| 研究課題/領域番号 |
18K08290
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分53050:皮膚科学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
藤澤 康弘 筑波大学, 医学医療系, 准教授 (70550193)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2020年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 皮膚腫瘍 / 人工知能 / 分類 / ディープラーニング / 畳み込みニューラルネットワーク / 画像分類 |
|---|
| 研究成果の概要 |
筑波大学皮膚科で保存していた良悪性含む14種類の皮膚腫瘍の写真約6,000枚のうち約4,800枚を使用してAIを学習させ，残り1,200枚をテストデータとしてAIの正答率を計測した．また，テストデータからランダムに140枚の写真を抽出し，皮膚科専門医，非専門医とAIに同じデータを分類させ，その成績を比較した．その結果，AIは93.4％の確度で良悪性を判定できた．医師との正答率の比較では，皮膚科専門医が皮膚科非専門医より高い正答率であったが（85.3％±3.7％対74.4％±6.8％,P<0.01），AIは専門医の正答率より高かった（92.4％±2.1％，P<0.01）．
|
| 研究成果の学術的意義や社会的意義 |
本研究にて従来必要であるとされた1分類あたり1000枚という教師画像の数が，実際にはより少ない数（本研究では14クラスの分類で4800枚の教師画像）でも充分な精度で疾患の写真を分類できることを明らかにした．これは稀少な腫瘍が多い皮膚腫瘍の分野では多くの教師画像が集められないため，今後のAI皮膚腫瘍分類システムの構築にあたり大きなアドバンテージとなる．また，今回研究に使用した皮膚腫瘍だけでなくその他の分野にも応用が可能な技術であり，皮膚科に留まらずその他の分野においてもその開発の役に立つと思われる．現在はこのシステムを医療機器として使えるように研究開発を進めている．
|
