AI画像診断支援システムの構築～重篤な救急頭部疾患を診断・予測する～

点击翻译按钮获取中文摘要

2022年度はまず、頭部MRIを用いて大脳白質病変を検出する機械学習システムの構築を試みた。オープンデータベースOASIS-3から83名（平均68.94±7.77歳）のFLAIR画像2731枚を取得。Fazekas scaleを用いて大脳白質病変を視覚的評価し、手動で白質病変をラベリング後、訓練データ：テストデータ＝4:1に分割した。Windows10 ProのGPU上（NVIDIA RTX A5000）でSONYのNeural network consoleを用いて、U-Netモデルを構築。機械学習モデルと手動でラベリングした病変との一致率をDice係数を用いて評価した。手動でラベリングした白質病変の体積をFreeSurfer6.0.で測定し、Spearmanの順位相関係数を用いて白質病変の体積とDice係数との相関を調べた。この結果、平均Dice係数は0.687±0.104、大脳白質病変の体積とDice係数は有意な正相関を認めた（r=0.857, p＜0.001）。次に、頭部MRIを用いて血管周囲腔を自動検出する機械学習モデルを構築した。公開データベースHuman Connectome Projectから健常者69名 (平均年齢28.87±4.06歳)のMRIを取得後、FMRIB Software Library (FSL) version6.0.上で血管周囲腔の描出を明瞭にするためT1強調像をT2強調像で除した画像を作成した。次に頭蓋骨、脳幹部、大脳基底核、大脳皮質を除去した大脳白質のみの画像を作成後、手動で血管周囲腔を抽出。教師データを訓練・検証データが4:1になるよう分割し、U-Netモデルを構築後、手動検出と自動検出された血管周囲腔との一致度を表すDice係数を用いて汎化能を評価した。この結果、大脳白質のみの画像のDice係数は平均値0.493±0.042、全脳画像のDice係数は平均値0.385±0.064で、大脳白質のみの画像のDice係数は全脳画像より有意に高かった (p=0.001) 。