研究課題/領域番号 |
22K09355
|
研究機関 | 岡山大学 |
研究代表者 |
那須 義久 岡山大学, 大学病院, 助教 (30756101)
|
研究分担者 |
中原 龍一 岡山大学, 大学病院, 助教 (30509477)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
キーワード | 病理AI |
研究実績の概要 |
50サンプルの関節リウマチ滑膜と30サンプルの変形性関節症の滑膜からWSI(Whole slide imaging)取り込み装置で画像データを取得し、独自作成したラベリングシステムで滑膜領域のラベリングを行った。また画像の質にばらつきがあったため、データの質とラベル精度の向上に努めた。 計画ではグラフニューラルネットワークを用いた解析を進める予定であった。しかし2022年から出現した大規模言語モデルによって画像AI研究は大きく変わった。大規模言語モデルは言語だけでなく画像データを扱うことも可能となり(MMLLM:Multimodal Large Language Model)、注目点をプロンプトとして付与することで画像データをグラフのように扱うことも可能となった。そのためグラフニューラルネットワークを用いなくても、MMLLMにグラフ化された注目点をプロンプトとしてあたえることで、類似の性能を得るだけでなく、可視化も可能となり世界的な研究が進んでいる。これらの理由から我々はグラフニューラルネットワークを用いた手法からMMLLMを用いた手法に変更した。 AI画像研究が診断からAIに数値化された数値の利用に変わりIndicaLabsをはじめとした数値化可能な病理AIシステムが欧米で利用されている。我々は病理AIの数値化システムを応用することで関節リウマチと変形性関節症の鑑別につなげることができるかの予備的実験を前年に引き続き行った。しかしこの手法は限界があることが判明し、大規模言語モデル+画像モデルの進展の方が早いことから、大規模言語+画像モデルの手法に集中している。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
以下について概ね計画通り実施できたため.
① データの収集及び継続的なデータ収集システムの構築 ② グラフニューラルネットワーク研究から画像+大規模言語モデル+注目点をグラフ化したプロンプトへの変更 ③ 新しい挑戦として病理AIシステムを利用した数値化を行ったが、この手法には限界があることが分かった
|
今後の研究の推進方策 |
グラフニューラルネットワークを用いた大域的解析は、大規模言語モデル+画像(MMLLM:Multimodal large language model)でグラフプロンプトを用いる手法に変わりつつあるため、MMLLMを用いた手法を発展させる予定である。
|
次年度使用額が生じた理由 |
2022年から画像研究も、大規模言語モデルを利用した画像モデル(MMLLM)の研究に移行しつつある。そのため、全く新しい技術を学習する必要があったため購入を次年度に見送り、また大規模言語モデルを開発している国内コミュニティーとの勉強会の開催にも取り組んでいる。
|