| Project/Area Number |
23K08710
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56030:Urology-related
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
池田 篤史 筑波大学, 医学医療系, 講師 (50789146)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2023: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 膀胱癌 / 膀胱内視鏡検査 / 光力学診断 / 経尿道的膀胱腫瘍切除術 / 視線計測 / Stationary aze entropy / 人工知能 / 認知科学 / 教育システム |
|---|
| Outline of Research at the Start |
医療者の経験や技量に差異に大きく影響をうける膀胱癌の診療に必須の検査である膀胱内視鏡を対象として、操作者の技能を効率よく習得させるための人工知能と認知科学を融合した新たな教育システムの構築を目指す。具体的には、医師の内視鏡手技の習熟度を、人工知能技術を用いた客観的評価技術により内視鏡検査画像や検査者の視線情報から客観的および多角的に算出することで評価し、認知科学的なアプローチによる介入サポートにより効率良く技量向上を図る。本研究の成果は、すべての領域の内視鏡およびロボット支援手術において、新規医療機器導入時の臨床的意義を測る指標となり、使用する医師のトレーニングの一助になることが期待される。
|
| Outline of Annual Research Achievements |
膀胱鏡検査支援を目的に、少数のアノテーションによる腫瘍領域抽出を可能とする大規模事前学習モデルSAM2を膀胱鏡動画に適用し、感度81.7%、特異度96.4%、F1スコア87.3%と従来モデルを上回る性能を示した。SAM2は連続フレーム情報や時間的重み付けを活用し、検出の安定性を確保できた点が特筆される。
光線力学的診断（PDD:Photodynamic Diagnosis）における偽陽性識別する人工知能（AI）の構築では、ResNet-50を用いて偽陽性的中率71.3%、特異度66.7%を達成し、病理学的T分類（例：pTis）により識別精度が変動することを確認した。真陽性・偽陽性の識別においても、AIと術者の判断を比較した検討から、経験年数の少ない被験者では偽陽性の過剰認識が多く、AIの出力が診断の一貫性を補う可能性が示唆された。
さらに、PDDを併用した経尿道的膀胱腫瘍切除術（TURBT：Transurethral Resection of Bladder Tumor）の診断精度に関して、術者の泌尿器科経験年数が有意に精度向上に寄与する一方、PDDの経験症例数自体は精度に影響しにくいこと、加えて膀胱頸部など接線効果を受けやすい部位では診断精度が低下する傾向を明らかにした。また、PDDと白色光の併用により、術者経験にかかわらず感度90%以上を確保可能であることも確認された。一方、BCG治療歴や尿細胞診クラスIII以上の症例群では感度が低下し、ランダムバイオプシーの有用性が認められた。膀胱内視鏡検査におけるAIの導入により、診断の安定性と教育支援への応用可能性が期待される。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究期間前半では、データ取得および人工知能モデルの構築・評価に重点を置き、期待された診断性能を確認した。また、経験年数の異なる術者との比較検討や、被験者背景に基づく分析についても一定の結果を得ることができた。
|
| Strategy for Future Research Activity |
今後は、経験の異なる術者の診断だけでなく、膀胱内視鏡画像の病変に診断した根拠をアノテーションした情報も収集することで、データの充実を図る。また、これまでの成果をもとに、連携研究者である産業技術総合研究所の香川璃奈先生の支援のもと、経験の異なる術者による実験から得られた行動・判断データと、AI支援に対する主観的な受け止め方に関する認知科学的知見を組み合わせ、教育的効果を最大化するAI支援ツールの設計に着手する予定である。
これにより、AIによる診断支援を単なる技術的補助にとどめず、術者教育の質的向上に資する実践的かつ体系的な教育システムの構築を目指す。
|
