| Project/Area Number |
23K24412
|
|---|
| Project/Area Number (Other) |
22H03153 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 55020:Digestive surgery-related
|
|---|
| Research Institution | Hyogo Medical University |
|---|
Principal Investigator |
篠原 尚 兵庫医科大学, 医学部, 教授 (70319549)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
倉橋 康典 兵庫医科大学, 医学部, 講師 (10834822)
中村 達郎 兵庫医科大学, 医学部, 講師 (20898457)
宇山 一朗 藤田医科大学, 医学部, 教授 (60193950)
池田 正孝 兵庫医科大学, 医学部, 教授 (80335356)
石田 善敬 兵庫医科大学, 医学部, 准教授 (80447664)
能城 浩和 佐賀大学, 医学部, 教授 (90301340)
大森 健 地方独立行政法人大阪府立病院機構大阪国際がんセンター(研究所), その他部局等, 消化器外科 主任部長 (40423181)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000)
Fiscal Year 2024: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000)
Fiscal Year 2023: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000)
Fiscal Year 2022: ¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
|
|---|
| Keywords | 手術支援システム / 人工知能 / 深層学習 / コンピュータビジョン / ロボット支援手術 / 手術支援 / 結合組織 / 膵臓 |
|---|
| Outline of Research at the Start |
内視鏡手術の画像データを教材として手術の切除縁を規定する解剖学的ランドマークを人工知能（AI）に深層学習させ，熟練外科医と同等の認識能，提示能を有するコンピュータビジョン技術を開発するためのを多施設共同，産学共同である。手術室への持ち込み可能なリアルタイム視覚支援ツールを作成し，精度と安全性の検証を経て，最終目標であるロボットとの融合により外科医の意思決定を支援するAIプラットフォームの実用化を目指す。
|
| Outline of Annual Research Achievements |
消化器外科手術の切除縁を規定する解剖学的ランドマークの強調表示機能をもつAIモデルを，内視鏡手術のデジタル画像データに含まれる解剖情報をAIに深層学習させることにより開発してきた。研究3年目となる2024年度はその精度検証として，計画通り，手術室での実証実験（ステップ2）を行った。開発したAIシステムを内視鏡，あるいはロボット機器と接続して解析結果を外部モニターに表示させ，意思決定支援システムとしての有用性を評価したところ，想定した通りの結果が得られた。開発した機器は2024年4月，「EUREKAα」として医療機器の承認を受け，2024年7月，AIによるコンピュータビジョンを用いた世界初の腹腔鏡下胃切除術が本学で成功裏に実施された。関連した論文を5編執筆し，国内学会および国際学会（米国内視鏡外科学会，韓国外科学会）でも報告した。
また，AIシステムの教育効果を検証するため，医学部５年生の臨床実習生を対象として，手術見学時に従来のモニターを見せる対照群と，AIモニターで膵組織を強調表示させた画像を見せるAI群に分け，実習終了時にテスト画像を用いて膵をどれだけ正確に認識できるかを比較検討した。AIシステムで学習した学生は従来のモニターを見た学生よりも，膵の認識能力が有意に向上することができた。論文発表に向けて，現在執筆準備中である。
本研究は，AIの画像認識能を内視鏡手術に応用し，それが手術の精度を向上させる可能性を初めて示した点において意義があった。われわれの研究成果の発表を受け，現在，国内でも多くのチームが類似の研究に取り組み始めている。今後，AIはこれまでの認識系から生成系へと進歩し，手術への活用もさらに進むと思われる。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究では解剖学的ランドマークのセグメンテーションに加え，手術時に適切なカウンタートラクションをかけるための把持鉗子の牽引方向や出血点の表示も可能な計画支援機能も開発することも目指していた。しかし，3年間の研究期間ではこれを達成するに至らなかった。昨今進歩著しい生成AIを使うことで北票に近づけるのではないかと考えている。また，本研究のゴールは，手術ロボットへのAIプラットフォーム実装（ステップ3）である。われわれが開発したAIビジョンモデルはすでに従来の内視鏡システムには実装することができ，医療機器として使用するための承認も得たが，これをロボットに実装するにはメーカーの事業協力，ならびに承認審査が必要となる。それにはある程度の時間がかかることが予想されるが，将来を見据えればロボット支援手術にこそAI技術の融合価値があると考えられるため，引き続き研究開発を進めていきたい。
|
| Strategy for Future Research Activity |
本研究によって，AIによる解剖学的ランドマークを重畳表示する機能が消化器外科手術において活用できるめどが立ったことを受け，今後の研究として，外科医と“対話”しながら剥離操作を支援する画像生成AIシステムの開発を目指す。剥離は消化器外科手術における重要な基本操作である。手術操作中，剥離層に正確に進入するための経路を提案，表示する機能を備えた，より高次な画像生成システムを多施設共同，産学共同で開発する。深層学習による従来の画像解析に，剥離層に入れたという「経験のセット」をデータとして学習する経験再現学習（Experience Replay）を組み入れた強化学習を加えることによって生成AIモデルを作成し，脂肪過多や易出血性，組織脆弱性といった困難な術野状況での精度向上を図る。内視鏡やロボットへの実装を最終目標とし，修練者のナビゲーターとして，熟練者にとっても思い込みや悪条件下での誤操作を回避させるアドバイザーしての役割をもたせ，外科医にかかる負荷の軽減を目指す。2025年度基盤研究Bとして申請し，採択された（25K02720）。
並行して，手術ロボットへのAIプラットフォームの実装（本研究で未達成のステップ3）に向けたメーカーとの事業協力，承認審査手続きも進めていく。
|
