2018 Fiscal Year Annual Research Report
Comparison of 3D constructed CT images and pathological findings of interstitial pneumonia
| Project/Area Number |
15K09184
|
|---|
| Research Institution | Nagoya City University |
|---|
Principal Investigator |
大久保 仁嗣 名古屋市立大学, 大学院医学研究科, 講師 (70408144)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
新實 彰男 名古屋市立大学, 大学院医学研究科, 教授 (30252513)
難波 大夫 名古屋市立大学, 大学院医学研究科, 講師 (40381793)
森山 悟 名古屋市立大学, 大学院医学研究科, 研究員 (50551264)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | ボリュームレンダリング法 / 線維化性間質性肺炎 / 人工知能 / ディープラーニング |
|---|
| Outline of Annual Research Achievements |
膠原病を除く慢性線維化性間質性肺炎のCT画像診断における人工知能の有用性に関する多施設共同研究を開始した。本研究は名古屋市立大学、京都大学、神戸市立医療センター中央市民病院、NHO姫路医療センター、産業医科大学、東北大学、茨木東病院の7施設の倫理審査委員会で承認された。計188症例の膠原病を除く慢性線維化性間質性肺炎のCT画像が集積され、名古屋大学大学院 情報学研究科との共同研究でCT画像の機械学習（deep learning）の研究が開始となった。Semi-supervised spherical K-means法で正常肺と異常肺を区別し、異常肺をパッチ化する手法でdeep learningを行った。特発性肺線維症の人工知能による診断的中率は90％前後と良好であった。しかし、ROC曲線を用いた特異度・感度に関しては良好とはいえず実用化に至る水準に達しなかった。画像抽出ソフト（ITK-snap）を用いてアノテーション学習手法で実験を試みたが、アノテーション学習の正確性が低いことがわかりこの実験は先送りの方針となった。2018年9月にWalshらが、肺のスライスをランダムにさせる手法が、放射線科医師の診断と特異度・感度ともに良好に一致することを学術誌（Lancet Respir Med.）、および欧州呼吸器病学会（2018年9月パリ開催）で報告した。それを受け、同様の手法を用いて本研究対象者188症例のCT画像をdeep learningさせる実験を開始した。これはWalshらの報告は学習が放射線学的分類であり、本研究は診断名であり、報告とは異なる実験である。この実験は手法的には容易に可能であったが、残念ながら人工知能による診断的中率、ROC曲線を用いた特異度・感度に関しては実用化に至る水準に達しなかった（2018年12月末）。症例数が少ないことも原因である可能性がある。
|
