| 研究課題/領域番号 |
20K16772
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
橋本 正弘 慶應義塾大学, 医学部(信濃町), 助教 (20528393)
|
|---|
| 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 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | AI / 人工知能 / 画像診断 / 腎癌 / 深層学習 / 説明可能 / 腎腫瘤 |
|---|
| 研究開始時の研究の概要 |
本研究では、複数の施設で撮影された腎腫瘤のCTおよびMRI画像に対し、腎腫瘤診断を専門とする放射線科医が考えている腎腫瘤画像所見の特徴を検討し、1例1例について画像診断専門医による詳細で質の高い教師データを作成し、深層学習技術を用いて診断方法の標準化を見据えた「診断根拠提示可能なAI」の開発を目指す。
|
| 研究成果の概要 |
本研究の目的は、診断根拠を説明可能な腎腫瘍鑑別画像AIである。データとして、国内6施設から、病理診断で診断が確定した腎癌304症例、病理診断（生検含む）で診断が確定した脂肪成分の少ない血管筋脂肪腫12例を収集した。2人の放射線診断専門医が、腎および腫瘍部分のsegmentation教師データを作成された。さらに所見の説明の教師データも作成した。
まず、3D-Unetを用い、腎腫瘍部分のsegmentationするモデルを作成した。病理診断の分類タスクではInception-v3、ResNet、3D ResNetでは3D ResNetの精度が高かった。
|
| 研究成果の学術的意義や社会的意義 |
画像診断において、病変検出をサポートするAIは多く販売されているが、病変の診断をサポートするAIはまだ製品化されていない。これはAIの出力に対して診断医が納得できる説明が伴わないことが一因と考えている。
本研究で開発したAIは、腎腫瘍の検出とsegmentationをした後に、腎腫瘍の病理診断を予測するモデルであるが、同時にCT画像の所見の説明を出力できる設計とした。病理診断予測は一定程度の精度が得られたものと考えられる。一方、所見の説明精度は実用化には足りないものの、製品化に向けて必要な機能の実現可能性を示す事ができたことは意義深いと考えられる。
|
