2020 Fiscal Year Final Research Report

Development of Next-Generation Health Diagnosis Method by Health Informatics Using Ultra-fine Morphological Imaging Data

Research Project

PDF

Project/Area Number	18K19766
Research Category	Grant-in-Aid for Challenging Research (Exploratory)
Allocation Type	Multi-year Fund
Review Section	Medium-sized Section 59:Sports sciences, physical education, health sciences, and related fields
Research Institution	Institute of Physical and Chemical Research
Principal Investigator	Kume Satoshi 国立研究開発法人理化学研究所, 生命機能科学研究センター, 客員研究員 (30708441)
Co-Investigator(Kenkyū-buntansha)	小林紀郎国立研究開発法人理化学研究所, 情報システム本部, ユニットリーダー (20415160) 村川泰裕国立研究開発法人理化学研究所, 生命医科学研究センター, チームリーダー (50765469) 水野敬大阪市立大学, 大学院医学研究科, 特任准教授 (60464616)
Project Period (FY)	2018-06-29 – 2021-03-31
Keywords	画像ビッグデータ / 電子顕微鏡 / 画像セグメンテーション / 深層学習 / 未病状態 / 血液細胞 / 健康インフォマティクス / 概念関係モデル
Outline of Final Research Achievements	This research aims to provide a technology for the early and ultra-sensitive detection of "presymptoms", a potential state of disease. We conducted imaging analysis of cultured blood cells or normal and aged animal tissues using the wide-range electron microscopy technique and virtual slide imaging, and acquired their image data. We also conducted image segmentation using deep learning and other methods to decipher and make sense of the life structures in the image. For the nuclear structure of cells, we have achieved more than 90% accuracy in recognizing their structural regions. In addition, we built a prototype of knowledge hierarchy based on image metadata by mapping to a conceptual relational model of cell morphology.
Free Research Field	生物情報学
Academic Significance and Societal Importance of the Research Achievements	最先端の技術開発による画像のビッグデータ化に加え、概念関係モデル（オントロジー）を用いてアノテーションした教師画像データと、深層学習等の機械学習の手法を組み合わせることで、異常部位を自動検出し、さらにその結果を人間と機械が共に可読な「知識階層」として記述する。これによって、これまで医学で見過ごされてきたような、未病時に出現する超微細病態変化「病気のタネ」を自動的に言い当てるとともに、従来の人間の解釈を自然言語で記述していた方法論を大きく刷新する。延いては、健康科学の境地から未病状態を早期かつ超高感度に検出する『健康インフォマティクス』を創生し、次世代の健康診断の概念を提唱する。