2021 Fiscal Year Research-status Report
超高精細CTの新しい肺癌画像解析法の確立：診断能に寄与する画像因子探索とAI解析
| Project/Area Number |
21K07672
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
梁川 雅弘 大阪大学, 医学系研究科, 講師 (00546872)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森井 英一 大阪大学, 医学系研究科, 教授 (10283772)
鈴木 裕紀 大阪大学, 医学系研究科, 特任助教(常勤) (20845599)
富山 憲幸 大阪大学, 医学系研究科, 教授 (50294070)
木戸 尚治 大阪大学, 医学系研究科, 特任教授(常勤) (90314814)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 超高精細CT / 肺腺癌 / 遺伝子 / 人工知能 / Vision transformer |
|---|
| Outline of Annual Research Achievements |
本研究は、面内・体軸方向ともに従来CTの2倍の空間分解能を有する超高精細CTにて撮像した肺癌の画像データから、診断能の向上に役立つ主観的および客観的画像学的因子を探索し、肺癌の的確な診断や治療方針の選択に役立つ画像解析法の確立を目指すことである。具体的な研究項目は、①肺癌の超高精細CT画像所見と病理組織像や遺伝子情報との詳細な対比②超高精細CT画像データを定量解析するための人工知能ベースのソフトウェア開発③病理学的因子、遺伝子因子、予後因子に関連する画像所見および定量因子の究明、の3つである。
1. 超高精細CTデータ収集・再構成処理および臨床データ収集
肺癌で最も多い組織型である肺腺癌に焦点を絞り、2018年(当施設で超高精細CTの運用開始)から2019年の2年間において、確定診断がついた症例の術前CT画像生データを保存サーバから後ろ向きに抽出した。解析可能な85例の収集を行い、同時にCT装置メーカーに依頼し、超高精細CTデータから従来CTに相当する画像データも再構成した。尚、2020年のデータは同様に抽出中である。一方、上記の画像データに対応する遺伝子情報として、EGFR(epidermal growth factor receptor)、ALK(anaplastic lymphoma kinase)、PD-L1(programmed cell death1 ligand1)の抽出も行った。
2. CT画像所見の評価と人工知能の構築
遺伝子とCT画像所見の関連を視覚的に簡易評価した。また、超高精細CT用の3次元畳み込みニューラルネットワーク、および、Vision transformerを用いた人工知能解析モデルを構築し、上記の85例において、上皮内癌(AIS)、微少浸潤性腺癌(MIA)、浸潤性腺癌(IVA)の分類と人工知能の診断時の着目部位を視覚化した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
超高精細CT画像データの抽出であるが、対象とする2018年から2020年の3年のうち2年分の肺腺癌の画像のDICOMデータを抽出することができた。更に、CT装置メーカーに依頼し、従来CTに相当する画像データの構築にも成功した。超高精細CT画像データと従来CT画像データを用いた場合の人工知能の診断精度の違いを検証するための重要なデータと考えており、今後、解析を進めて行く予定である。また、人工知能の構築に関しては、当初、予定していた3次元畳み込みニューラルネットワークのみに止まらず、Vision transformerを用いた新しい初期モデルの構築にも成功し、上皮内癌(AIS)、微少浸潤性腺癌(MIA)、浸潤性腺癌(IVA)の分類において、人工知能が診断時に着目した部位を視覚化することができた。Vision transformerモデル構築など当初の計画以上の進捗と判断できる部分もあるが、詳細な解析はできておらず、今後進めていく予定である。以上より、本研究は、ほぼ順調に進行中と判断する。
|
| Strategy for Future Research Activity |
１．人工知能の性能向上および追加解析の為のデータ収集
昨年に引き続き、2020年分の超高精細CTの画像データの収集も行い、従来CTに相当する画像データも再構成する予定である。上皮内癌(AIS)、微少浸潤性腺癌(MIA)、浸潤性腺癌(IVA)の分類能について、超高精細CTと従来CTで比較する予定である。また、2021年度は遺伝子とCT画像所見の関連を視覚的に簡易評価するに止まったが、2022年度以降は、詳細な視覚評価と人工知能を用いた画像解析を行い、遺伝子因子に関連する画像学的因子の究明に繋げたい。
２．人工知能の診断過程の解析
人工知能の診断過程はブラックボックスであり、解決すべき課題の一つとされている。昨年は、新しい画像認識の人工知能モデルであるVision transformerを用いて、人工知能の着目部位を視覚化するに止まったが、2022年度以降は、着目部位を可能な限り解析し、人工知能の診断過程の解明に繋げたい。人工知能の着目部位を超高精細CT画像と対比することで、その特徴量を抽出できる可能性もあると考える。
|
| Causes of Carryover |
2021年度は、データ抽出と人工知能構築に重きを置いた為、経費の大半を物品費に割り当て、超高精細CT画像評価用の8Kモニター購入やCT画像生データ保存用のハードディスク購入に計上した。また、超高精細CTの画像評価や人工知能解析に関する本研究の成果の一部は、招待講演などにて紹介するため、国内学会やWeb学会のための旅費や参加費として計上した。しかしながら、コロナ禍の影響もあり、国際学会への現地参加はできておらず、繰り越し金に関しては2022年度以降の海外出張費に計上する予定である。
|
