| Project/Area Number |
23K08900
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56040:Obstetrics and gynecology-related
|
|---|
| Research Institution | Nippon Medical School |
|---|
Principal Investigator |
寺崎 美佳 日本医科大学, 医学部, 講師 (50372785)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
遠田 悦子 日本医科大学, 医学部, 教授 (00589327)
高熊 将一朗 日本医科大学, 医学部, 助教 (00963836)
寺崎 泰弘 日本医科大学, 医学部, 准教授 (50332870)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 人工知能 / 子宮体癌 / 内膜細胞診 / 内膜組織診 / 即時物体検出 / 三次元化 / 子宮癌 / 病理診断サポート / 深層学習 |
|---|
| Outline of Research at the Start |
子宮体癌の術前標本(内膜細胞診、内膜生検)における病理診断は、その多彩さから、悪性検出率は低い傾向にある。悪性検出率を上げるためには、現在の二次元の病理標本観察法では、限界が存在することから、構造異型を強調できる画像の三次元化を試みる。三次元化に関しては、人工知能を用いた画像生成を組み込むモデルを作成する。さらに、動物モデル画像、病理標本画像を用いて、精度向上を図り、三次元深層学習をベースとした診断サポートモデルの開発を行い、子宮体癌の術前悪性検出率向上を目標とする。
|
| Outline of Annual Research Achievements |
子宮体癌の術前標本(内膜細胞診、内膜生検)における病理診断の悪性検出率は低い傾向にあり、早期発見に寄与する術前診断システムが強く望まれている。早期発見の方法としては、内膜細胞診、内膜生検があり、これらの検体での早期発見を可能にするべくAIによる診断サポートモデルの作成を目指している。本研究では、二次元病理画像から三次元画像を生成することで、腺構造異型を強調化し、子宮体癌の術前悪性検出率向上を目的とし、当該年度にて、病理診断フローを変更しない工夫として、顕微鏡下での即時物体検出モデルの開発と、内膜細胞診二次元画像からの三次元画像化に取り組んだ。病理AI開発では、ガラス標本のデジタル化にバーチャルスライド(whole slide image (WSI))スキャナを用いる事が一般的であるが、内膜細胞診は、細胞集塊の厚みがあることから、WSIスキャナでのピント合わせが難しい。このことから、顕微鏡に接続した専用アダプターを用いて、スマートフォンを装着し、手動でピント合わせをしながら撮影することで、ややピントが合っていない細胞集塊の色相を解析することによって、三次元化が出来る事を発見し、現在三次元画像による機械学習モデル構築を行っている。また即時物体検出モデルの調整により、病理専門医よりも髙い正確度、感度を示すモデルを作成できた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
病理診断フローを変更しない工夫として、顕微鏡下での即時物体検出モデルの開発では、内膜細胞診は、細胞集塊の厚みがあることから、WSIスキャナでのピント合わせが難しいことから、顕微鏡に接続した専用アダプターを用いて、スマートフォンを装着し、手動でピント合わせをしながら撮影した。このことにより、通常のCCDカメラやWSIと異なり自動露出補正と色相補正が行われ、様々な色相のデジタル画像となった。当初これは問題と考えられたが、多彩な学習画像となり、偶然にも物体検出モデルの堅牢性に貢献した。また深層学習では説明可能性が低いため、数学的に、内膜細胞診二次元画像からの三次元画像化を行うことに取り組み、現在順調に進行している。当初、ヒト検体でのシリアルセクションが難しいことから動物モデルによる代替えでのシリアルセクションと3D画像構築を考えていたが、細胞診および組織診検体にて3D画像化へ変換できる可能性が高まってきた。
|
| Strategy for Future Research Activity |
今後は、WSIスキャナを用いない、顕微鏡下での即時物体検出モデルの性能指標向上と、AI支援を実際の診断ワークフローにさらに取り組みやすくするような簡易アプリケーション構築を行う。また説明可能なモデル作成および堅牢なモデル作成を行うため、数学的アプローチによる二次元画像からの三次元化を行い、得られたデジタル情報を用いて機械学習により即時検出を行えるように推進していく。またこの三次元画像を観察者が確認出来るように、空間再現モニターにて３次元画像を描出出来る様に試みる予定である。
|
