2019 Fiscal Year Research-status Report
Establishment of artificial intelligence (deep learning) system for histological diagnosis and prediction of malignancy in lung cancer
| Project/Area Number |
18K07713
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
梁川 雅弘 大阪大学, 医学系研究科, 講師 (00546872)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
新岡 宏彦 大阪大学, データビリティフロンティア機構, 特任准教授(常勤) (70552074)
富山 憲幸 大阪大学, 医学系研究科, 教授 (50294070)
本多 修 大阪大学, 医学系研究科, 講師 (80324755) [Withdrawn]
三宅 淳 大阪大学, 国際医工情報センター, 特任教授 (70344174)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 人工知能 / CT / 肺癌 / 病理組織診断 / 浸潤成分 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究は、肺癌の3次元CT画像データから病理組織診断の予測や病理学的浸潤成分による悪性度予測を行う為の人工知能システムを基礎工学部と共同で開発し、また、その画像学的診断能を放射線科医の診断能と比較・検討することで、放射線科医の為の画像診断補助システムの構築に役立て、それらの技術発展を目指すことである。
1. CT画像データの抽出：平成30年度に引き続き、当院で撮像した超高精細CT（0.25㎜厚、2048マトリックス）による肺腺癌のCT画像157例分を抽出した。
2. 人工知能の学習データの準備と人工知能の構築：当施設、広島大学放射線科、国立がんセンターの肺腺癌のCTデータのうち、画像データの使用が可能であった285例を用いて構築した人工知能である2次元畳込みニューラルネットワーク（２D-CNN）、3次元畳込みニューラルネットワーク（３D-CNN）の上皮内癌(AIS), 微少浸潤性腺癌(MIA), 浸潤性腺癌(IVA)の診断能を昨年に引き続き再解析した。
3. 放射線科医師による評価実験：経験数の異なる放射線科医師3名に上記の285例に対して、主観評価によるAIS、MIR、IVAの予測を行ってもらい、その後、診断精度が高かった3D-CNNを用いて、各放射線科医師に再診断を行ってもらった。これらの結果をもとにして、人工知能の使用が放射線科医師の診断能に与える影響について統計的に解析した。
4. 人工知能の診断過程の解明：人工知能が肺腺癌の病理組織分類を行う上で、どこに着目して診断結果を出力したのかをGradient-Weighted Class Activation Maps (Grad-CAMs)を用いて視覚化した。人工知能の着目部位を実際のCT画像と対比することで、その特徴部位について検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度に当院および他施設のCT画像のDICOMデータを抽出することができたが、今年度は、超高精細CT画像のデータ抽出にも成功した。本研究の目的の一つともいえる人工知能の汎化性の検証にも役立てることができていると判断する。人工知能の構築に関しても、当初、予定してたものよりも精度の高い３D-CNNの構築に成功し、その精度評価も行えた。これに伴い、来年度予定していた人工知能の使用が放射線科医師の診断能に与える影響についても解析することができた。更に、人工知能の診断過程の解明のため、Grad-CAMsを用いた評価実験を行うことができ、深層学習システムの着目部位の視覚化、およびその特徴部位を同定できた点は、当初の計画以上の進展である。
ただ、現時点では、昨年に引き続き、肺腺癌の浸潤成分のみの評価に焦点を当てており、当初予定していた血管浸潤、リンパ管浸潤、胸膜浸潤に対する人工知能の評価については、各症例数が少ないこともあり、現在もデータ収集を進めている。総じて、おおむね順調あるいはそれ以上の進展と判断する。
|
| Strategy for Future Research Activity |
１．人工知能の性能向上および追加解析の為のデータ収集
超高精細CTの画像データが、人工知能の性能向上に役立てることができるかを検討する予定である。また、症例数の収集次第ではあるが、可能な限り病理学的血管浸潤、リンパ管浸潤、胸膜浸潤、胸壁浸潤、心膜浸潤の有無についても教師データの構築を行っていきたいと考えている。
２．人工知能の診断能とその診断過程の解析
人工知能の病理組織分類に関する診断能の評価、および放射線科医師の診断能に与える影響についても検討ができたため、これらの結果を、適宜、学会発表し、論文化する予定である。また、Grad-CAMsを用いた深層学習システムの着目部位の視覚化とその特徴部位の評価に関しても、更に解析を進める予定である。
|
| Causes of Carryover |
2020年3月に出張予定としていたヨーロッパ（ウィーン）開催の放射線科国際学会が、COVID19感染症の蔓延により中止となったため、出張費として計上していた額を次年度に繰り越すこととした。翌年度においては、繰り越し金を含めた額を、主に国内外の出張費に充て、これまでの研究成果について積極的に学会発表を行い、論文化を進めていきたいと考えている。
|
-
[Journal Article] Application of deep learning (3-dimensional convolutional neural network) for the prediction of pathological invasiveness in lung adenocarcinoma: A preliminary study.2019
Author(s)
Yanagawa M, Niioka H, Hata A, Kikuchi N, Honda O, Kurakami H, Morii E, Noguchi M, Watanabe Y, Miyake J, Tomiyama N
-
Journal Title
Medicine (Baltimore)
Volume: 98
Pages: e16119
DOI
Peer Reviewed / Open Access / Int'l Joint Research
-
-
-
-
-
-
-
-
-
-
