研究課題
過去20年間、眼球内生物学研究として眼内のホメオスタシスについての研究を行ってきた。ただし、その成果の実用化は困難であった。そこで、最終年度は人工知能を用いて、その実用化を図った。我々は脈絡膜血管走行には特定のパターンがあることがOCT-en face画像解析の過程でわかったので、そのパターン認識にmachine learningを用いた。大きな進歩であったが、人工知能の思考過程が不明という問題を克服できなかった。そのため、人間との比較を行った結果、人工知能が迷う点と人間が迷う点が一致することがわかった。つまり人工知能は何も特別な思考経路を経て診断するのではなく、人間と同じような経路を示すことが解明された。この点を考えると、人工知能-画像診断の思考過程における数値は人間の自信を表すことになる。そこで、その視点から人工知能を用いて病変を描出する方法を考案した。従来の方法では、大量のGPUを消費する必要があった。そこで画像のピクセルに内包される数値を人工知能のconfidenceとして画像と重ねることで、人間が診断に迷う所を指摘するという画期的な診断装置を開発することに成功した。このアルゴリズムは国産メーカーの医療機器として商業機に搭載された。さらに、眼球最周辺部の血管観察システムを確立した。眼球周辺の画像を観察すると、周辺画像の歪みが補正できないために不可能であった。その補正に人工知能を導入することで、周辺血管の体積を始めて観察することができた。いずれも、基礎研究を実用化するというだけでなく、産業化に結び付けることができたという点から、画期的な研究であった。
令和5年度が最終年度であるため、記入しない。
すべて 2024 2023
すべて 雑誌論文 (20件) (うち国際共著 3件、 査読あり 20件、 オープンアクセス 20件) 学会発表 (12件) (うち国際学会 11件、 招待講演 3件)
Scientific Reports
巻: 14 ページ: -
10.1038/s41598-024-52627-x
PLOS ONE
巻: 19 ページ: e0297347
10.1371/journal.pone.0297347
Ophthalmology
巻: - ページ: -
10.1016/j.ophtha.2024.01.029
巻: 18 ページ: e0284131
10.1371/journal.pone.0284131
Ophthalmology Science
巻: 3 ページ: 100320～100320
10.1016/j.xops.2023.100320
Ophthalmology Retina
巻: 7 ページ: 375～382
10.1016/j.oret.2023.01.014
Japanese Journal of Ophthalmology
巻: 67 ページ: 346～352
10.1007/s10384-023-00986-9
Graefe's Archive for Clinical and Experimental Ophthalmology
巻: 261 ページ: 1901～1912
10.1007/s00417-023-06004-5
Ophthalmology and Therapy
巻: 12 ページ: 2821～2822
10.1007/s40123-023-00788-9
巻: 18 ページ: e0295123
10.1371/journal.pone.0295123
巻: 13 ページ: -
10.1038/s41598-023-42509-z
American Journal of Ophthalmology
巻: 253 ページ: 86～95
10.1016/j.ajo.2023.04.016
Current Opinion in Ophthalmology
巻: 34 ページ: 396～402
10.1097/ICU.0000000000000980
巻: 34 ページ: 403～413
10.1097/ICU.0000000000000979
巻: 7 ページ: 869～878
10.1016/j.oret.2023.06.002
巻: 7 ページ: 901～909
10.1016/j.oret.2023.06.004
巻: 12 ページ: 2005～2021
10.1007/s40123-023-00715-y
巻: 256 ページ: 164～174
10.1016/j.ajo.2023.05.022
BMJ Open Ophthalmology
巻: 8 ページ: e001456
10.1136/bmjophth-2023-001456
Eye
巻: 38 ページ: 1112～1117
10.1038/s41433-023-02827-y
