• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 研究成果報告書

子宮頸部腺系病変早期発見のための新しいAI細胞診の確立

研究課題

  • PDF
研究課題/領域番号 20K09635
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56040:産婦人科学関連
研究機関公益財団法人がん研究会

研究代表者

杉山 裕子  公益財団法人がん研究会, 有明病院 細胞診断部, 部長 (80322634)

研究分担者 佐藤 由紀子  公益財団法人がん研究会, 有明病院 病理部, 副医長 (30365712)
芝 清隆  公益財団法人がん研究会, がん研究所 蛋白創製研究部, 部長 (40196415)
研究期間 (年度) 2020-04-01 – 2023-03-31
キーワード子宮頸部腺系病変 / 細胞診 / AI診断
研究成果の概要

本研究の目的は子宮頸部腺系病変早期発見のために、細胞診にて異型腺細胞(AGC)と判定された検体を組織診断結果に基づいて正確に層別化する事である。そのために広視野・高解像度のフルフォーカス合成画像を用いてAIによる深層学習を施行し、新しいAI診断システムの開発を目的とした。
AIによる深層学習の結果、細胞診作製法別の病変(AGC)と非病変(AGCでない)を区別する正解率は、直接塗沫法(従来法):88%, 液状化検体法:SurePath法89%, ThinPrep 法85%であった。以上よりどの作製法でも従来の細胞診の感度80-84%を上回る結果であった。

自由記述の分野

婦人科腫瘍学

研究成果の学術的意義や社会的意義

本研究の結果、AIによる深層学習を利用した正解率は85-89%であり従来の細胞診の感度80-84%を上回ったが十分有意な結果とは言えなかった。その原因として、今回AI学習に用いたフルフォーカス合成画像はZ軸情報を合成した2D画像であったことが推定された。一般的に腺系病変は組織構築の変化が主体となる病変であるためZ軸情報がそのまま温存された立体的(3D)画像で学習した方がより正解率が上昇すると考えられた。以上より精度の高いAI細胞診システム構築のためには、3D画像取得可能な画像解析システムのイノベーションが必要であることが想定された。

URL: 

公開日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi