共同研究講座

人工知能画像診断学

臨床に役立つ人工知能技術を用いたコンピュータ支援診断システムの臨床展開
  • AIを用いたコンピュータ支援診断(AI-CAD)システム開発のための大規模画像症例データベースの構築
  • 高精度なAI-CADシステムの開発と臨床ワークフローへの導入
  • 少数症例問題対応AI(X-shot learning AI)や説明可能AI(Explainable AI)技術の開発
  • Radiomics/radiogenomics解析などのデータサイエンス的アプローチによる画像診断精度向上

医師の視点に立った実臨床に役立つAIを用いたコンピュータ支援診断(AI-CAD)システムの開発と臨床ワークフローへの導入

ディープラーニング(Deep Learning: DL)は人工知能(Artificial Intelligence: AI)分野における50年来のブレークスルーといわれており、DLを用いたAI利用がさまざまな分野において広がりをみせていますが、医療分野への期待は特に大きなものがあります。
DLは画像認識能力に優れており、2012年にILSVRCと呼ばれる大規模な画像分類コンテストでその驚異的な画像認識能力が注目を集めましたが、その後わずか3年で人間の画像認識能力を上回りました。
このため最近の医用画像に関する学会では医学・工学系を問わずAIがその主要なテーマとなっており、DLは当初の画像分類から,画像検出や画像領域抽出、そして画像生成など、ほぼすべての医用画像工学分野をカバーし、コンピュータによる医師の画像診断の支援を目的としたコンピュータ支援診断(Computer-aided Diagnosis: CAD)の研究開発では、従来のような特徴量設計に基づくアルゴリズム構築から大量データによるモデル構築へというパラダイムシフトがおきています。

このようにAIを用いたCAD(AI-CAD)に対する期待は非常に高いものがありますが、実際の臨床現場で使われるようになるためには克服しなければならない課題が多く存在します。
まず喫緊な課題となっているのは学習用データ不足であり、特に医用画像においては医師による病変部位がラベル付けされた大規模な画像症例データベースが必要となります。
次の課題として乳癌や大腸癌のスクリーニングを目的とした専用のCADは実用化が進んでいますが、実際の臨床現場の画像診断で必要とされる高精度なCADの開発は進んでいないことがあります。
さらに、せっかく開発されたCADが臨床のワークフローに組み込まれていないという問題もあります。

人工知能画像診断学共同研究講座では企業と共同でこのような課題に取り組みます。また、少数症例問題対応AI(X-shot learning AI)や説明可能AI(Explainable AI)技術の開発に取り組み、次世代型AI-CADの実用化を目指します。
さらには非画像情報を画像情報と統合するradiomicsやradiogenomicsなどのデータサイエンス的アプローチによる画像診断精度向上にも取り組む予定です。

 クリックして拡大