• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

体腔液細胞診におけるAI診断の開発-細胞像変化への対応と標本作製技術の検討-

研究課題

研究課題/領域番号 21K18077
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
研究機関名古屋大学

研究代表者

池田 勝秀  名古屋大学, 医学系研究科(保健), 准教授 (80568254)

研究期間 (年度) 2021-04-01 – 2025-03-31
研究課題ステータス 交付 (2023年度)
配分額 *注記
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
キーワード体腔液細胞診 / AI / Deep Learning / Liquid-based cytology / 診断
研究開始時の研究の概要

医療分野への人工知能技術の導入に注目が集まっている。がんの判定・診断を行う細胞診検査においても、子宮頸部領域でのAI診断の研究が進められている。しかし、子宮頸部以外の領域における研究は少い。本研究では、全身のあらゆる臓器の悪性細胞が出現し得る体腔液領域を対象とし、ディープラーニングによるAI診断システムの開発を行う。システムの構築においては、標本作製法の検証を行うことで、診断精度の高い作製法を特定し、処理溶液による診断精度への影響も検証していく。

研究実績の概要

これまで、細胞診の深層学習モデルを作成する過程においては、細胞処理溶液や標本作製方法が細胞検出精度に多大な影響を与えることを報告してきた。今年度は染色方法、標本撮影倍率に関して、AI精度との関係性を検討した。また、一般的に行われている物体検出に加え、物体の領域まで抽出することが可能なインスタンスセグメンテーションによる細胞検出・分類を行い、精度の高い学習モデルの作成条件を明らかにした。本内容は、American Journal of Clinical Pathologyに投稿し、受理された(Staining, magnification, and algorithmic conditions for highly accurate cell detection and cell classification by deep learning)。さらに、上記内容を、第64回日本臨床細胞学会春期大会(2演題)、第62回日本臨床細胞学会秋期大会(1演題)で発表を行った。
ここまで明らかにした条件をもとに、臨床検体の体腔液試料へ応用を進めている。本学附属病院の倫理申請後、過去の標本を含めた患者標本を収集し、深層学習モデルを作成するための画像収集を行った。体腔液試料475症例(内訳:肺癌63例、胃癌38例、大腸癌10例、卵巣癌64例、膵臓癌51例、乳癌14例、子宮癌33例、胆嚢・胆管癌15例など)。組織型別では、腺癌358例、扁平上皮癌9例、悪性中皮腫18例を収集し、顕微鏡写真撮影を終えた。この画像を対象に、アノテーション処理を実施している。また、深層学習モデルを作成する際に用いるアルゴリズムとして、YOLOv5, YOLOv7, YOLOX, YOLOv8, Detectron等を実施するPC環境を構築し、各種条件の検証を済ませ、実行に移せる準備が整っている。

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

本年度の目標はAI細胞診の臨床検体への応用であった。臨床検体を使用するために、研究協力機関である名古屋大学附属病院において、倫理審査を実施し、受理された。研究計画に従い、体腔液試料の収集を行い、十分量収集し終えた(475症例:65,266枚)。深層学習モデルを作成するために、教師画像、テスト画像に振分け、アノテーション作業を実施している。アノテーションは300症例に到達している。次年度早々にすべての症例のアノテーションを終了できる見込みである。
深層学習を行うアルゴリズムとして、YOLOv5、YOLOv7、YOLOX、YOLOv8、Detectronを準備した。これらを実施できるようにPC環境を整えている。教師画像が整い次第、ディープラーニングを開始する予定である。
最終年度である次年度には、教師画像、テスト画像が準備でき、体腔液におけるAI細胞診の学習モデルの作成、検証が行える。学会発表、論文報告、終了報告ができると考えている。

今後の研究の推進方策

最終年度である次年度は、教師画像を用いて、YOLOv5、YOLOv7、YOLOX、YOLOv8、Detectronのアルゴリズムにより深層学習モデルの作成を行う予定である。教師画像として300症例、テスト画像として175症例を準備して検証を行う。教師画像は学習画像と検証画像を振り分けるが、複数パターンを準備して、AI精度が高くなる振分けパターンを検討する。
学習モデル作成の際には、良性・悪性の鑑別、原発巣の推定、組織型の推定の3パターンを予定している。それぞれに対して深層学習モデルの作成を行い、テスト画像を用いて検証を行う。これらの結果から、体腔液細胞診における、AI診断の可能性を探る予定である。なお、本研究から得られた知見は、国内学会発表、英論文報告を行い、AI細胞診の有用性や課題を提言する予定である。当初の計画以上に進呈した場合は、さらに症例数・画像枚数を追加して、AI細胞検出・細胞分類の精度向上を図りたい。すでに本研究の終着点がみえており、計画変更や研究遂行上の問題はみられない。

