| 研究課題/領域番号 |
22K12848
|
|---|
| 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90130:医用システム関連
|
|---|
| 研究機関 | 昭和大学 |
|---|
研究代表者 |
加藤 正子 昭和大学, 医学部, 講師 (90791773)
|
|---|
| 研究分担者 |
吉村 清 昭和大学, 大学共同利用機関等の部局等, 教授 (30346564)
伊藤 芳紀 昭和大学, 医学部, 教授 (80501840)
西村 恵美 昭和大学, 医学部, 助教 (80813146)
小林 玲 昭和大学, 医学部, 助教 (90837147)
村上 幸三 昭和大学, 医学部, 准教授 (90439472)
関本 篤人 昭和大学, 医学部, 助教 (00897267)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024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: 260千円 (直接経費: 200千円、間接経費: 60千円)
2023年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2022年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
|---|
| キーワード | 食道癌 / リンパ節転移 / AI / 予後予測 / 画像 / 転移学習 / 食道がん / 放射線治療 / バイオマーカー |
|---|
| 研究開始時の研究の概要 |
再発時の画像診断により予後予測が可能となれば,最適な治療法(放射線治療,化学療法,免疫療法,その他)を選択できる可能性がある.我々は,制御例と非制御例をAIシステムで解析し,予後予測を支援するシステムを開発することとした.本研究は,世界中で類を見ない画像によるバイオマーカーを作成することから高い独自性を有している.本研究により,画像による新規バイオマーカーを開発し日本初の新しい治療効果予測マーカーとして治療方針決定に寄与し,最終的には診断支援ソフト化して広く利用する.このシステムの開発は,他の悪性腫瘍にも応用可能な発展性のある研究と考えられる.
|
| 研究実績の概要 |
2022-2023年度の研究解析結果を踏まえて、2024年度は放射線治療の計画時に設定された照射対象領域のROI情報(PTV、CTVなど)を利用して、計画CT画像全体を評価対象とし、再度の検討を企図した。しかし、画像データ収集に一部遅れが生じており、十分な成果には至っていない。主な要因として、対象データの画像の扱いに対する技術的課題、患者背景のばらつきが挙げられる。昨年度の結果から、症例数の限られた疾患においては、データのクラス不均衡がAIモデルの精度向上を妨げていると考えられる。
一方で、ここ1年で生成AIの目覚ましい発展を目の当たりにし、AI関連の共同研究者である関本と共に様々な手法を試す機会に恵まれた。本研究期間中に得られた知見をもとに、従来手法の限界を乗り越える新たなアプローチの可能性として、StyleGANやStable Diffusionといった生成AIを用いて、実際のCTまたはMRI画像から得られた画像の特徴を学習し、非実在の「フェイク医療画像」を生成、利用方向を検討している。
初年度以降の研究で得られた「小規模データセットでも高精度な予測を実現するための画像前処理手法」や「匿名化DICOMの取り扱いに関する知見」を応用し、本研究では新たに生成画像を活用したデータ拡張による学習性能の改善を図る。これは、過去の知見を単に踏襲するだけでなく、実用性・一般化可能性を高めた発展的アプローチである。
|
| 現在までの達成度 |
現在までの達成度
4: 遅れている
理由
画像データの扱いに慣れておらず、時間を要しているため。
また、患者背景のばらつきおよび画像部位や大きさ、形態、造影の有無などの複数因子が異なっている集団のため、一定の傾向を見出すのが困難であったため。
加えて、引き続き人員の配置が難しく、研究時間の捻出が困難であったため。
|
| 今後の研究の推進方策 |
生成AI技術の発展を利用し、「フェイク医療画像」を生成、活用する方向を検討している。複数の画像を活用することで、症例数を補い、AIモデルの精度向上と予後予測への応用可能性を検証する。この新たな視点は、今後の研究の方向性を大きく前進させるものであり、当初の目的達成に向けた有力な突破口となると考えている。
今後はこの案をもとに、実証実験の準備と体制の再構築を図り、研究の加速を目指す。
|
