| 研究課題/領域番号 |
20K18857
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分58010:医療管理学および医療系社会学関連
|
|---|
| 研究機関 | 北海道科学大学 |
|---|
研究代表者 |
谷川原 綾子 北海道科学大学, 保健医療学部, 講師 (50711884)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | MRI / 自然言語処理 / 深層学習 / 検査支援 / 人工知能 / 放射線画像検査 / AI / 放射線画像検査支援 / オントロジー / 機械学習 / 意思決定支援 |
|---|
| 研究開始時の研究の概要 |
放射線画像検査における画像取得から診断までの一連のプロセスを支援する複合型放射線画像検査診断支援システムの開発を目指している。このシステムは、患者の主訴や病歴・治療経過等から、最適なMRIやCTなどの放射線検査の種類やその撮影手法を自動で選択することに加え、撮像された画像を知識ネットワークと画像処理技術を組み合わせた画像診断システムに入力することで、説明可能な画像診断結果の提示を行うことも可能となる。今回の研究期間内では、人工知能技術を用いて、最適な撮影方法を提示するための手法について検討を行う。
|
| 研究実績の概要 |
放射線画像検査における画像取得から診断までの一連のプロセスを支援する複合型放射線画像検査診断支援システムの開発を目指している。このシステムは、患者の主訴や病歴・治療経過等から、最適なMRIやCTなどの放射線検査の種類やその撮影手法を自動で選択することで、取得される画像の質・診療の質の向上を実現する。
これまで、人工知能技術Encoder-Decoderを利用した最適MRI検査プロトコル推薦ツールの開発を進めてきた。このシステムは、依頼科医師が作成したMRI検査依頼書の記載内容から最適なMRI撮影プロトコルの予測を行うものである。昨年までは、Encoder-Decoderの最適パラメータの検討をベクトル次元数と学習回数に焦点を当てて検討してきたが、今年度はEncoder-DecoderにICD-10コードを用いた病名・主訴を重視したモデルを組み込んだツールを組み込み、精度評価を行った。放射線科医の指示と比較した結果、脳MRIにおける造影検査では60.35%、非造影検査では66.16%の精度となり、従来のEncoder-Decoderモデルのみと比べると10～25％精度が上昇した結果となった。
上記と平行して、MRI検査関連文書を対象とした固有表現抽出器の開発も進めている。このツールは、文字列一致アルゴリズムにて病名を検出し、その病名にICD-10コードを付与する。公開されている形態素解析器と医学辞書用いた固有表現抽出法(従来法)と、本研究にて開発している固有表現抽出器の精度を、MRI検査依頼書を使用して評価した。その結果、従来法のPrecision、Recall、F-measureは66.3％、93.2％、77.5％、本研究で開発した手法は、それぞれ、91.6％、95.0％、93.2％となった。本研究で開発した固有表現抽出器が有用であることが示された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本年度は、これまでに開発した最適検査プロトコル予測ツールと、既存オントロジーを用いた病名、症状、画像所見等に関するナレッジモデルを融合したシステムを構築し、このシステムの精度評価を行う予定であったが、最適検査プロトコル予測ツールの改良に時間を要し予定通りの進捗とならなかった。
|
| 今後の研究の推進方策 |
今年度は、最適検査プロトコル予測ツールと、既存オントロジーを用いた病名、症状、画像所見等に関するナレッジモデルを融合したシステムの構築とその精度評価を行う。
|
