| Project/Area Number |
23K07462
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 53010:Gastroenterology-related
|
|---|
| Research Institution | Okayama University |
|---|
Principal Investigator |
衣笠 秀明 岡山大学, 大学病院, 助教 (70774800)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
堤 康一郎 岡山大学, 大学病院, 助教 (40610910)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000)
Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 人工知能 / リキッドバイオプシー / 炎症性腸疾患関連腫瘍 / ctDNA / オルガノイド / 次世代内視鏡診療 / 消化管腫瘍 |
|---|
| Outline of Research at the Start |
「人工知能による内視鏡画像解析」においては、「CycleGAN」「CLAHE」「Grad-CAM」「3分割交差検証」の応用によりデータ拡張とデータ解析を行い、従来困難とされてきた炎症性腸疾患関連腫瘍に対する内視鏡画像診断人工知能モデルを構築する。また、「リキッドバイオプシー」に関しては3Dオルガノイドを利用し高精度なデータ人工知能モデルを作成し、それぞれのモデルをマルチモダリティ人工知能で統合することで全く新しい診療体系を構築する。
|
| Outline of Annual Research Achievements |
本研究では、「人工知能による内視鏡画像解析」と非侵襲的診断手法である「リキッドバイオプシー」を融合し、次世代の内視鏡診療の確立を目的とする。消化管腫瘍のなかでもさまざまな要因により既存の診療体系では依然診断に苦慮する炎症性腸疾患関連腫瘍をターゲットとし、世界初の研究開発を実施する。
「人工知能による内視鏡画像解析」においては、「CycleGAN」「CLAHE」「Grad-CAM」「3分割交差検証」などの応用によりデータ拡張とデータ解析を行い、従来困難とされてきた炎症性腸疾患関連腫瘍に対する内視鏡画像診断人工知能モデルを構築する。また、「リキッドバイオプシー」に関しては3Dオルガノイドを利用し高精度なデータ人工知能モデルを作成し、それぞれのモデルをマルチモダリティ人工知能で統合することで全く新しい診療体系を構築する。
2004年1月から2020年3月にかけて、岡山大学病院と関連病院における炎症性腸疾患関連腫瘍(Adenocarcinoma/ High grade dysplasia/Low grade dysplasia)ならびにSporadic adenomaと診断された炎症性腸疾患の患者を対象とし、非腫瘍性粘膜を加えた下部内視鏡画像(1807枚)からAIモデルを構築した。Efficient Net B3による3分割交差検証を用い、データ拡張も行った。Adenocarcinoma/High grade dysplasiaとLow grade dysplasia/Sporadic adenoma/Normalの2クラスに分類しAIモデルの精度評価を行い、非専門医、専門医、AIで比較した場合の精度はそれぞれ75.3％、77.8％、79.0％であった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
外注解析の遅れにより予定通りに進んでいない部分もあるが、おおむね順調に進んでいる。
|
| Strategy for Future Research Activity |
「人工知能による内視鏡画像解析」に関しては症例追加やCycleGANなどによるデータ拡張の工夫によりさらなる精度向上を計る。「リキッドバイオプシー」に関してはTP53・KRAS・BRAF・APC・PIK3CA・SMAD4・IDH1、マイクロサテライト不安定性(MSI)、CpGアイランドメチル化形質(CIMP)、フソバクテリウム等をターゲットとし血液リキッドバイオプシーを検証する。リキッドバイオプシー診断の偽陰性・偽陽性とAI内視鏡画像診断の偽陰性・偽陽性を補完しあうことで正診率をさらに向上させる。AIにより内視鏡画像診断を内視鏡画像AIモデルとして、またリキッドバイオプシーによる情報をデータAIモデルとして、それぞれ新たなAIモデルを作成する。それらをマルチモダリティAIを用いて統合し全く新しいシステムを構築する。
|
