Automated organ segmentation in 3D medical images: Is uncertainty estimation by artificial intelligence useful for improving accuracy?

点击翻译按钮获取中文摘要

人工知能（AI）を応用して臨床に有用な技術開発を目指す多くの研究が試みられ、成功を収めている。しかし、その一方で課題も残っている。課題の一つとして、AI出力の「確からしさ」の評価が挙げられる。近年、学習済みAIのノードの一部をランダムに無効化する手法（Monte Carlo dropout）が、AI出力の「確からしさ」評価に有効であることが示された。本研究では、腹部3次元医用画像を対象にした臓器自動抽出について、AI出力の「確からしさ」の有用性を探っている。これにより、1) AIの示す結果を利用すべきか否かの指標を確立し、2) 教師データ作成の省力化、3) AIシステム精度の効率的な改善を目指している。また、複雑な臓器構造を有する腹部領域での成果は、全身に拡張することが容易と期待される。2022年度研究実施計画では、前年度に引き続いて腹部3次元医用画像（CT・MRI）データを収集することとなっていた。この計画に沿い、画像データを集積して、放射線診断医が腹部臓器の抽出を行い、臓器領域（肝臓・脾臓）の「正解」データを作成した。2023年度も引き続いてデータ整備の実施を計画している。画像データ集積と並行して、Monte Carlo dropoutを組み込んだAIシステム "Bayesian U-Net" を作成した。これにより、腹部3次元医用画像からの臓器自動抽出とその「確からしさ」（あるいは不確実性 "uncertainty"）を出力できるようにした。この"uncertainty"の臨床的有用性について、放射線診断医による評価を行うべく準備を行った。2022年度の研究により、画像データ集積と「確からしさ」評価のための基礎技術が確立され、本研究を継続する上で重要な成果を得た。