2023 Fiscal Year Final Research Report
Explainable AI for differentiating of renal tumor
| Project/Area Number |
20K16772
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | AI / 人工知能 / 画像診断 |
|---|
| Outline of Final Research Achievements |
The aim of this study is a renal tumour differential imaging AI that can explain the diagnostic basis. Data were collected from six centres in Japan on 304 cases of renal cancer with a pathologically confirmed diagnosis and 12 cases of angiomyolipoma with a low fat component with a pathologically confirmed diagnosis (including biopsy) Two diagnostic radiologists generated segmentation teacher data for the kidney and tumour area. In addition, teacher data for the description of the findings were generated.
First, a model for segmentation of the renal tumour area was created using 3D-Unet. The 3D ResNet was more accurate than Inception-v3, ResNet and 3D ResNet in the pathology classification task.
|
| Free Research Field |
放射線医学
|
| Academic Significance and Societal Importance of the Research Achievements |
画像診断において、病変検出をサポートするAIは多く販売されているが、病変の診断をサポートするAIはまだ製品化されていない。これはAIの出力に対して診断医が納得できる説明が伴わないことが一因と考えている。
本研究で開発したAIは、腎腫瘍の検出とsegmentationをした後に、腎腫瘍の病理診断を予測するモデルであるが、同時にCT画像の所見の説明を出力できる設計とした。病理診断予測は一定程度の精度が得られたものと考えられる。一方、所見の説明精度は実用化には足りないものの、製品化に向けて必要な機能の実現可能性を示す事ができたことは意義深いと考えられる。
|
