2019 Fiscal Year Annual Research Report

Development of New Diagnostic System for Cervical Premalignant and Malignant Diseases

Research Project

Project/Area Number	19H03798
Research Institution	Osaka University
Principal Investigator	上田豊大阪大学, 医学系研究科, 講師 (10346215)
Co-Investigator(Kenkyū-buntansha)	中川慧大阪大学, 医学系研究科, 助教 (30650593) 小林栄仁大阪大学, 医学系研究科, 助教 (50614773) 吉野潔産業医科大学, 医学部, 教授 (90362730) 榎本隆之新潟大学, 医歯学系, 教授 (90283754) 笹川寿之金沢医科大学, 医学部, 教授 (30272975) 中村隆文川崎医科大学, 医学部, 教授 (20303969)
Project Period (FY)	2019-04-01 – 2022-03-31
Keywords	子宮頸がん検診 / コルポスコープ / スマートスコープ / 自動診断 / AI
Outline of Annual Research Achievements	2019年度は、子宮頸婦の撮影画像データでＡＩ自動診断機能（識別器）を教育し、別の撮影画像データで機能を評価するFeasibility Testを行った。これまでに、大阪大学および協力施設から、正常・CIN1・CIN2/3・浸潤がん各々120症例の子宮頸部のコルポスコープ撮影画像を収集した。画質など不適切な17症例を除外し、463症例を各診断で学習用：検証用＝3：1になるようにランダムに振り分けた。すなわち、正常：90サンプル、CIN1：90サンプル、CIN2/3：85サンプル、浸潤がん：83サンプルで学習させ、正常：30サンプル、CIN1：30サンプル、CIN2/3：28サンプル、浸潤がん：27サンプルでＡＩ自動診断機能（識別器）の性能を評価した。正常・CIN1とCIN2/3・浸潤がんの病理診断2分類での診断精度を算出したところ、精度は72.0%、感度は74.0%、特異度は71.0%となり、既報と同等であった。次に、正常・CIN1・CIN2/3・浸潤がんの病理診断4分類に対する診断精度は、それぞれ、57.6%・37.9%、42.2%、57.5%であり、全体としては48.0%であった。正常と浸潤がんの診断精度は比較的高かったが、CIN1・CIN2/3の診断精度はそれより低いものであった。4分類での精度についてはまだ報告は見られない。 2020度以降、症例をさらに集積し、診断精度の向上を図る。一方、ＡＩが誤って診断した症例を後方視的に検証し、特定の傾向が見られないかを検討する。また、医師がこのＡＩ自動診断機能（識別器）の診断を見た上で臨床的に診断する場合の精度を、ＡＩ単独診断および医師のみの診断と比較し、医師がＡＩを活用して診断する効果を検証する予定である。
Current Status of Research Progress	Current Status of Research Progress 1: Research has progressed more than it was originally planned. Reason 2019年度は400症例のデータでＡＩ自動診断機能（識別器）を教育し、80症例のデータで機能を評価するFeasibility Testを行う予定であった。大阪大学および協力施設から集積できたのは、正常・CIN1・CIN2/3・浸潤がん各々120症例の子宮頸部のコルポスコープ撮影画像、計480症例であり、正しく予定通り進捗した。画質などが不適切な17症例を除外したため、463症例を各診断で学習用：検証用＝3：1になるようにランダムに振り分けた。すなわち、学習用（正常：90サンプル、CIN1：90サンプル、CIN2/3：85サンプル、浸潤がん：83サンプル）が計348症例、検証用（正常：30サンプル、CIN1：30サンプル、CIN2/3：28サンプル、浸潤がん：27サンプル）が計115症例となった。これら病理診断情報のアノテイション付きの画像を用いて、予定通りにＡＩ自動診断機能（識別器）をDeep Learningさせ、先行研究と同じく、正常・CIN1とCIN2/3・浸潤がんの2分類での診断精度を検証することができた。これまで得られている結果は、少なくとも既報と同等であった。さらに、これまで報告が見られていない、正常・CIN1・CIN2/3・浸潤がんの4分類に対する診断精度についても評価を行ったが、正常と浸潤がんの診断精度は比較的高かったが、CIN1・CIN2/3の診断精度はそれより低いものであった。今後の症例蓄積による精度のさらなる改善が期待されるところである。これまでのところ、研究計画に差しさわりとなる問題は生じていない。
Strategy for Future Research Activity	2020度以降、症例をさらに集積する。これまでに集積できたのは480症例であり、今後、2000症例の集積を目指している。これはこれまでの報告をはるかに上回る数である。これにより、これまでは既報と同等であるＡＩ自動診断機能（識別器）の診断精度の向上を図る。一方、ＡＩが誤って診断した症例を後方視的に検証し、特定の傾向が見られないかを検討する。特定の傾向が認められた場合には、その改善に特化した画像の収集や学習を行うことができる可能性がある。医師がこのＡＩ自動診断機能（識別器）の診断を見た上で臨床的に診断する場合の精度を、ＡＩ単独診断および医師のみの診断と比較し、医師がＡＩを活用して診断する効果を検証する予定である。すなわち、何らかの理由でＡＩ自動診断機能（識別器）が明らかに誤った診断を下している可能が一定の割合で存在することが考えられる。実際、病理診断では正常であったにも関わらず、ＡＩ自動診断機能（識別器）ではCIN2/3と診断されてしまっていた症例が1症例存在し、逆に、病理ではCIN2/3であったにも関わらず、ＡＩ自動診断機能（識別器）では正常と診断されていた症例が２症例存在した。この誤診は医師の介在で容易に排除できる可能性がある。この評価も系統的に行う予定である。また、今後、コルポスコープに代わって、デジタルカメラやスマートフォンなどによる子宮頸部の撮影画像も診断に利用されることが容易に想像されるため、コルポスコープでの撮影画像とデジタルカメラやスマートフォンなどによる撮影画像との診断精度の比較など、デジタルカメラやスマートフォンの利用可能性についても検討する予定である。