| 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 / 次元圧縮 / 特徴選択 / マルチモーダル化 |
|---|
| 研究実績の概要 |
安全かつ高精度な信頼できる人工知能（Artificial intelligence: AI）の医療応用が求められている。特に近年はchatGPTをはじめとする生成系AIの高精度化により、AI技術への期待が高まると共に、事実とは異なる内容を出力するHallucinationなども問題となっている。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。
現在の医療AIに求められる説明可能性やその信頼性の向上のため、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すると共に、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を向上させる技術開発を行った。新型コロナウイルスの影響で研究活動が一部制限されたが、機械学習アルゴリズムの発展と開発を進めることができた。特に、精度の高い画像自動選択法や新規次元圧縮法の開発を行うと共に、臨床医とその解析過程を詳細に解析することで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、昨年発表した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発展させ、さらに複数の医用画像を同時に解析する説明能力の高いマルチモーダルAIの構築に成功した。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を更に進める有用な成果につなげることができた。
|
