| 研究課題/領域番号 |
20K20322
|
|---|
| 補助金の研究課題番号 |
18H05301 (2018-2019)
|
|---|
| 研究種目 |
挑戦的研究(開拓)
|
| 配分区分 | 基金 (2020)
補助金 (2018-2019) |
|---|
| 審査区分 |
超高齢社会研究
|
|---|
| 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) |
2018-06-29 – 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 |
|---|
| 研究成果の概要 |
安全かつ高精度な人工知能（Artificial intelligence: AI）の医療応用を目指し、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た。AIシステムの説明可能性の向上および新規AI手法の開発に成功すると共に、AIによる分類結果の根拠の医学的解析を通して、医療におけるディープラーニング使用時の医学的な理解を促進することができた。さらに臨床データ等と組み合わせるマルチモーダル化につなげることで、その精度および説明能力の向上に成功した。今後さらに幅広い疾患に応用することで、同分野の発展に貢献していく予定である。
|
| 自由記述の分野 |
医療AI
|
| 研究成果の学術的意義や社会的意義 |
・広範囲画像解析技術を用いた説明可能な特徴の自動獲得：複数のディープラーニングを組み合わせた機械学習システムを細胞画像に対して適用し、組織型毎に分類された情報を自動抽出することに成功した。広大な画像から人間が理解できる情報を引き出すことで新たな知識の獲得につながる可能性を示した。
・MRI上のがんに対するAIと医師の着眼点の違いを解析：AIは人間と異なった視点で一部のMRI画像を分類しており、病理所見を反映した複合的な認識がAIの分類精度向上に役立っていることが示唆された。
・マルチモーダル化への発展：臨床データ等を組み合わせたマルチモーダルAIシステムにより精度と説明能力の向上に成功した。
|
