diffusion MRI Beyond Traditional Harmonization.2023
Author(s)
Wada A, Akashi T, Hagiwara A, Nishizawa M, Shimoji K, Kikuta J, Maekawa T, Sano K, Kamagata K, Nakanishi A, Aoki S.
-
Journal Title
Journal of magnetic resonance imaging : JMRI.
Volume: Oct 25
Issue: 2
Pages: 1-13
DOI
Related Report
Peer Reviewed / Open Access
-
-
-
-
-
-
-
