2018 Fiscal Year Research-status Report
人工知能を応用したわが国における個別化乳癌検診の実践
| Project/Area Number |
18K07736
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
浅井 義行 近畿大学, 医学部, 技術職員 (30639307)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山室 美佳 近畿大学, 医学部附属病院, 技術職員 (90837866)
村上 卓道 神戸大学, 医学研究科, 教授 (20252653)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 乳腺密度 / ディープラーニング / 観察者応答特性 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、我が国における個別化乳癌検診の実践を支援するものである。当該年度の実績としては、まず臨床画像の乳腺密度を3次元的に定量化する新しい手法を開発した。その際、解剖学的知見に基づいてリファレンスとなる脂肪の画素値を正確に算出する手法を提案し実行することで、従来用いられてきたリファレンス決定手法に起因する変動を抑え、安定した乳腺密度値を得ることに成功した。
さらに、2つめの実績は、マンモグラフィで用いられるX線エネルギーの全領域においてX線減弱が実乳房と等価である乳腺密度可変型乳房ファントムを開発し、3種類の乳腺密度に対して模擬病変検出率との定量的な関係を求めるための観察者応答特性実験を行ったことである。これにより、従来から経験的に知られていた乳腺密度が高くなれば病変見落とし率が増加するという現象を、乳腺密度が何パーセント高くなれば病変見落としが何パーセント増加するかを定量的に示すことができた。この結果は医師が対策型乳癌検診を受けた女性に高濃度乳房の危険性を説明するためのデータとして役立つことが期待できる。
当該年度の3つめの実績は、臨床乳房画像における乳腺領域を決定するために、従来から用いられてきた乳腺専門医や乳腺専門放射線技師の経験や知識にかわり、人工知能の一手法であるディープラーニングを導入し、簡便かつ迅速に乳腺領域の抽出を行うことを実現したことである。現時点では人工知能に学習させるサンプルデータ数が十分ではないため、抽出精度が高いとはいえないが、今後継続して臨床乳房画像を収集しサンプル数を増やすことで精度を向上させる予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の研究計画において、‘3年間で3000症例のX線撮影条件や被験者の身体特性および生育歴情報を調査するとともに、並行して乳腺密度と平均乳腺線量の解析を実施する’としているとおり、当該年度においてすでに1000症例の調査および解析を実施した。さらに、次年度実施予定である乳房画像における病変検出率とモニタ輝度の関係の定量化についてもすでに実験に着手している。
|
| Strategy for Future Research Activity |
本研究で用いている人工知能（ディープラーニング）はサンプル数が多ければ多いほど目的とする対象の抽出精度が向上することがわかっているので、今後は当初予定していた3000症例を超えて可能な限りサンプル数を増加させる予定である。このとき、当初予定していなかったオーグメンテーションと呼ばれるサンプル画像増加手法を乳房画像に適用し、抽出精度を向上させることも検討している。
|
| Causes of Carryover |
研究成果を発表するために今年度参加した国際学会（2018年6月、チェコ共和国）の旅費、宿泊費および参加登録費は、交通手段確保や学会登録規定のため、前年度においてすでに他の研究助成金を利用して支払いを完了させたため、当初、今年度の支出予定として計上していた使用予定額に及ばなかった。次年度は当初の予定を上回る国際学会での成果発表を達成することで使用する見込みである。
|
