研究課題/領域番号 |
20K20322
|
研究機関 | 国立研究開発法人理化学研究所 |
研究代表者 |
山本 陽一朗 国立研究開発法人理化学研究所, 革新知能統合研究センター, チームリーダー (00573247)
|
研究分担者 |
東條 有伸 東京大学, 医科学研究所, 教授 (00211681)
田宮 元 国立研究開発法人理化学研究所, 革新知能統合研究センター, チームリーダー (10317745)
赤塚 純 日本医科大学, 医学部, 講師 (20637863)
岡田 康志 国立研究開発法人理化学研究所, 生命機能科学研究センター, チームリーダー (50272430)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
キーワード | 医療人工知能 / 機械学習 / ブラックボックス / 説明可能性 / 統合解析 |
研究実績の概要 |
本研究では、安全かつ高精度な人工知能(Artificial intelligence: AI)の医療応用を目指している。特に現代AIの特徴であるディープラーニングによる医療データ分類時におけるブラックボックス問題に挑戦し、患者および医療従事者に貢献することが目的である。 ディープラーニングは、精度の高い安定した手法として医療分野において浸透し始めているが、医療AIの更なる発展に向けていくつかの課題も浮かび上がってきている。現在の医療AIに求められる重要な要素として説明可能性やその信頼性があげられる。本研究では医療画像に対するディープラーニングにおける医学的な理解を促進し、医療AIシステムのためのエビデンス構築を目指すと共に、臨床データ等と組み合わせることで、その精度および説明可能性の向上を目指す。 本年度においても新型コロナウイルスの影響でテレワーク主体となったため、研究活動が制限されたが、機械学習アルゴリズムの発展と開発を行うことができた。特に、説明可能性の高い機械学習手法に精度の高い画像自動選択法を取り入れることにより、ブラックボックスに偏りすぎない解析を行った。その結果、低解像度のエコー画像と臨床データを用いて、高解像度の病理画像において同定されていたがんの悪性度を推定する技術を構築することに成功し、論文発表した(Akatsuka et al. Sci. Rep. 12, 860, 2022)。 本手法によりディープラーニングの解析結果について臨床的意義を探求できたと共に、医療のデジタルトランスフォーメーションに有用な研究成果につなげることができた。今後、さらに幅広い疾患に応用する予定である。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
新型コロナウイルスの影響でテレワーク主体となり研究活動が制限されたため遅れが生じ、延長申請を行った。
|
今後の研究の推進方策 |
新型コロナウイルス感染症対策の中で研究を効率良く進める工夫を随時行う。また幅広い検体(固形がんなど)の解析を行うなどの工夫をすることで研究を推進する。
|
次年度使用額が生じた理由 |
新型コロナウイルスの影響による研究活動制限のため。
|