「正常らしさ」の学習による異常検知と「教習型」構造を持つ画像診断システムの開発

• 研究課題/領域番号: 22K07674
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分52040:放射線科学関連
• 研究機関: 順天堂大学
• 研究代表者: 和田 昭彦 順天堂大学, 医学部, 准教授 (90379686)
• 研究分担者: 明石 敏昭 順天堂大学, 医学部, 准教授 (40623492) ; 齋藤 尚子 順天堂大学, 医学部, 准教授 (60366341) ; 小杉 康夫 順天堂大学, 医学部, 助教 (90645235)
• 研究期間 (年度): 2022-04-01 – 2025-03-31
• 研究課題ステータス: 交付 (2023年度)
• 配分額: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円); 2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
• キーワード: 機械学習 / 頭頸部癌 / 異常検出 / 画像診断 / ビッグデータ / 注意機構 / 人工知能（AI) / 説明可能なAI

研究開始時の研究の概要

本研究では、人工知能技術(AI)のブラックボックス化への対策として、内部構造の可視化とともに「教習」型の学習改善機構を開発して、医用画像の信頼性の向上を目指す。大量データから「正常らしさ」を学習させて異常検知を行い、人間が学習内容を修正する「教習型」学習をわさせて医用画像AIの精度・信頼性向上を目指す。

研究実績の概要

研究2年目の今年度は、以下の項目を進行させている。
データ前処理の研究：自施設でのデータ収集と機械学習モデルの初期開発、学習データに利用できる施設外データ（public dataとして公表されているもの）を利用して効果的なデータ前処理について検討している。MRIでの数のコントラスト、連続した2次元データを3次元データとして取り扱って異常検出と高い識別精度を得る手法の模索を行っている。この分野での技術の進歩、新規技術開発の速度は速く、医用画像以外の分野からも幅広い領域で情報収集することを心がけている。
学習データの作成：頭頸部癌の画像データセット作成とともに協同研究者とともに 臨床診断・経過などのデータ収集、各症例での原病変の進展程度やリンパ節転移のAI学習データ収集、また進行度、病理診断による症例のグループ分けの適用についても検討中である。
機械学習モデルの作成：画像認識モデル の構築では、当初は頭頸部で頭尾方向に広がる構造の特徴を記憶する機構であるLong Short Term Memory の適用を予定していたが、3Dデータを直接扱う3次元畳み込みや時系列情報に特化した特徴抽出の方法などの新規情報も得て、時系列データの扱いの経験の蓄積、スキルアップを行い、本研究の進行の円滑化を目指している。
ビッグデータの使用に向けて：J-MIDからのビッグデータ収集に関しては、現実的な量のデータ収集には至っていないが、担当者との今後の進捗について打ち合わせ・技術分野の検討を続 けている。

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

2年目の今年度は、自施設でのデータ収集と機械学習モデルの初期開発、学習データに利用できる施設外データ（public dataとして公表されているもの）を利用して効果的なデータ前処理について検討している。その他の項目は前年度の内容を継続し、ほぼ予定通り進行している。後方視的な症例検索を用いた自施設でデータ収集は目標の50%を達成している。また研究に利用できるアノテーション情報が負荷されたpublic dataの入手が可能となっており、新たにこれらの活用についても検討中である。
attention networkを組み込んだ画像認識モデルの開発は継続、さらに新規技術の導入の可能性についても模索している。J-MIDからのビッグデータ収集については、システム構築、データ前処理について共同研究者と取り組み中である。

今後の研究の推進方策

機械学習、画像認識の分野での技術発達、新規技術は著しく、研究計画の時点では想定していなかった技術の発表や新規に利用できるサービスが出現している。いわゆる生成AIを研究に導入して、研究速度を加速させたり、これまで検討されていなかった新たな発想を取りこむ事例が報告されている。本検討にもこれらの新たな情報、技術を導入して、研究遂行に利用して行きたいと考えている。