肺がんの未病状態での検出を目的としたAI診断支援システムの開発

开发人工智能诊断支持系统，旨在检测症状前状态的肺癌

• 批准号: 22K07669
• 负责人: 白石 順二
• 金额: $ 2.66万
• 依托单位: Kumamoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K07669/
• 关键词: 未病; 肺がん検診; 喫煙; 画像データベース; コンピュータ支援診断; 人工知能; 肺がん

本研究では，研究代表者らが3年をかけて完成させた，過去15年間，継続的に蓄積された4万5千例以上の肺がんCT検診の大規模画像データベース（石川DB）から構築した世界初の「肺がんの未病状態の症例の画像データベース（未病DB）」と，これまでに蓄えたコンピュータ診断支援（CAD）の技術開発の経験と知識を生かし，“肺がんの未病状態での検出”を実現するための人工知能（Artificial Intelligence: AI）による診断支援システムの開発を試みている． 本研究では，長期にわたり継続的に検診を受診している被検者のうち，最初のうちは正常と判定されながら，途中で異常所見が発見されたグループについて，異常所見が発見される前の，正常と判定された最後の年の段階を未病と定義した．この従来では正常と判定されたグループに潜む未病の状態を，様々な付帯情報（性別，喫煙歴，年齢など）や，AIを用いたCT像の画像解析結果で明らかにし，肺がんの未病状態での検出を可能とするAI診断支援システムの開発をゴールとする．本研究の1年目である2022年度は，石川DBに含まれる全検査45,337例について，肺野の領域分割を行った．これは，これまでの予備実験の結果から，肋骨や筋肉といった肺野以外の正常組織の存在が正常な肺野の状態をAIに学習させるために障害となることが示唆されていたためで，その障害を排除する目的で，未病の検出とは別のAIを用いて，全検査の肺野の領域分割を自動処理により行った．そして，未病の状態は局所的な変化として察知されるものではなく，肺野全体の正常さに関連した指標として検出されると仮定し，未病と正常のグループ間の違いを肺野全体から得られた数値から総合的に判定するため，抽出した肺野全体のCT値の櫃そグラム解析により，石川DBに含まれる被検者について，非喫煙者と喫煙者の判別が可能かどうかを試みた．

This study was completed in the past 3 years by the representative of the study. In the past 15 years, the research has accumulated more than 45,000 large-scale lung CT diagnosis images (Ishikawa DB) to build the world's first "lung CT diagnosis images (not sick DB)" and to accumulate technical development knowledge of CAD."Detection of lung disease status" is realized through Artificial intelligence (AI) and development of diagnostic support system. In this study, the long-term diagnosis of the patient was carried out, the initial diagnosis was normal, the abnormal observation was detected on the way, the abnormal observation was detected before, the normal diagnosis was determined at the last stage. This is the result of the analysis of CT images using AI, and the possibility of detection of lung non-disease status. In 2022, Ishikawa DB included a total of 45,337 cases, and the division of lung fields was carried out. The results of this preparation are as follows: the presence of normal tissues other than the lung, the status of normal lung, the learning of AI, the elimination of AI, the detection of disease, the use of AI, the automatic processing of lung domain segmentation. In addition, the changes in the status of non-disease and the changes in the detection of the disease, the normal correlation index of the whole lung field, the changes in the status of non-disease and the changes in the status of non-disease, the changes in the Non-smokers and smokers can be distinguished from each other.

项目成果

Volume histogram analysis for Smoker/Non Smoker classification using low-dose chest CT images

使用低剂量胸部 CT 图像进行吸烟者/非吸烟者分类的体积直方图分析

• 发表时间: 2023
• 作者: Parker Amelia L.;Toulabi Leila;Oike Takahiro et al.;Kentaro Iwakawa
• 通讯作者: Kentaro Iwakawa

肺野セグメンテーションを行った低線量胸部CT画像のヒストグラム解析

肺野分割低剂量胸部CT图像的直方图分析

• 发表时间: 2022
• 作者: Parker Amelia L.;Toulabi Leila;Oike Takahiro et al.;Kentaro Iwakawa;岩川拳太朗
• 通讯作者: 岩川拳太朗