| 研究課題/領域番号 |
22K09355
|
|---|
| 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56020:整形外科学関連
|
|---|
| 研究機関 | 岡山大学 |
|---|
研究代表者 |
那須 義久 岡山大学, 大学病院, 助教 (30756101)
|
|---|
| 研究分担者 |
中原 龍一 岡山大学, 大学病院, 助教 (30509477)
|
|---|
| 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 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 病理AI / 関節リウマチ / AI |
|---|
| 研究開始時の研究の概要 |
関節リウマチにおける滑膜病理組織検査に人工知能（AI）を活用することで実用的な病理診断方法を開発することを目的とする。関節リウマチおよび変形性関節症に対する関節外科手術の際に採取した関節滑膜の組織病理画像をラベリングし、グラフニューラルネットワークを用いて学習を行うことで、局所的・大域的組織所見によるAI診断・重症度判定の精度を検討する。
|
| 研究実績の概要 |
50サンプルの関節リウマチ滑膜と30サンプルの変形性関節症の滑膜からWSI（Whole slide imaging）取り込み装置で画像データを取得し、独自作成したラベリングシステムで滑膜領域のラベリングを行った。また画像の質にばらつきがあったため、データの質とラベル精度の向上に努めた。
計画ではグラフニューラルネットワークを用いた解析を進める予定であった。しかし2022年から出現した大規模言語モデルによって画像AI研究は大きく変わった。大規模言語モデルは言語だけでなく画像データを扱うことも可能となり（MMLLM:Multimodal Large Language Model）、注目点をプロンプトとして付与することで画像データをグラフのように扱うことも可能となった。そのためグラフニューラルネットワークを用いなくても、MMLLMにグラフ化された注目点をプロンプトとしてあたえることで、類似の性能を得るだけでなく、可視化も可能となり世界的な研究が進んでいる。これらの理由から我々はグラフニューラルネットワークを用いた手法からMMLLMを用いた手法に変更した。
AI画像研究が診断からAIに数値化された数値の利用に変わりIndicaLabsをはじめとした数値化可能な病理AIシステムが欧米で利用されている。我々は病理AIの数値化システムを応用することで関節リウマチと変形性関節症の鑑別につなげることができるかの予備的実験を前年に引き続き行った。しかしこの手法は限界があることが判明し、大規模言語モデル＋画像モデルの進展の方が早いことから、大規模言語＋画像モデルの手法に集中している。
|
| 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
以下について概ね計画通り実施できたため．
① データの収集及び継続的なデータ収集システムの構築
② グラフニューラルネットワーク研究から画像＋大規模言語モデル＋注目点をグラフ化したプロンプトへの変更
③ 新しい挑戦として病理AIシステムを利用した数値化を行ったが、この手法には限界があることが分かった
|
| 今後の研究の推進方策 |
グラフニューラルネットワークを用いた大域的解析は、大規模言語モデル＋画像（MMLLM:Multimodal large language model）でグラフプロンプトを用いる手法に変わりつつあるため、MMLLMを用いた手法を発展させる予定である。
|
