2019 Fiscal Year Annual Research Report
Construction of prediction model of lung adenocarcinoma by machine learning
| Project/Area Number |
17K08740
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
吉澤 明彦 京都大学, 医学研究科, 准教授 (80378645)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 機械学習 / 肺腺癌 / 病理組織像 / ウェーブレット変換 / 畳み込みニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
肺腺癌の病理診断は，特徴的な5つの組織パターンを元に組織亜型がなされる(CHS)。この組織亜型は，その認識に関して客観性に問題があると言われている。本研究では、肺腺癌の病理組織標本をデジタル化(WSI)し，機械学習を用いて，より客観的で，予後を予測できるようなモデル(Computer-aided CHS: Ca-CHS)）を構築することを目指した。研究実施計画に沿って，倫理審査後，基礎情報の収集，対象症例のデジタル化，教師データの作成，検討を行った。最終33症例からアノテーションを行いから128x128 pixelのパッチ画像を作成した(3万程度)。同画像をウエーブレット変換しクラスター分析しサポートベクターマシーンにて検討したところ，教師データに比し正解データで0.7772の正答率が得られた。問題点としては，アノテーションデータの偏りなどがあげられており，教師データを再作成し検討を進めたが，結果の著しい向上は得られなかった。そのため，深層学習を用いた検討を行った。データオーグメンテーション技術により，学習データを4倍に増やした（腫瘍部91k，非腫瘍部74k）。うち9割のデータを学習用，1割のデータをテスト用として検討したところ，精度は0.7624であった。不正解であった画像を検証すると，パッチ画像が小さく，本検討のような組織構造を対象とした解析には向かないことが判明した。そこで，画角ごと重み付けを行ったパッチ画像を用いたアルゴリズム(Soft Switching Fully CNN)を開発，検討を行ったところ，腫瘍，非腫瘍の判別には，0.98の精度が得られた一方で，各分類においては，0.23-0.60の精度であり，さらなる検討が必要であることがわかった。今回の検討では，WSIを用いたCa-CHSの可能性が示唆され，将来より客観的な病理判定を行うことが期待される。
|
Research Products
(4 results)
