2022 Fiscal Year Annual Research Report
深層学習を用いた胸部単純X線写真の自動診断と医師への読影支援
| Project/Area Number |
19K17232
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
西尾 瑞穂 神戸大学, 医学部附属病院, 助教 (50581998)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 新型コロナ肺炎 / 胸部単純X線写真 / 人工知能 / 深層学習 / 医用画像処理 |
|---|
| Outline of Annual Research Achievements |
最終年度はオープンデータベース・兵庫県の複数の病院・関東の一つの病院の胸部単純レントゲン写真を用いて、新型コロナウィルス肺炎の診断を深層学習の人工知能（AI）で自動診断出来るかどうかを検討した。また、開発されたAIが放射線科医にとって有効であるかどうかも評価した。このために、前年度までの胸部単純レントゲン写真に加えて、最終年度では関東の一つの病院の写真180枚を追加して、この180枚でこれまで作成したAIの性能を評価した。追加された180枚の内訳は、新型コロナウィルス肺炎60枚・それ以外の肺炎60枚・正常60枚とした。この180枚をAI無しとAI有りの二種類の方法で計8名の放射線科医が評価した。評価指標としては、3クラス分類の正診率やクラスごとのArea Under the ROC Curve（AUC）を用いた。
評価の結果、深層学習のAI単体の正診率は0.733であった。また、AI無しの8人の放射線科医の平均の正診率は 0.696 ± 0.031であり、AIの方が正診率は高かった。クラスごとのAUCのうち、新型コロナウィルス肺炎 vs. それ以外の肺炎 or 正常のAUCにおいて、8人の放射線科医の平均のAUCはAI無しのAUCはAI有りのAUCよりも有意に高くなり(p-value = 0.0038)、AIの有効性が示された。一方で、ほかのニクラスのAUCについては有意な改善は得られなかった。上記の結果から、新型コロナウィルス肺炎の診断を深層学習のAIで行うことは有用であり、開発されたAIは放射線科医の診断能を有意に改善させることが分かった。
|
