2023 Fiscal Year Annual Research Report
| Project/Area Number |
22K18215
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
藤田 大輔 兵庫県立大学, 工学研究科, 助教 (90907867)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Keywords | 人工知能 / 深層学習 / 尿路結石 / ESWL |
|---|
| Outline of Annual Research Achievements |
研究の目的であったExtracorporeal Shock Wave Lithotripsy(ESWL)の術前における成否(アウトカム)の予測に対して、人工知能を利用し高精度と解釈性を両立する予測モデルの開発に取り組んだ。
最終の2023年度では前年度に得られたアウトカム予測に関する知見(有効な特徴量、精度の良いモデル学習アルゴリズム)を活用し、主にモデル解釈性の向上、さらなる有効な特徴量の抽出法を開発した。以下、最終年度の発表に基づき実績を述べる。①ESWLアウトカム予測におけるCT画像の非石領域の有効性の評価では、従来使用されなかったCT画像の非結石領域から、深層学習を用いて有効な特徴量が抽出できることを示した。② SHAP値を用いたESWLアウトカム予測モデルの解釈性向上と特徴量選択、Interpretability of ESWL Outcome Prediction Model and Feature Selection Using SHAP valuesでは、多数の特徴量の中から予測に有効なものをSHAPと呼ばれる基準で選択し、精度と解釈性が両立する予測モデルを提案した。③ CT・X線画像と臨床所見を組み合わせたESWLアウトカム予測、Prediction of ESWL Outcome by Combining CT/X-Ray Images and Clinical Findingsでは、CT・X線画像の特徴量と、患者の臨床所見を組み合わせたモデルによる予測を行い、高い予測精度を達成した。
2年間全体の成果を総括すると、初年度では精度向上のためのCT画像に深層学習を適用した特徴量抽出法の開発と評価、最終年度は、高い解釈性を目指し人工知能アルゴリズムと特徴量選択法の検討を行った。これにより当初の研究課題は達成されたと考える。今後、前向きの有効性検証を検討している。
|
