| 研究課題/領域番号 |
21K19462
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分52:内科学一般およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
加藤 元博 東京大学, 医学部附属病院, 教授 (40708690)
|
|---|
| 研究分担者 |
出口 隆生 国立研究開発法人国立成育医療研究センター, 小児がんセンター, 診療部長 (70345990)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2022年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2021年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
|
|---|
| キーワード | 癌 / 白血病 |
|---|
| 研究開始時の研究の概要 |
白血病の治療には、白血病を正確に診断し、それぞれの分類に最適な治療骨格と強度を選択することが重要である。しかし、白血病の診断技術は専門性が高く、その精度が診療の内容に直結し、治療成績の向上や臨床研究の質の担保に必要である。
本研究は、「人工知能（AI）に白血病の診断情報を学習させることで、精密な白血病細胞の判定と分類が可能である」という仮説のもと、AIに表面マーカー解析結果や骨髄塗抹標本画像などの診断情報を学習させることで、「精密な診断を行うAI診断支援技術の確立」を試みる。
|
| 研究成果の概要 |
本研究は、AIに表面マーカー解析結果による診断情報を学習させることで、「精密な診断を行うAI診断支援技術の確立」を試みた。
750人の小児白血病の免疫診断情報を用い、確定した白血病の診断分類の情報を教師データとして学習させた。AIによる診断分類の正解率は99%を達成できた。また、AIによる判定時間は医師による診断より短いことが示された。
表面マーカーのパターンから白血病細胞のもつ融合遺伝子などの有無を76%～90%の一致率で推定できた。さらに、explainable AIとすべく、それぞれの免疫診断やゲノム異常の分類に、どの表面マーカーを重要としているかを確認できた。
|
| 研究成果の学術的意義や社会的意義 |
白血病の治療には、白血病を正確に診断し、それぞれの分類に最適な治療骨格と強度を選択することが重要である。しかし、白血病の診断技術は専門性が高く、その精度が診療の内容に直結し、治療成績の向上や臨床研究の質の担保に必要である。本研究では、専門医の診断をAIで支援させることの実行可能性を確認した。開発した診断システムの性能をさらに向上させ、一般化し診療実装に向けるために臨床研究を開始する予定である。
|
