研究課題/領域番号 |
20H03738
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
小区分55010:外科学一般および小児外科学関連
|
研究機関 | 東北大学 |
研究代表者 |
植田 琢也 東北大学, 医学系研究科, 教授 (40361448)
|
研究分担者 |
佐谷 望 東北医科薬科大学, 医学部, 助教 (50816444)
原田 達也 東京大学, 先端科学技術研究センター, 教授 (60345113)
森 菜緒子 東北大学, 医学系研究科, 助教 (90535064)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2023年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2022年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2021年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2020年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
|
キーワード | 人工知能 / 説明可能人工知能 / 乳癌 / マンモグラフィ / 診断支援 / 深層学習 / 画像診断 |
研究開始時の研究の概要 |
高トモシンセシスは、乳癌の新たな画像診断法として注目を集めている。近年深層学習/人工知能(AI)の医療画像診断への応用が進んでいるが、スライスが多いトモシンセシスは診断医への負担が高く、AIシステムによる診断医の負担軽減と診断精度の向上が期待されている。一方、AIの医療応用ではそのブラックボックス性が問題となっており、信頼性の確立が急務である。 本研究では、説明可能AIを用いて信頼性と汎化性能の高いトモシンセシス画像診断支援システムの開発を行う。このシステムを確立できれば、トモシンセシスの恩恵をより多くの患者が享受可能となり、乳癌診断精度が上がることで治療成績の向上に寄与できると考える。
|
研究成果の概要 |
本研究は、乳がんトモシンセシス画像のAI解析を通じて、高精度な乳がん診断支援、AI判断根拠の説明可能性の提供、及び臨床応用の促進を目指している。具体的には、診断医の読影知見を取り入れた左右差を見越したAIモデル「BilAD」の研究を行い、臨床で予後の判定に重要な間質浸潤予測AIモデルの研究も進めた。また、バイオマーカーであるKi-67発現の予測AIモデルを開発し、これにより患者の治療計画の策定に貢献する情報を提供した。これらのモデルはいずれも高い診断能を示し、今後のAIを用いた乳がん診断の臨床応用において、説明生の担保・結果の堅固性を向上する一助となった。
|
研究成果の学術的意義や社会的意義 |
本研究では、説明可能AIの導入により、医師はAIの判断プロセスを理解しやすくなり、AIの提案する診断に対してより深い洞察を持ち、最終的な医療判断を下す際の透明性と信頼性が向上しました。また、予後予測AIにおいては、Ki-67などの生物学的マーカーを用いて乳がんの攻撃性や治療戦略を早期に予測することで、個別化医療の実現に貢献し、患者の治療成績の向上とQOLの向上を目指します。これらの成果は、精密でパーソナライズされた医療提供を推進します。
|