報告書

(3件)
  • 2023 実施状況報告書
  • 2022 実施状況報告書
  • 2021 実施状況報告書
  • 研究成果

    (7件)

すべて 2024 2023 2022

すべて 雑誌論文 (4件) (うち査読あり 4件、 オープンアクセス 1件) 学会発表 (3件)

  • [雑誌論文] Staining, Magnification, and Algorithmic Conditions for Highly Accurate Cell Detection and Cell Classification by Deep Learning2024

    • 著者名/発表者名
      Ikeda K, Sakabe N, Ito C, Shimoyama Y, Toda K, Fukuda K, Yoshizaki Y, Sato S, Nagata K.
    • 雑誌名

      American Journal of Clinical Pathology

      巻: 161(4) 号: 4 ページ: 399-410

    • DOI

      10.1093/ajcp/aqad162

    • 関連する報告書
      2023 実施状況報告書
    • 査読あり
  • [雑誌論文] Effect of Specimen Processing Technique on Cell Detection and Classification by Artificial Intelligence2023

    • 著者名/発表者名
      Maruyama Sayumi、Sakabe Nanako、Ito Chihiro、Shimoyama Yuka、Sato Shouichi、Ikeda Katsuhide
    • 雑誌名

      American Journal of Clinical Pathology

      巻: - 号: 5 ページ: 448-454

    • DOI

      10.1093/ajcp/aqac178

    • 関連する報告書
      2023 実施状況報告書 2022 実施状況報告書
    • 査読あり
  • [雑誌論文] Relationship between a deep learning model and liquid‐based cytological processing techniques2023

    • 著者名/発表者名
      Ikeda Katsuhide、Sakabe Nanako、Maruyama Sayumi、Ito Chihiro、Shimoyama Yuka、Oboshi Wataru、Komene Tetsuya、Yamaguchi Yoshitaka、Sato Shouichi、Nagata Kohzo
    • 雑誌名

      Cytopathology

      巻: - 号: 4 ページ: 308-317

    • DOI

      10.1111/cyt.13235

    • 関連する報告書
      2023 実施状況報告書 2022 実施状況報告書
    • 査読あり
  • [雑誌論文] Relationship between Liquid-Based Cytology Preservative Solutions and Artificial Intelligence: Liquid-Based Cytology Specimen Cell Detection Using YOLOv5 Deep Convolutional Neural Network2022

    • 著者名/発表者名
      Ikeda Katsuhide、Sakabe Nanako、Maruyama Sayumi、Ito Chihiro、Shimoyama Yuka、Sato Shouichi、Nagata Kohzo
    • 雑誌名

      Acta Cytologica

      巻: 66 号: 6 ページ: 542-550

    • DOI

      10.1159/000526098

    • 関連する報告書
      2022 実施状況報告書
    • 査読あり / オープンアクセス
  • [学会発表] LBC標本作製法とディープラーニングモデルの関係性2023

    • 著者名/発表者名
      下山優香・伊藤千尋・坂部名奈子・池田勝秀
    • 学会等名
      第64回日本臨床細胞学会春期大会
    • 関連する報告書
      2023 実施状況報告書
  • [学会発表] LBC保存液とAIの関係:YOLOv5深層CNNを用いたLBC標本細胞検出2023

    • 著者名/発表者名
      伊藤千尋・下山優香・坂部名奈子・池田勝秀
    • 学会等名
      第64回日本臨床細胞学会春期大会
    • 関連する報告書
      2023 実施状況報告書
  • [学会発表] 深層学習における学習細胞数および撮影倍率の違いとAI細胞検出精度の関係性2023

    • 著者名/発表者名
      福田健太・伊藤千尋・下山優香・坂部名奈子・池田勝秀
    • 学会等名
      第62回日本臨床細胞学会秋期大会
    • 関連する報告書
      2023 実施状況報告書

URL: 

公開日: 2021-04-28   更新日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi