| 研究課題/領域番号 |
24K10841
|
|---|
| 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 | 福島県立医科大学 |
|---|
研究代表者 |
山尾 天翔 福島県立医科大学, 保健科学部, 助手 (70825827)
|
|---|
| 研究分担者 |
三輪 建太 福島県立医科大学, 保健科学部, 教授 (40716594)
上高 祐人 地方独立行政法人東京都健康長寿医療センター(東京都健康長寿医療センター研究所), 東京都健康長寿医療センター研究所, 技術員 (80911627)
松田 博史 一般財団法人脳神経疾患研究所, 南東北創薬・サイクロトロン研究センター, 所長 (90173848)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024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)
2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | コンピュータ支援診断 / アミロイドPET / 人工知能 / 深層学習 / データ分散型学習 / 分散型学習 / 診断支援システム |
|---|
| 研究開始時の研究の概要 |
人工知能（AI）研究は多施設共同研究により多量の学習データを確保するが、機密性の高い患者データを施設間で共有するため、プライバシーの観点から問題がある。連合学習では撮像した画像をその施設専用の学習用データとして利用し、多施設の学習結果のみをサーバーで統合することでAIモデルを開発するができる。施設外への画像の伝送（患者データの共有）が不要となる利点があり、医療分野におけるAI開発の標準手法となることが期待される。
|
| 研究実績の概要 |
人工知能を用いたコンピュータ支援診断システム（CAD）は医用画像診断の精度向上や効率化に不可欠な技術である。しかし、深層学習モデルの高い信頼性を得るためには膨大な学習データを必要とするため、多施設共同研究の推進が求められている。一方で、医療画像には極めて高い機密性が伴い、プライバシー保護や倫理面の規制がデータ共有の障壁となっている。そこで、本研究ではデータ分散型学習手法を導入し、各施設内でモデル学習を実行したうえでパラメータのみを共有することで、患者の生データを外部に流出させることなくCAD開発を実現するアプローチを採用した。
本研究の目的は、アルツハイマー病（AD）治療薬の適用判定や薬理効果のモニタリングに重要なアミロイドPET検査において、複数種類のPET製剤に対応可能なCADを構築することである。現在臨床で用いられている[11C]PiB、[18F]NAV4694、[18F]Florbetaben、[18F]Flutemetamol、[18F]Florbetapir の5種類のPET製剤を対象とし、製剤間の特性差を吸収できる汎用的な深層学習モデルの開発を目指す。
本年度はまず、GAAINで公開されている289症例のアミロイドPETデータを取得し、学習用データ（80％）と評価用データ（20％）に分割した。次に、3D VGG-16、3D ResNet（10/18/34/50/101層）および3D EfficientNetV2 の各モデルを実装し比較検討を行った結果、3D ResNet-50を最適なアーキテクチャとして選定した。評価ではAD群および若年対照群（YC）それぞれについて平均絶対誤差（MAE）を算出し、AD群では[11C]PiBで8.54、[18F]NAV4694で8.66、YCではそれぞれ2.61および3.56という良好な結果を得た。
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
当初では2024年度中に各施設でのモデル学習を開始する予定であったが、データ分散型学習のためのパラメータ共有システム構築の探索に時間を要している。
|
| 今後の研究の推進方策 |
各施設でのアミロイドPETデータを収集する。従来のデータ集約型モデル構築法とデータ分散型モデル構築法を実施し、予測精度を比較する。
|
