国立大学法人東京大学
株式会社グルーヴノーツ
本文はこちらから

東京大学医学部附属病院と株式会社グルーヴノーツは、「人工知能を用いた医療画像と診療情報の統合による高精度な疾患画像判別モデルの開発」についての論文を1月7日に学術誌「Journal of Gastroenterology and Hepatology」にて発表しますのでご報告いたします。

発表のポイント

◆画像と数値など異なる種類のデータを同時に学習可能な人工知能（AI）の技術を用いて腹部超音波検査画像と診療情報を統合する新しい肝腫瘤の疾患画像判別モデルを開発しました。

◆従来の画像診断モデルは画像のみを学習させますが、画像に診療情報を統合することで、判別モデルの精度を飛躍的に向上させることが可能になりました。

◆画像と診療情報の統合による精度の向上は、超音波における肝腫瘤の判別だけでなく、さまざまな医療分野への応用が可能です。

発表概要

慢性肝炎、肝硬変患者に対する肝癌早期発見のため、最も広く用いられる画像検査は腹部超音波検査です。しかし、発見された腫瘤が治療の必要な悪性の腫瘤か、治療を行う必要のない良性の腫瘤であるかの質的な鑑別には造影剤を使用したCTやMRIなどを用いて血流の状態を診る血行動態的な評価が用いられます。腹部超音波検査で得られる超音波Bモード画像のみによる腫瘤の質的な診断が難しい理由は、通常の超音波検査を用いた画像は血行動態評価に比べて画像の客観的な定量化が困難なためです。

腹部超音波検査画像に客観的な定量化ができるようになれば、腹部超音波検査単独での質的な診断が可能になり、CTやMRI検査による被爆や医療費の削減に繋がる可能性があります。画像の定量化を行う方法として、近年注目されているのが深層学習などの人工知能（AI）技術です。

東京大学医学部附属病院 検査部の佐藤雅哉 講師、小林玉宜 臨床検査技師、矢冨裕 教授、消化器内科の中塚拓馬 助教、建石良介 講師、小池和彦 教授（研究当時）ら、および株式会社グルーヴノーツの田中孝 コンサルタントらのグループは、画像と数値など異なる種類のデータを同時に学習することが可能なマルチモーダル深層学習 の技術を用いて超音波画像に診療情報を統合する新しい肝腫瘤の疾患画像判別モデルを開発しました。これまで、肝腫瘤の診断のために、肝臓の超音波画像にマルチモーダル深層学習によって他の情報を統合させたという報告は、なされていませんでした。本モデルでは、画像のみを用いた従来の人工知能 （AI）モデルに比べて飛躍的に診断能を向上させることが可能となりました。

マルチモーダル深層学習による画像と診療情報の統合は、医療のさまざまな分野にも応用が可能であり、他分野への応用も期待されます。 本研究結果は日本時間の2022年1月7日に学術誌Journal of Gastroenterology and Hepatologyにて発表されます。

本プレスリリースの詳細は、こちらの「MAGELLAN BLOCKS」お知らせからご覧ください。

https://www.magellanic-clouds.com/blocks/2022/01/07/u-tokyo-2/

---

【お問い合わせ先】
株式会社グルーヴノーツ　広報
pr@groovenauts.jp