Explainable AIを用いた光干渉断層計による診断と病態解析

点击翻译按钮获取中文摘要

本年度はまず、深層学習による光干渉断層計（OCT）の層別化プログラムを作成し、この人工知能（AI）モデルが層境界の検出にどの程度の確信度を有しているかを算出し、確率分布のエントロピーからモデルの”不確かさ”を定量化した。そして、この”不確かさ”が、疾患眼の乱れた網膜層構造では上昇するという仮説を基に、不確かさの定量化から疾患眼と正常眼の分類が可能かどうかを検証した。その結果、OCT B-scan画像をAUC=0.92という確度で分類が可能であることが分かった。また網膜各層の異常の有無についても、高い確度で分類が可能であることも分かった。さらにこの"不確かさ"をMAP化することによって、OCT画像のどの層のどの部位に異常があるかを可視化することが可能であった。このことはAIによる疾患の”診断”ではないが、臨床医が疾患を診断する過程における手助けとなるツールとして活用することができる可能性を示唆している。さらに、AIの思考過程である確率分布を定量化する手法であるため、これまでの研究で行われていた深層学習にそのまま分類問題を解かせる手法とは異なり、思考過程が説明できるという優位点が存在する。AIの思考過程のブラックボックスは以前から問題になっており、これを解決する一つの手法として期待できるものと考えている。これらの結果については学会報告及び論文発表（PLOS ONE, 2023)を行った。