A fundamental research on curation and verification methods of learning data to promote AI-CAD development

点击翻译按钮获取中文摘要

人間が行う「知的判断」を、コンピュータが行うAI技術が注目を集めて久しい。特に、自律的に学習・判断を行う「深層学習型AI」は、画像判定について飛躍的な発展を遂げている。その反面、AIによる判定プロセスは「ブラックボックス」とされ、AIの基礎知見について体系的に研究・検証されないまま、AI実装システムの製品化が先行している。こうした実用先行型開発は、間違った判定によるシステムエラーに対し脆弱である。このリスクを避けるためにはAI判定プロセスを理解する基盤的研究が不可欠であると考えている。本基礎研究では①医用画像など医療情報の収集・選別・調整等を行う学習データキュレーションの研究、②AI-CADについて客観的かつ効率的に実施可能な性能適正検証法の研究、③AI-CAD開発技術者との共同研究を仲介しつつ、医療側の立場からAI-CAD開発を支援できる医療系AIジェネラリスト従事者の育成、を推進する。初年度には①学習データキュレーション研究として、我々は、学習データに潜在する不整合データを取り除く方法として、最大98%の不整合データ除去するREDAKTO（リダクト）法を考案した。②AI-CAD性能の適正な検証法研究として、我々は、10分割交差検定法に統計学的手法を取り入れ、時間コストを低減しつつ検証精度を担保するG-Epoc法を考案した。③医療系AIジェネラリストの育成として、①②の研究を若手研究員と共働で解析し、(1) 導入すべき医療領域の優先順位、(2) 資金量や設備、 (3) 開発メンバー構成と役割、(4) 開発手順や導入手法、(5)リスク管理、について理解し、具体的な施策を講ずる過程を経験させた。次年度には①として、不整合データの根本原因である医用画像用の身体部位分類の標準化について研究を推進した。