徳島大学の研究特集

循環器領域における医療画像を用いた人工知能による自動診断技術の開発

研究期間 2020/4/1 - 2023/3/31
研究課題名 循環器領域における医療画像を用いた人工知能による自動診断技術の開発
カテゴリー 全てのクラスター研究クラスター一覧登録クラスター医学臨床
SDGs 3.保健 9.イノベーション
クラスター長氏名 楠瀬 賢也(大学、病院、講師)
所属する研究者氏名 医用画像情報科学専攻 教授 芳賀昭弘
放射線科学 助教 阿部考志
放射線科学 特任助教 松元 友暉
循環器内科学 教授 佐田政隆
地域循環器内科学 特任教授 山田博胤
放射線科学 教授 原田雅史
研究概要

 診断に必要な制御則をコンピューターが自らtry and errorを繰り返して抽出した特徴を学習することで,最適解を見つけ出すDeep Learningがあらゆる分野での利用が進み始めている.Deep Learningは機械学習の一種であるが,その内部構造や学習手法が高度に洗練されたことにより,従来の機械学習よりも精度の高い結果が得られるようになりつつある.医学領域において,Deep Learningを用いた画像診断能向上に関しては,放射線科領域で使われ始めてきており,自動診断能力の向上に寄与している.循環器領域において,循環器疾患数は増加の一途をたどっているにも関わらず,このような機械学習の研究,特に画像診断における報告は少ない.

循環器領域の医療画像の特徴として
1)「エキスパート」の評価が必要:心エコー図検査はエキスパートの技術が必要なため,検査の補助にAIを用いることで,診断精度の向上に役立つ.
2)「血行動態」の評価が必要:構造物のあるなしだけでなく,その「働き」を解析する必要があり,そのゴールドスタンダートの指標である心カテーテル検査の結果を予測することで,診断・治療に役立つ.
が挙げられる.
 我々は,既に医療画像を用いたこれらのAIモデルについて,論文発表によりその精度を証明してきているが,これらの自動診断モデルを搭載した機器を承認・販売までつなげるノウハウは乏しい.

 そこで本研究クラスターではデザイン型AI教育研究センターと連携し,開発済の診断モデルを実臨床で実装するために,大学外グループとの連携し,自動診断ソフトウェアの開発,社会実装を目的とする.

研究概要図


※画像をクリックするとPDFが開きます。

研究者の役割分担 楠瀬賢也:研究計画・立案・データ収集
芳賀昭弘:プログラミング,解析
阿部孝志:プログラミング,解析
松元 友暉:プログラミング
山田博胤:スーパーバイザー
佐田政隆:スーパーバイザー
原田雅史:スーパーバイザー
ページトップへ