Development and sophistication of computer-aided diagnosis software based on the diagnostic imaging procedure of doctors
| Project/Area Number |
22K15877
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
越野 沙織 東京大学, 医学部附属病院, 特任助教 (50801552)
|
|---|
| Project Period (FY) |
2022-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | コンピュータ支援診断 / コンピュータ支援検出 / 画像診断 / 人工知能 / 脳動脈瘤 / 脳出血 / 肺結節 / 病変検出 |
|---|
| Outline of Research at the Start |
申請者は脳動脈瘤を発見するコンピュータ支援検出（computer-aided detection; CAD）ソフトウェアの有効性を検証し、2019年9月に国内初の薬事承認を取得した。CADの開発をする中で、従来のCADは医師が読影時に行っている過去画像との比較がなされていないことを見出した。本研究では、CADの学習に必要なデータに時間経過や患者情報を付与することで、医師の読影に近い診断を目指すことを目的とする。経時的変化や患者背景を考慮しなかった従来のCADに比べ、検出能力や診断能力を向上しうると考える。あらゆる疾患の検出や診断を補助することが可能となり、効果的な治療に役立つことが期待される。
|
| Outline of Annual Research Achievements |
(1) 申請前に開発に携わった、胸部単純写真や胸部CTにおいて病変を検出するAIソフトウェアの性能改善を行った。放射線診断専門医の立場から、AIの誤った検出を指摘し、学習データの改善を試みた。また、胸部MRIでの病変検出AIを開発する前段階として、新型コロナワクチン接種後の腋窩リンパ節腫大を調査し、放射線科領域で最大の雑誌であるRadiology (Impact Factor: 29.1)に掲載された。
(2) 申請前に開発に携わった、頭部CTで脳出血を検出するAIソフトウェアや、頭部MRIで脳動脈瘤を検出するAIの性能改善を行った。AIの誤った検出を減らすために、医師の正しい診断を付与した画像を学習データとして更に読み込ませ、AIの高度化を試みた。著書掲載の依頼を受け、脳出血の診断プロセスについてはHospitalist 第39号特集『ホスピタリストのための画像診断 2.脳脊髄編』、AIによる脳動脈瘤の診断に関しては『5G時代のデジタルヘルスとその事業化』やRad Fan 2022年7月号にて執筆した。
(3) 2019年9月に申請者が携わった脳動脈瘤検出AIが国内初の薬事承認を取得し、画像診断AIが実用化される先駆けとなった。2022年度の診療報酬改定では、画像診断管理加算3に新たに画像診断AIの要件が加わった。その潮流を受けて、申請者が勤める東京大学医学部附属病院では2023年4月より画像診断AIを搭載したソフトウェアが実装されることとなった。これらの時勢について、『医療とAI・ビッグデータ応用』や第1回日本口腔医学会総会学術大会にて招待講演を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初予定していたCTやMRI以外のモダリティーにも着手することができ、検出対象となる疾患の幅を広げることが出来たため。
|
| Strategy for Future Research Activity |
学習や解析に必要なデータをさらに蓄積し、学会発表や論文雑誌への投稿を行いたい。
|
Report
(1 results)
Research Products
(10 results)
-
-
-
-
[Presentation] 深層学習による抽象型要約を用いた読影レポートimpressionの自動生成2022
Author(s)
中村優太, 花岡昇平, 野村行弘, 片山僚, 小西池真緒, 越野沙織, 菊地智博, 中尾貴祐, 三木聡一郎, 渡谷岳行, 吉川健啓, 林直人, 阿部修
Organizer
第58回日本医学放射線学会秋季臨床大会
Related Report
-
-
-
-
[Book] Rad Fan2022
Author(s)
越野沙織
Total Pages
128
Publisher
株式会社メディカルアイ
ISBN
9784862912480
Related Report
-
-
