| 研究課題/領域番号 |
21K15924
|
|---|
| 研究機関 | 鳥取大学 |
|---|
研究代表者 |
藤井 政至 鳥取大学, 医学部附属病院, 助教 (40762258)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2023-03-31
|
| キーワード | AIモデル / 内視鏡画像 / 病理組織検査 |
|---|
| 研究実績の概要 |
本研究の目的は、消化器内視鏡検査によって将来の疾病罹患確立を予測し、「病気がある可能性が高い人に、重点的に必要な検査を行い、早期発見・早期治療、発病予防」を行う、新時代の体系的な画像検査の仕組みが実現することである。
鳥取大学医学部附属病院消化器内科に特徴的な光線力学的診断（PDD）に関する研究成果を応用して、「①AIのモデル学習の教師データ作成手順の自動化に関する研究」「②医用画像上の情報に新たな医学的見地を見出すAIシステムの研究」を行い、その成果として、がん罹患リスクを導き出す理論モデルの構築を目標とする。
本研究では、光線力学的診断（PDD）画像を用いたDL学習用教師データ自動生成の概念実証を実施する。PDD画像のAI活用により、内視鏡画像内の病変を検知するアルゴリズムを検討する。これまでの研究成果を元に自動アノテーションシステムを搭載した自動学習型AIモデルに関する研究を計画した。
PDD画像と白色光画像のアノテーション情報が大量に得られた後、ESDを行うことで病理組織学的検査結果を得ることができる。精細な病理組織情報を加えて白色光画像の特徴量と対比させた教師データとしてAIモデルを構築すると、粘膜の領域毎に前がん病変を判定するAIモデルを構築することができる。これによって、発がんリスク評価や、適切な検査頻度の算出をするシステムを構築する。
当該年度の研究成果は、PDD画像と白色光内視鏡画像、それと対比可能な病理組織標本を用意し、病理標本の断片画像と内視鏡画像、そして断片画像と病理所見（病変領域）との対比を可能とするAIモデル作製を行い、プロトタイプを完成させた。
|
| 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
AIモデル作製のための、臨床データ収集に想定以上の時間を要した。AIモデルの構築を繰り返すためにマシンパワーを必要とするが、現状所有のマシンではそれが難しい。現在の半導体不足の情勢のため、新規のDLマシン構築が遅れた。
|
| 今後の研究の推進方策 |
DLマシン構築により、効率的なAIモデル構築が可能な体制を確保する。引き続きAIモデル改善を進めるため、臨床データ集積を続ける。
|
| 次年度使用額が生じた理由 |
社会情勢により、半導体部品の納入が遅れ、導入予定のDLマシン購入が遅れている為。決済金額が0であるのは、外注プログラムへの支払処理が翌年度に持ち越しとなったため。
|
