| 研究課題/領域番号 |
20K20230
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 順天堂大学 |
|---|
研究代表者 |
堀内 裕紀 順天堂大学, 大学院医学研究科, 准教授 (60867951)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (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)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020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 | 人工知能 / 末梢血血球形態自動分析 / 診断支援システム / 造血器腫瘍 / 異常細胞検出 / 偽陽性 / ロバストネス / 深層学習技術 / 末梢血塗抹標本 / デジタル画像 / 細胞分類 / 異常コメント / 血液形態検査 / 人工知能(AI) / AI自動血球形態解析 / AI造血器腫瘍診断支援 / 骨髄像自動分析システム |
|---|
| 研究開始時の研究の概要 |
血液形態検査は未だ自動化や標準化が確立しておらず、熟練した技術を要し、専門の検査技師や診断医師の不足、偏在化が問題である。どこでも誰にでもより迅速に質の高い検査結果を提供するために、血液形態検査分野にも深層学習技術を用いた人工知能(AI)技術の導入が望まれる。
本研究では、今まで開発してきた末梢血の血球形態を自動で判別する分析システムをベースに、新たに血液疾患の最終診断に最も重要な骨髄像の自動分析システムを開発する。更にこれにより診断・治療支援に活用できる血液疾患自動診断支援システムの構築を目指す。
|
| 研究実績の概要 |
深層学習技術を用いた人工知能 (AI) は、患者数に対する医療従事者不足、専門医偏在化が激化する中で、すべての患者により質の高い医療を提供し続けるための強大な支援力として期待されている。臨床検査分野の血液形態検査は、未だ自動化や標準化が確立しておらず、熟練した技術が必要とされ、専門の検査技師や診断医師の不足が問題である。我々はAI深層学習技術を用いて末梢血の血液細胞形態の高精度自動分析システムを開発してきた。本研究の目的は、AI造血器疾患自動診断支援システムを構築し、その精度を血液病理検査技師や診断医の技術力・診断力に比肩または超越するまで高め、診断の普遍化・標準化・効率化を目指すことである。そのために①末梢血AI血球形態自動解析技術の精度の向上②AI造血器腫瘍診断支援技術の創出 ③骨髄血AI血球形態自動解析技術の創出の大きく3フェーズに分けて研究を進めている。
①約150万デジタル血球画像をAIで学習し、血球を17細胞種に判別、かつ形態の異常があれば形態コメントも付記することでより血球の特徴を詳細に示すシステムを構築。この性能を、日常検体(139378細胞/589標本)を用いて評価した。細胞分類の正確度は97%以上で、造血器腫瘍の存在を疑う芽球が末梢血に出現した標本全118検体についてAIでも芽球の見逃しはなかった。また、標本作成方法が異なっても同様の精度を示すか(AIシステムのロバストネス)も評価したが、特定の腫瘍細胞(形質細胞性白血病)で細胞種の判定に僅かに差を認めた以外は精度に差がなかった。
②①の末梢血AIと自動血球計数装置のデータを組み合わせ、骨髄異形成症候群(MDS)という疾患標本を鑑別する診断支援システムを構築、AUC 0.99でMDS検体を鑑別できた。
③骨髄血AI自動分析システム構築も行っている。骨髄血AIについては現在学習データを作成し構築中である。
|
| 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
全体的にやや遅れている。理由は大きく2点ある。1つ目は、コロナの影響で研究が予定通りに進められなかった時期があったため、全体的に計画が遅れている。ただし、この時期には、同AIシステムを使用したCOVID-19の重症例と軽症例での血球形態の違いについての研究も行った。2つ目は、本AIシステムの評価開始時に、標本作成方法の違いによる差の検証を追加する必要性が生じ、これも追加実施したことによる。その後は順調に進んでいる。
|
| 今後の研究の推進方策 |
今までは、末梢血AIの血球判別性能をより上げること、異常検体の見逃しがないことを中心に研究を進めてきた。今後はその精度を保ちつつ、偽陽性を減らしていく診断支援システムの構築を進める。
また、施設間差に対するロバストネス評価のため、多施設検証も引き続き進めていく。
|
