| 研究課題/領域番号 |
21K15936
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分53010:消化器内科学関連
|
|---|
| 研究機関 | 近畿大学 |
|---|
研究代表者 |
米田 頼晃 近畿大学, 医学部, 特命准教授 (20734685)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2025年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2024年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2021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 | Artificial intelligence / Colon polyp / Colon cancer / CNN / Residual network / 大腸ポリープAI自動診断 / 人工知能 / CNNシステム / AI / コンピューター自動診断 / 大腸ポリープ / 大腸癌 |
|---|
| 研究開始時の研究の概要 |
人工知能を用いたコンピューター補助下自動診断には現行の内視鏡診断の欠点を克服できる可能性がある。申請者らは畳み込みニューラルネットワーク(Convolutional neural networks: CNN)システムを大腸ポリープのAI自動診断に世界で初めて導入した。申請者らが開発した大腸ポリープに対するAI内視鏡自動診断システムは全ての内視鏡検査医が使用できるという点で汎用性に優れている。そこで、本研究では申請者らが開発した大腸ポリープに対するAI内視鏡自動診断システムの正診率の向上を通じて、本システムの臨床応用を目指す。
|
| 研究実績の概要 |
I(人工知能)を用いたConvolutional Neural Network(CNN)技術がここ5年で進化し，このAI技術を組み合わせることで診断精度を高めることが目標である。通常 の大腸内視鏡スコープにて拡大内視鏡観察で撮影された内視鏡動画を用いて，オリジナルの1stモデルCNNシステムを作成した (Komeda Y. Handa H et aL Oncology 2017)。正診率が75%のため正診率の向上のために正常粘膜を加えた，さらなる症例画像の深層学習に加えて新CNNシステムのResidual networks(ResNet) を採用した新CNNシステムを用いた大腸ポリープAI自動診断モデルを作成した。
2010年1月から2017年12月までに当施設で実際に通常の大腸内視鏡スコープを用いて拡大内視鏡観察で撮影された5mm前後の大腸ポリープ146例の 撮影動画を用い て55998枚のイメージ像(腺腫，過形成性ポリープ，正常粘膜)を それぞれ28,558枚，12,320枚、5,120枚をそれぞれ用いて，それらをAIに深層学習させた，各画 像のサイズは256×256ピクセルに調節し10倍のcross- validationを行った.のちに今回学習させていない6,222枚を用いて鑑別診断させ診断能を評価した、内視鏡診断のGold standardは病理結果とした，ポリープを自動検出したあとに数秒で識別診断を行い，診断可能性についてリアルタイムにパーセンテージを表小し最終的に最も可能性の高いポリープを最終診断した，
今回、3クラス分類では「癌」と「腺腫」を陽性、「過形成性ポリープ」を陰性としたところ3クラス分類の検証結果は正診度90.9%、感度97.4%、特異度81.1%となった。 新規AIシステムのEfficientNetに変更することで、従来のResNetよりほぼ全ての指標において精度が向上した。過形成性ポリープ、腺腫、癌の3クラス分類でも良い成績が得られた。正診率が90％を越えてきたので実用化に向けて取り組みたい。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
理由 計画書通りに研究が進行しているため。
|
| 今後の研究の推進方策 |
現在、大腸癌モデルを加えた大腸ポリープの過形成性ポリープ、腺腫、大腸癌の3クラス分類のAI自動診断システムを作成できたので年内に論文発表の予定である。
|
