| 研究課題/領域番号 |
23K08783
|
|---|
| 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56030:泌尿器科学関連
|
|---|
| 研究機関 | 京都府立医科大学 |
|---|
研究代表者 |
金子 正大 京都府立医科大学, 医学(系)研究科(研究院), 客員講師 (60973807)
|
|---|
| 研究分担者 |
小西 英一 京都府立医科大学, 医学(系)研究科(研究院), 准教授 (50186714)
浮村 理 京都府立医科大学, 医学(系)研究科(研究院), 教授 (70275220)
藤原 敦子 京都府立医科大学, 医学(系)研究科(研究院), 講師 (20457980)
白石 匠 京都府立医科大学, 医学(系)研究科(研究院), 助教 (70405314)
上田 崇 京都府立医科大学, 医学(系)研究科(研究院), 助教 (50601598)
山田 剛司 京都府立医科大学, 医学(系)研究科(研究院), 助教 (20453095)
清水 輝記 京都府立医科大学, 医学(系)研究科(研究院), 客員講師 (90530361)
井上 裕太 京都府立医科大学, 医学(系)研究科(研究院), 助教 (20898499)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2025年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 尿路上皮癌 / 尿細胞診 / 深層学習 / コンピュータ支援診断 / computer vision |
|---|
| 研究開始時の研究の概要 |
本研究の概要は、膀胱がんや腎盂尿管がんの診断、経過観察に広く用いられている尿細胞診検査のスライド画像を人工知能(AI)に解析させることで、検査に携わる病理技師および病理医の業務を軽減し、高速高精度高信頼性の尿細胞診診断支援を行うAIを実用化する。どこの施設でも利用可能なAIを開発するため、国外の施設を含む多施設での検証試験を実施し、一定した性能を実証することで、一般の医療現場で利用可能な、尿細胞診検査の診断支援AIを世界で初めて実用化する研究である。本AIはデジタル化したスライドを評価するため、地理的に離れた施設での遠隔診断支援への応用も期待される。
|
| 研究実績の概要 |
1st Phaseで作成した細胞単位尿細胞診診断支援Artificial Intelligence (AI)を発展させた。研究の2nd Phaseとして、京都府立医科大学で収集した181枚の尿細胞診スライドによりAIをさらに訓練し、組織診断の直前に採取した171枚の尿細胞診スライドを正解データとして使用し、組織学的な高悪性度尿路上皮癌の有無を尿細胞診スライドから判定するAIを開発した。AIは曲線下面積 0.78、感度63%、特異度83％、平均スライド評価時間139秒と優れた性能を示した。細胞病理医の尿細胞診評価との比較においては、AIは感度において優位に上回り、なおかつ特異度および正診率では病理医と同様の性能を示した。また、本AIは病理医の診断を支援するために、AIの判定根拠となった高悪性度尿路上皮癌疑い細胞を一覧表示し病理医に提示することで、AIによる判定過程がブラックボックス化することを防いでいる。このような説明可能性・透明性はAIの臨床応用においては必須の重要な特性である。
3rd Phaseとして、多施設後ろ向き/前向き外部検証研究に着手している。京都府立医科大学ほか、外部施設（国内３施設＋国外１施設）にて尿細胞診スライドを収集している。よりロバストなAIを開発するためなるべく多くの施設からスライドを収集することが望ましく、国内外部施設を予定より増やし研究を実施している。外部検証の予備的な結果では、内部検証と同様に、感度で病理医を上回り、特異度と正診率で病理医と差のない優れた性能を示した。
外部検証でも性能を維持する、汎化性能を持った、高性能かつ透明性のある尿細胞診診断支援AIが構築されており、臨床応用への準備が整いつつある。
|
| 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
細胞単位の尿細胞診診断支援AIを開発する1st phase、スライド単位の尿細胞診診断支援AIを単施設のデータから開発する2nd Phaseを成功裏に終え、現在、多施設のデータを学習し、訓練データに含まれていない外部施設のデータで尿細胞診診断支援性能を評価する、後ろ向き/前向き外部検証研究を進めている。1st, 2nd Phaseで学習・検証データとして用いた京都府立医科大学からの尿細胞診スライドのほか、外部施設（国内３施設＋国外１施設）にて倫理委員会の審査を経て、尿細胞診スライドを収集している。京都府立医科大学からは400枚以上、国内外部施設からは合計300枚以上、国外外部施設からは200枚以上のスライドを収集済みである。AIの性能面においても、臨床的に重要な感度において病理医の性能を外部検証で上回りつつ、特異度および正診率では病理医と差のない性能を維持している。AIアルゴリズムの最適化により、より軽量なモデルを構築し高速な演算性能も実現している。以上のように、順調に研究を遂行している。
|
| 今後の研究の推進方策 |
今後は、協力施設をさらに増やし、さらに多くの尿細胞診スライドを多数の施設から集め、AIの更なる訓練と検証に使用することで、AIの性能を高める。国外データを含む外部検証研究によって、あらゆる施設・検体処理法に対応した本AIの汎化性能を証明する。完成したAIを用いた多施設前向き試験を行い、主要評価項目としてAIの尿細胞診診断とその後の組織学的な尿路上皮癌確定診断との相関、副次評価項目として病理医単独あるいはAI支援下病理医の診断性能との比較、予後との相関、AIの診断性能に影響を及ぼす因子など、AIの性能を多角的に検証・実証する。以上の検証を経て、臨床応用が可能な、尿細胞診診断支援AIが完成する。
|
