【研究領域課題番号】20K16772 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / 腎癌 / AI / 説明可能 / 画像診断 / 腎腫瘤

【研究成果の概要】

2005年から2021年までの慶應義塾大学病院の病理診断の確定した腎癌304例およびJ-MIDデータベースから抽出した410例のCT画像の画像のresion of interestの設定、腫瘍部分のsegmentationを完了した。さらに、慶應義塾大学病院の腎癌症例の内、ダイナミックCTの4相全てが撮影されている200例については、詳細な画像所見（造影前腫瘍濃度、早期濃染の程度、早期濃染の不均一さ、wash-outの程度、嚢胞成分の程度、壊死の程度をそれぞれ9段階評価）のアノテーションを付与し、説明可能AI開発のための教師データとして利用した。
作成した教師データを利用し、multi class学習を実施し、腎癌のサブタイプ分類を実施した。追加の学習データを付与しmulti class学習を実施したモデルを用いた場合、説明性（画像の詳細な所見）の出力が可能になったものの、腎癌のサブクラス分類のみを行う深層学習モデルに比べて精度がやや劣る結果となった。
腎癌位置およびサイズの推定を行う前処理を追加し、さらにImageNet画像でトレーニングしたモデルの転移学習を行い、精度はやや改善した。しかしながらモデルが2D画像を対象としたものであり、モデルを3D化することにより更に精度の改善が行えると考えた。このため、病理で腎癌と確定していないダイナミックCT画像を用いて3Dのモデルの事前学習を実施し、fine tuningを行うことを目的に、慶應義塾大学病院のPACSから病理で腎癌と確定していないダイナミックCT画像を1300件抽出した。

【研究種目】若手研究

【研究期間】2020-04-01 - 2023-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究領域課題番号】20H03738 (KAKENデータベースで見る）

【研究キーワード】

乳癌 / 画像診断 / 深層学習 / 人工知能

【研究成果の概要】

2021年度は、2020年度までに実施した研究の規模を広げた。乳癌症例をこれまで500症例であった症例を1000例へと増やし、正常・良性石灰化・良性腫瘍・悪性腫瘍を分類するAIモデルの学習を行った。左右差を比較するアルゴリズムを組み込んだAIモデルを構築し、以前よりも精度の向上が得られている。読影医師が行っている乳腺左右比較をモデルに組み込んだAIの開発は、医師の読影の過程を取り込んだ説明可能AIによる画像診断の一端を担う技術である。
また、施設間のAI精度によるドメインシフトの問題について検討するために、まずは自施設データのデータの疾患割合を調整したうえで、それがAI診断の精度にかかわるのかを検証した。予想と同様に、疾患割合の低い画像データを用いたAIによる学習では、診断の精度は十分に上がらず、今後学習モデルの作成にむけて有病率を加味したデータセットの構築を工夫する必要がある。
学習に必要なデータ選定フローの確立・腫瘍データの取り出し・AI学習に必要な画像の事前処理を行うとともに、今後研究で必要となるモデルについて周辺技術のサーベイと我々の研究への応用の方向性について議論を深めた。
また2021年度はこれまで扱ってきた聖路加国際病院の画像データに加えて、東北大学病院の画像データの取り出しと、事前画像処理を行い来年度にむけての準備を行った。聖路加国際病院のデータはトモシンセシスのみであったが、東北大学病院では、トモシンセシスに加えてマンモグラフィーを扱う。

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2024-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究領域課題番号】20H03931 (KAKENデータベースで見る）

【研究キーワード】

インジウム肺 / 画像診断 / 毒性学 / 高分解能CT (HRCT) / 人工知能(AI) / コホート / 動物実験 / インジウム / 職業性肺疾患 / 病態 / 人口知能 (AI)

【研究成果の概要】

インジウム肺についての中野らが追跡しているインジウム暴露者集団の中でCTが撮られている症例について、CTを供覧して読影を実施し、国際じん肺HRCT分類に準拠して所見を確認した。特徴的なCT所見を見出した。この内容については、インジウムの曝露量に関連する血中インジウム濃度に用量依存的に関連していると考えられた。これまでのインジウム肺が肺胞蛋白症であるという米国の研究者の説に対して、より深い洞察が与えられる結果と考えている。

これらの内容に直接的に触れた学会発表、論文発表はないが、職業性肺疾患の画像診断に関する研究成果を２編、自己免疫性の肺胞蛋白症に関する報告を１編行なっており、インジウム肺との対比が明らかになりつつある。また、インジウム肺を含めた総説的な内容をインドネシア呼吸器学会において招待講演を行った。

一方、動物実験においては、インジウムの曝露チャンバーはないものの、気管内投与、鼻腔投与を検討し、着実に実験を進めている。臨床の病態を表す動物実験結果はまだ、明確には捉えられていないが、ClinicopathologicのSurrogateという形ではあるが、形態学と病態学をつなぐ形でインジウム肺の全体像を捉えるべく研究を進めている。インジウム曝露により全身的な消耗性の影響が出ていることが確認でき、さらに肺に肉眼的にも確認可能な所見が出現していることを確認した。こうした所見の分析に先進的な測定機器を使える可能性についても学内の海洋コア総合研究センターの研究者と意見交換を行った。

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)

【研究分野】医用システム

【研究領域課題番号】17K17661 (KAKENデータベースで見る）

【研究キーワード】

コンピュータ支援検出 / 脳動脈瘤 / MR血管撮影 / 人工知能 / コンピュータ支援診断 / 放射線医学 / 画像診断

【研究成果の概要】

コンピュータ支援検出(CAD)は医用画像をコンピュータで処理してその結果を人間に提示し、人間による画像診断を補助する技術である。しかしCADが正しい病変を提示しても、それを利用して読影を行う放射線科医の意見が変わらないということが観察されていた。本研究では、ボリュームレンダリング(VR)を用いて脳動脈瘤CADの病変提示を行うことで放射線科医の見逃しをより多く防止することができるという仮説を立て、それを読影実験により検証した。

【研究の社会的意義】

日本では放射線科医が不足している一方で、画像診断の技術は急速に向上し、検査数も急速に増大している。人工知能の技術を用いて医用画像を処理することでより正確かつ迅速な画像診断を実現することができる。しかし人工知能自体の研究と比して、それが出力する結果を人間がどのように活用すべきかについては知見が不足している。本研究により放射線科医がより効率的にCAD技術を利用でき、正確な診断へ寄与することが期待される。

【研究種目】若手研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】1,690千円 (直接経費: 1,300千円、間接経費: 390千円)