研究課題
2019年度に50例ほどのCT画像データを用いて、まずは機械が頭部CT各スライスの正常像を学習して、異常所見を異常だと認識できるように学習させ、アルゴリズムを確立することを目指した。位置情報を均一化しなくても異常所見を指摘できるという形を目指すこととした。これにはGAN(敵対的生成ネットワーク)の技術を用いて学習させて機械に正常像を把握させる方法を使った。つまり機械が正解(正常像)にたどり着くまで、ひたすら学習を繰り返すという方法である。令和2年度中には、機械がある程度正常像を把握できる段階まで進んだ。あるスライスの一部を欠損した画像を機械に提示すると、複数回計算を繰り返した後、正常像を補うことができるというものである。しかし、十分な精度には至っておらず、スライス内の部位によっては、骨を十分に再現できなかったり、実質像や脳室などがぼやけたりという問題がある。令和3年度にはこれを解決するためには、さらなる学習が必要と考えられ、画像データを追加し、精度向上のための試行錯誤を繰り返し行った。臨床で求められる必要なレベル(ヒトの目では見逃しやすい微小な所見、薄い所見、周囲の画像と濃度が近い所見など)を設定し、それに到達することを目標とした。令和4年度も同様に精度向上のための試行錯誤を繰り返し行った。また本年度はAI領域での急激な技術革新が生まれたため、方針転換の必要性の検討が必要となった。生成AI(Generative AI)の急速な発展に伴いこれまでと違う視点でのモデルを構築するべきかの調査・検証を行った。並行して人工知能および画像関連研究として、機械学習によるサブクラス分類により抗凝固薬が有効となる可能性があるサブクラスを同定できることを報告した。さらに、患者がどのサブクラスに属するのかを推定するモデルを作成し、ブラウザを用いたアプリケーションを開発し、論文として報告した。
令和4年度が最終年度であるため、記入しない。
すべて 2023 2022
すべて 雑誌論文 (5件) (うち査読あり 4件、 オープンアクセス 3件) 学会発表 (2件)
Journal of Endovascular Resuscitation and Trauma Management
巻: 6 ページ: 121-126
10.26676/jevtm.264
Medicine
巻: 101 ページ: e31657～e31657
10.1097/MD.0000000000031657
Critical Care
巻: 26 ページ: 145
10.1186/s13054-022-04020-1
Journal of Critical Care
巻: 69 ページ: 154015～154015
10.1016/j.jcrc.2022.154015
救急医学
巻: 46 ページ: 362-369
