| Project/Area Number |
22K12850
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90130:Medical systems-related
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
KUYAMA Kayo 日本大学, 松戸歯学部, 教授 (00234526)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
末光 正昌 日本大学, 松戸歯学部, 講師 (10708770)
中山 光子 日本大学, 松戸歯学部, 専修研究員 (10419781)
山本 泰 日本大学, 松戸歯学部, 講師 (80459586)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2024: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | 口腔細胞診 / AI細胞診断支援システム / 液状化検体細胞診（LBC） / 従来型塗抹法（CC） / 細胞診断精度 / 細胞判定基準 / 深層学習（DL） / 深層学習 / 細胞診断支援システム / GUI / AI / 従来型直接塗抹法（CC） / 画像解析 / 細胞判定一致率 / OrangeG好染性小型細胞 / 疣贅状病変 |
|---|
| Outline of Research at the Start |
口腔細胞診は口腔がん検診に活用され，口腔がん発見率が約1%と精度が高い。ところが口腔細胞診は，子宮頸がんと比較して前癌細胞と正常細胞の形態的な差異が乏しいためにがん細胞の検出に経験と技術を要する。ところが近年，口腔がん死亡者数の増加に伴い口腔細胞診の検体数が急速に増加しているが，全国の細胞検査士および細胞診専門歯科医が細胞判定基準を学習する機会は決して平等ではない。本研究は，GUI（graphical user interface）による簡便な深層学習(DL)ツールを用いて口腔粘膜の前癌病変と口腔がん細胞をDLし，細胞診標本からこれらの症例を抽出できる細胞診断支援システムの開発を目指している。
|
| Outline of Final Research Achievements |
Oral cytology has a high accuracy rate of about 1% in detecting oral cancer, but opportunities to learn the criteria for cell evaluation are not equally available. This study aimed to build a simple and versatile AI-assisted diagnostic system for cytology using a GUI-based deep learning (DL) tool to improve the diagnostic accuracy and speed of oral cytology specimens.
In DL, two key conditions were set. First, a qualitative evaluation of specimen preparation methods was conducted, and Liquid-based Cytology (LBC) showed significantly higher values for the total cell smear area and estimated cell count compared to the conventional smear (CC) method, with a more uniform distribution pattern. Second, cutoff values for atypical cells (deep-layer and surface-layer cells) were established. The results of this study contribute to the development of an AI-assisted cytological diagnostic support system.
|
| Academic Significance and Societal Importance of the Research Achievements |
口腔がん検診の補助的検査法である口腔細胞診は，診断従事者の学修機会が平等ではない。それ故細胞診精度が犠牲となり，見落とし例が増加する懸念が存在する。本研究はAI（人工知能）細胞診断支援システム開発の基礎的設定条件を明確にし，ヒトが認識し得ない口腔がん細胞の形態特徴までも抽出可能となり，劇的な診断精度の向上が期待される。さらに口腔がん死亡者数が微増し続けている日本で，口腔がん検診を取り巻く人的資源の配置を含めた社会問題をも改善すると期する。
|
