2021 Fiscal Year Annual Research Report
Development of beyond human-level AI for medical image diagnosis systems
| Project/Area Number |
18K19892
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
本間 経康 東北大学, 医学系研究科, 教授 (30282023)
|
|---|
| Project Period (FY) |
2018-06-29 – 2022-03-31
|
| Keywords | 計算機支援診断システム |
|---|
| Outline of Annual Research Achievements |
本研究では、医療画像ビッグデータを基に深層学習などの機械学習を用いて、専門医レベルを凌駕する革新的なX線画像診断を実現するような、新時代の人工知能支援診断（artificial intelligence-aided diagnosis, AID）システムの開発に挑戦している。本年度は、これまでに開発した死後画像診断（autopsy imaging: Ai）のための深層学習を用いたAIDシステムの改良に加え、新たな応用例として、胃がん要因であるH. Pylori感染のX線透視を用いた鑑別システムを開発し、結果の説明性向上を試みた。
1. 死後画像診断AIDシステムの改良：これまでに構築した死後画像を用いた溺死鑑別用AIDシステムに対し、鑑別根拠の可視化とそれに基づく放射線診断学的な妥当性を詳しく解析した。また、溺死だけでなく、凍死鑑別にも応用し、両者に共通する知識獲得の可能性が示唆された。すなわち、凍死症例のみで訓練した場合に比べ、溺死症例で訓練後に凍死症例で再訓練した場合に性能向上が見られ、両症例で共通の注目領域の存在が確認された。これは、獲得知識の説明性・解釈性を考察する上で、興味深い知見である。
2. 胃がん検診用AIDシステムの構築：胃がん検診におけるX線透視画像を用いたH. Pylori感染鑑別にAIDシステムを応用した。医療従事者による放射線医学的な根拠領域の正解作成を行い、鑑別根拠の可視化結果の医学的妥当性を検証した結果、概ね良好な結果を得た。医療従事者間の正解のばらつきよりもAIDの根拠領域のばらつきは大きいが、とくに、感染例における注目領域の正解との一致率が高く、その有効性が示唆された。
|
