| 研究課題/領域番号 |
24K10918
|
|---|
| 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 | 帝京大学 |
|---|
研究代表者 |
古徳 純一 帝京大学, 医療技術学部, 教授 (70450195)
|
|---|
| 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: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2024年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 人工知能 / 医療AI / 因果推論 |
|---|
| 研究開始時の研究の概要 |
本研究の目的は，因果関係を内包した医療AIの開発です．医療のような失敗がゆるされない環境で，それらしい説明の文章を作成するだけの大規模言語モデルをそのまま信用して使用することはできません．医師をはじめとする医療スタッフが医療AIを道具として安心して医療を進めるためには，因果関係を取り込んだ説明可能性は必須の事項です．本研究では，医療用深層因果モデルの開発や生活習慣病の因果関係を推定する数理モデルの開発，少数画像でも分類性能が落ちない学習方法の開発を行い，医療現場で医師が安心して判断の根拠の一つとして使えるような，因果関係を内包した医療AIの技術の開発を目指します．
|
| 研究実績の概要 |
本研究の目的は，因果関係を内包した医療AIの開発である．医療のような失敗がゆるされない環境で，大規模言語モデルをそのまま使用することはできない．医療スタッフが医療AIを道具として安心して医療を進めるためには，因果関係を取り込んだ説明可能性は必須である．本研究では，1）医療用深層因果モデルの開発 2）生活習慣病の因果関係を推定する数理モデルの開発を行い，医療現場で安心して判断根拠の一つとして使えるような，因果関係を内包した医療AIの技術の開発を目指す．今年度は，そのための基礎技術の開発を行った．
1.今年度の大きな成果は，因果推論を取り込んだ大阪府の歩行アプリを用いたデータと健康診断データを用いたデータから，長期の歩行運動の変化が，体重の増減に影響を与えることを，因果関係を取り込んだ時系列モデルのクラスタリングデータから明らかにしたことである．この結果は，第129回医学物理学会で発表し，現在論文投稿準備中である．
2．LAMP法は、等温条件下での遺伝子増幅技術であり、PCRと比較して高い性能（感度/特異度/迅速性/簡便性）を有するが，効率的な増幅を行うためには，複雑な設計が必要であり，実験に時間がかかる欠点があった．我々のグループでは，この欠点を克服するため，物理的な因果関係に基づき，LAMPの高増幅に起因する予測因子を同定した。
3．放射線治療時に使用するコーンビームCTは，複数回にわたる治療時の最新の体内情報を取得できる反面，画質が粗いことが問題だった． この問題に対し，コーンビームCT画像と治療計画CTの一組の画像のみで画質改善可能なワンショットニューラルネットワークを開発した． 従来のように大量の低画質画像と高画質画像を用意して機械学習を行う必要がないというメリットがあり，今後のモデル開発の基盤となりうる．
これらの結果を，論文3件，学会発表7件，分担翻訳1件として発表した．
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
現在までのところ，大規模医療時系列データを使った肥満への因果的アプローチを使った解析は一通りの結果が出ており，論文投稿準備中である．放射線画像に対して因果構造を取り込んだ研究についても今年度の秋の医学物理学会で発表予定である．
|
| 今後の研究の推進方策 |
今後は，放射線画像そのものを使った因果モデルの開発にも取り組んでいく．今年度の秋に画像を使った因果モデルの発表を行う予定である．
|
