人工知能による物体検出を用いた原発性悪性骨腫瘍X線読影システムの開発と臨床応用

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K09228
• Research Institution: Okayama University
• Principal Investigator: 長谷井 嬢 岡山大学, 学術研究院医歯薬学域, 准教授 (40636213)
• Co-Investigator(Kenkyū-buntansha): 中原 龍一 岡山大学, 大学病院, 助教 (30509477) ; 尾崎 敏文 岡山大学, 医歯薬学域, 教授 (40294459)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 骨腫瘍 / 人工知能 / SaMD

Outline of Annual Research Achievements

岡山大学病院、大阪国際がんセンター、金沢大学付属病院、水島中央病院の画像データは提供が完了している。現在保有する全データの95％以上の匿名化と提供が完了。追加で名古屋大学附属病院、国立がん研究センター中央病院を新たにデータ提供施設として迎えることとなり、追加学習データの加工を画像が得られ次第開始する。既に倫理委員会への変更申請は完了し、承認も得られている。
既報モデルと同等の性能を有するモデルの作成に成功した。 感度・特異度共に90%以上あり、AUC: 0.975～0.989程度の性能を達成。
既報モデルはPNGで作成したが、本モデルはDICOMでの開発を行った。
U-netベースとした転移学習モデルで良好な成績を示した。しかしながら、正常骨に対する偽陽性の出現パターンに一定の傾向がなく、偽陽性対策の観点からは、YOLOv5をベースとした開発も考えている。ベースモデルの決定までの間は、追加データの学習をそれぞれのモデルへ行いながら、並行したモデル開発とする方針とする。2023年度内に最終的なモデルを確定する。
骨外腫瘍、皮質骨病変、骨内腫瘍と３クラスにわけたアノテーションを行ったが、まとめて１クラスとした場合と、３クラスで比較したが、性能変化は有意なものがなかった。しかしながら、骨外病変はその存在は悪性の可能性が極めて高い特徴であり、アノテーションは3クラスで行う必要性を考えている。
予定通り試験プロトコルを作成し、PMDAレギュラトリーサイエンス戦略相談事前面談を2022/12/14に行った。指摘項目について追記を行い、再度事前面談を指示されており、本中間評価の結果も踏まえて修正を行い、再度事前面談を行う予定である。申請予定の資料を別途提出行う。2023年度内に対面助言へ進む予定であり、2023年度内にプロトコルを確定する。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

研究計画していた項目において、予定していた内容をおおむね達成した。

Strategy for Future Research Activity

DICOM(Digital Imaging and Communications in Medicine)形式のデータをベースとして新規開発したモデルについて検討を行い、岡山大学整形外科内で人工知能の出力結果をX線単純画像と合わせて視覚的に確認し、評価する。また、ROC（Receiver Operating Characteristic）解析を可能とするアプリケーションを実装する（9月）。読影実験も行いシステムの評価を行う。提供された画像を用いて、追加学習を行うことにより、アップデートしたモデルについて、視覚的な評価、読影実験を行う。AUC0.92以上の性能を満たすことを確認する。

Causes of Carryover

来年度実施予定のPMDAの費用等に充当する。