Automated organ segmentation in 3D medical images: Is uncertainty estimation by artificial intelligence useful for improving accuracy?

2023 Fiscal Year Annual Research Report

• Project/Area Number: 21K07674
• Research Institution: Kobe University
• Principal Investigator: 堀 雅敏 神戸大学, 医学研究科, 特命教授 (00346206)
• Co-Investigator(Kenkyū-buntansha): 大西 裕満 大阪大学, 大学院医学系研究科, 教授 (20452435) ; SOUFI MAZEN 奈良先端科学技術大学院大学, 先端科学技術研究科, 助教 (80823525) ; 大竹 義人 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (80349563) ; 佐藤 嘉伸 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (70243219)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 放射線診断 / 人工知能 / セグメンテーション / 不確実性 / 精度 / コンピュータ支援診断 / CT / MRI

Outline of Annual Research Achievements

人工知能（AI）を応用して臨床に有用な技術開発を目指す多くの研究が試みられ、成功を収めている。しかし、その一方で課題も残っている。課題の一つとして、AI出力の「確からしさ」の評価が挙げられる。近年、学習済みAIのノードの一部をランダムに無効化する手法（Monte Carlo dropout）が、AI出力の「確からしさ」評価に有効であることが示された。本研究では、腹部3次元医用画像を対象にした臓器自動抽出について、AI出力の「確からしさ」の有用性を探った。これにより、1) AIの示す結果を利用すべきか否かの指標を確立し、2) 教師データ作成の省力化、3) AIシステム精度の効率的な改善を目指した。
2021年度から2022年度に、腹部3次元医用画像（CT・MRI）データを収集して、放射線診断医が腹部臓器の抽出を行い、臓器領域（肝臓・脾臓）の「正解」データを作成した。画像データ集積と並行して、Monte Carlo dropoutを組み込んだAIシステム "Bayesian U-Net" を作成した。これにより、腹部3次元医用画像からの臓器自動抽出とその「確からしさ」（あるいは不確実性 "uncertainty"）を出力できるようにして、基礎技術が確立した。
2023年度には、不確実性 "uncertainty"と臓器自動抽出精度との関連を調べ、不確実性 "uncertainty" の臨床的有用性を評価した。本研究により、AIによる腹部3次元医用画像からの臓器自動抽出精度を評価する上で、Monte Carlo dropout法が有効であることが示された。