Explainable AI diagnostic system for breast cancer using tomosynthesis

2023 Fiscal Year Final Research Report

• Project/Area Number: 20H03738
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 55010:General surgery and pediatric surgery-related
• Research Institution: Tohoku University
• Principal Investigator: Takuya Ueda 東北大学, 医学系研究科, 教授 (40361448)
• Co-Investigator(Kenkyū-buntansha): 佐谷 望 東北医科薬科大学, 医学部, 助教 (50816444) ; 原田 達也 東京大学, 先端科学技術研究センター, 教授 (60345113) ; 森 菜緒子 東北大学, 医学系研究科, 助教 (90535064)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 人工知能 / 説明可能人工知能 / 乳癌

Outline of Final Research Achievements

This research aims to provide high-precision breast cancer diagnostic support, explainability of AI decision-making, and promote clinical application through the analysis of breast cancer tomosynthesis images using AI. Specifically, the study developed the "BilAD" AI model, which incorporates diagnostic physicians' reading insights and anticipates bilateral differences. Additionally, research progressed on an AI model for predicting stromal invasion, crucial for prognostic determination in clinical settings. Furthermore, a model predicting the expression of the biomarker Ki-67 was developed, contributing valuable information for formulating patients' treatment plans. These models have demonstrated high diagnostic capabilities, aiding in ensuring explainability and enhancing the robustness of results in the clinical application of AI for breast cancer diagnosis.

Free Research Field

画像診断

Academic Significance and Societal Importance of the Research Achievements

本研究では、説明可能AIの導入により、医師はAIの判断プロセスを理解しやすくなり、AIの提案する診断に対してより深い洞察を持ち、最終的な医療判断を下す際の透明性と信頼性が向上しました。また、予後予測AIにおいては、Ki-67などの生物学的マーカーを用いて乳がんの攻撃性や治療戦略を早期に予測することで、個別化医療の実現に貢献し、患者の治療成績の向上とQOLの向上を目指します。これらの成果は、精密でパーソナライズされた医療提供を推進します。