2018 Fiscal Year Annual Research Report
| Project/Area Number |
18H05301
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
山本 陽一朗 国立研究開発法人理化学研究所, 革新知能統合研究センター, チームリーダー (00573247)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
東條 有伸 東京大学, 医科学研究所, 教授 (00211681)
田宮 元 東北大学, 東北メディカル・メガバンク機構, 教授 (10317745)
岡田 康志 国立研究開発法人理化学研究所, 生命機能科学研究センター, チームリーダー (50272430)
赤塚 純 日本医科大学, 医学部, 助教 (20637863)
|
|---|
| Project Period (FY) |
2018-06-29 – 2021-03-31
|
| Keywords | 医療人工知能 / 機械学習 / ブラックボックス / 医用画像 / 遺伝子 |
|---|
| Outline of Annual Research Achievements |
医療における選択肢が多岐にわたり複雑化すると共に、その医療費はこれまでとは比較にならないほど莫大となっており、超高齢社会に突入している本邦としては、真に実用可能な医療人工知能（AI）の開発が急務となっている。一方で、現代AIの特徴であるディ ープラーニングには「ブラックボックス」が存在する。例えば、医用画像解析にて使用されることが多い、畳み込みニューラルネットワーク（CNN）では、特徴量をフィルターという形で機械が自動設定するため、患者および医療従事者にとって理解不可能なものとなる。つまり、人工知能が明らかに誤りと思える判定をした場合にも、その原因の解明が困難になることを意味している。これは医療分野への応用を考える上で大きな問題点となる。また医療AIの説明可能性は使用者の不安を取り除くためにも非常に重要である。本研究の目的は、AIの真の医療応用を目指すために、現代AIの特徴であるディープラーニングが有する「説明不可能性のブラックボックス」を克服することである。
初年度は研究を開始するにあたり、研究分担者との細部にわたるディスカッションおよび各種手続きを行った。またサンプル症例を含む解析対象症例に対する検討を行い、必要なデータベースを作成した。データベースは引き続き次年度も作成を続ける予定である。また機械学習アルゴリズムについて、既存のシステムの改良を行い、次年度に向けての解析準備を整えることができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究分担者との細部にわたるディスカッションを行うことができたと共に、研究開始に関わる各種手続きを行うことができた。また機械学習アルゴリズムについての改良が順調に進んだ。
|
| Strategy for Future Research Activity |
研究分担者と密な連携を取りながら研究を進める。特に検体画像のデジタル化を迅速に進め、サンプル検体の解析を行う。その結果の評価を踏まえ、アルゴリズム調整を進めることで、精度の高い解析を行う。
|
