Construction of an AI platform for CT images of gastric cancer using deep learning

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K16463
• Research Institution: Shizuoka Cancer Center Research Institute
• Principal Investigator: 藤谷 啓一 静岡県立静岡がんセンター(研究所), その他部局等, 研究員 (10766132)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 胃癌CT画像 / 深層学習

Outline of Annual Research Achievements

データの収集方法や管理体制の構築ならびに機械学習に係る外部業務委託機関との交渉を経て、「胃癌のCT画像を用いた深層学習による胃癌診断と臨床転帰の予測モデル構築の試みに関する予備的な後ろ向き観察研究（研究責任医師：藤谷啓一）」と題した研究実施計画書を作成した。本研究の目的は深層学習を用いて胃癌CT画像から胃癌の診断や治療転帰を予測するモデルのプロトタイプを探索的に構築することである。研究デザインは、2012年1月1日から2020年12月31日までの間に静岡県立静岡がんセンターにて胃癌または食道胃接合部癌に対して胃切除術が施行された患者を対象に、過去に保存されたデータを利用する単施設の後ろ向き観察研究とした。2021年9月7日に静岡県立静岡がんセンター探索研究倫理審査委員会に研究申請を行い、申請資料の作成・提出、審議、修正を経て、2022年4月5日に承認を得た（整理番号　T2021-46-2021-1-5）。
2710例の臨床病理学的情報を収集した。929例のCT画像を収集し、うち154例の胃癌アノテーションを行った。業務委託先の株式会社プログメイトと毎月の定期的なカンファレンスを行い、同画像を用いた病理病期診断のAI予測モデルを構築した。現状の予測モデルは精度が乏しいため、改修中である。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

研究開始前に想定していた手法を用いて診断予測モデルを構築したが、高い精度が得られなかったため進捗がやや遅れている。

Strategy for Future Research Activity

胃癌進行度の診断予測モデルの精度が乏しい主な要因として、胃癌に対するsemantic segmentationの精度が低いことが考えられる。そのため、研究対象の変更やアノテーション画像の増加など様々な条件設定を修正しながら精度を高めている。予測モデルの精度向上においては、学習用CT画像の前処理方法やネットワーク構造の検討、ハイパーパラメーターのチューニングなどを行う。また、臨床情報や胃癌の肉眼写真画像・病理組織画像を加えることで精度が向上するか試みる。

Causes of Carryover

診断予測モデルの構築が終了していないため、残予定支出の大部分を占めるAIモデル構築に係る機械学習の業務委託費が未払いである。深層学習とアノテーションに使用する関連物品の購入費とAnnoStationソフトウェア（株式会社Orni）の月額定額費用にも当該助成金を使用する予定である。