| 研究課題/領域番号 |
21K15843
|
|---|
| 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 | 名古屋大学 |
|---|
研究代表者 |
伊藤 倫太郎 名古屋大学, 医学系研究科, 特任助教 (80813336)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 人工知能 / 自然言語処理 / 画層診断報告書 / 放射線医学 / 画像診断報告書 |
|---|
| 研究開始時の研究の概要 |
画像診断を行う放射線科読影医にとってCTやMRIなどの画像の読影を行い、診療を行う医者に必要な情報を提供することが主要な仕事の一つです。多種多様な画像、経時的な画像変化、臨床情報を含めた文書情報を把握した上で、報告書を作成する必要があります。日常的に大量の画像診断報告書を記載する必要があり、1件あたりに時間をかけて読影を行うことは難しいのが現状です。本研究では2018 年末にGoogle 社の発表したBERTを始めとする最先端の自然言語処理技術を画像診断に適応するものです。AIを使用した自然言語処理を用いて画像診断報告書の解析を行い、業務の補助となる最適な情報の提供について検討します。
|
| 研究実績の概要 |
放射線科読影医にとって医用画像の読影を行い、臨床医に最適な情報を提供する画像診断報告書を作成することが主要な職務の一つである。その際には多種多様な画像、経時的な画像変化、臨床情報を含めた文書情報を把握した上で、報告書を記載する必要がある。しかし、放射線科読影医は日常的に大量の画像診断報告書を記載する必要があり、1件あたりに時間をかけて読影を行うことは難しいのが現状である。本研究では2018 年末にGoogle 社の発表したBERT (BidirectionalEncoderRepresentations from Transformers) を始めとする最先端の自然言語処理技術を画像診断学に適応するものである。AIを使用した自然言語処理を用いて放射線画像診断報告書の解析を行い、診断の補助となる最適な情報を提供することを目的とする。
2022年度には名古屋大学医学部附属病院の過去の画像診断報告書の抽出と解析を継続して行った。2021年に作成したデータベースからPET 36024件、RI 70430、MRI 335864件、CT 721217件と分割した。これらに対して画像診断のデータベースの作成と修正、既存モデルにおける解析を行った。また、頻出単語の解析を行い、モダリティ別の頻出所見および解剖学的用語の抽出を行った。自然言語モデルを使用して、所見からImpressionの表現、所見から体系的な所見の抽出、Impressionや所見から病勢評価の評価を行っている。
自然言語処理技術を含めた人工知能技術について情報収集を行い、解析を行った。これらの解析を通して得られた知見を通して、招待講演を4つ、寄稿を2つ行った。これらを通して医学分野におけるAIの技術的、知識的な普及に広く貢献した。
|
| 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
データベース作成を行い、モデルのテスト評価・本格評価を行っていました。しかし、2022年11月にChat-GPTが発表されました。自然言語処理に飛躍的な進歩が見られ。試験的に使用してみたところ、既存のモデルより遥かに精度上昇が見られました。Chat-GPTをベースとしたモデルの再構成、検討のやり直しを行っています。
|
| 今後の研究の推進方策 |
Chat－GPTを用いたモデルを作成し、現在解析を行っている最中である。本年度中に解析をまとめ、発表、論文投稿を行う予定である。
|
