Submit Search
Upload
第22回医療情報学会春季学術大会発表資料
•
0 likes
•
80 views
NPO法人メディカル指南車
Follow
画像診断知識ベースと症例データベースを利用した 画像診断シミュレーター応用編の開発
Read less
Read more
Health & Medicine
Report
Share
Report
Share
1 of 17
Download now
Download to read offline
Recommended
細胞画像認識を利用した薬効分析支援
細胞画像認識を利用した薬効分析支援
Makoto Ishibashi
時間ごとに撮影された大量の細胞画像からそれぞれの細胞を検出・追跡し、細胞 の形や模様、動き方をビッグデータとして捉え、分析するソフトウェアです。この分析により、新薬の候補を絞り込んだり、副作用を事前に見つけ出すことが 可能になります。また、薬を飲む前に採血検査することで、患者さんに合った副作用の少ない薬を選ぶことができます。細胞を生かしたまま検査可能なので、iPS細胞などへの活用も期待できます。
医療データ解析界隈から見たICLR2017
医療データ解析界隈から見たICLR2017
RIKEN, Medical Sciences Innovation Hub Program (MIH)
2017/6/17に行われたDeNA主催のICLR2017読み会でお話させて頂きました。 https://connpass.com/event/57631/?utm_campaign=event_reminder&utm_source=notifications&utm_medium=email&utm_content=detail_btn
失敗しない研究計画入門
失敗しない研究計画入門
Yasuyuki Okumura
20170212やっつけ仕事にしない「研究」ポートフォリオ 進行スライド1218
20170212やっつけ仕事にしない「研究」ポートフォリオ 進行スライド1218
SR WS
第12回 若手医師のための家庭医療学冬期セミナーでの進行スライドです
20161106予測指標の作り方当日1031 配布版
20161106予測指標の作り方当日1031 配布版
SR WS
当日の進行スライド+プログラムのURLになります。 slideshareにログインするとダウンロードできます。
データベース研究の報告
データベース研究の報告
Yasuyuki Okumura
臨床疫学研究における報告の質向上のための統計学の研究会 第32回研究集会 2018/10/13 (土) 13:30~17:55 お茶の水医学会館 9階大会議室
冬期セミナーWS19簡単にアクセスできる臨床研究リソース
冬期セミナーWS19簡単にアクセスできる臨床研究リソース
SR WS
比較手に簡単にアクセスできる臨床研究のリソースリストです。
バリデーション研究の計画・報告・活用
バリデーション研究の計画・報告・活用
Yasuyuki Okumura
臨床疫学研究における報告の質向上のための統計学の研究会 第35回研究集会 2019/9/7 (⼟) 13:10~13:15 東京医科⻭科⼤学
Recommended
細胞画像認識を利用した薬効分析支援
細胞画像認識を利用した薬効分析支援
Makoto Ishibashi
時間ごとに撮影された大量の細胞画像からそれぞれの細胞を検出・追跡し、細胞 の形や模様、動き方をビッグデータとして捉え、分析するソフトウェアです。この分析により、新薬の候補を絞り込んだり、副作用を事前に見つけ出すことが 可能になります。また、薬を飲む前に採血検査することで、患者さんに合った副作用の少ない薬を選ぶことができます。細胞を生かしたまま検査可能なので、iPS細胞などへの活用も期待できます。
医療データ解析界隈から見たICLR2017
医療データ解析界隈から見たICLR2017
RIKEN, Medical Sciences Innovation Hub Program (MIH)
2017/6/17に行われたDeNA主催のICLR2017読み会でお話させて頂きました。 https://connpass.com/event/57631/?utm_campaign=event_reminder&utm_source=notifications&utm_medium=email&utm_content=detail_btn
失敗しない研究計画入門
失敗しない研究計画入門
Yasuyuki Okumura
20170212やっつけ仕事にしない「研究」ポートフォリオ 進行スライド1218
20170212やっつけ仕事にしない「研究」ポートフォリオ 進行スライド1218
SR WS
第12回 若手医師のための家庭医療学冬期セミナーでの進行スライドです
20161106予測指標の作り方当日1031 配布版
20161106予測指標の作り方当日1031 配布版
SR WS
当日の進行スライド+プログラムのURLになります。 slideshareにログインするとダウンロードできます。
データベース研究の報告
データベース研究の報告
Yasuyuki Okumura
臨床疫学研究における報告の質向上のための統計学の研究会 第32回研究集会 2018/10/13 (土) 13:30~17:55 お茶の水医学会館 9階大会議室
冬期セミナーWS19簡単にアクセスできる臨床研究リソース
冬期セミナーWS19簡単にアクセスできる臨床研究リソース
SR WS
比較手に簡単にアクセスできる臨床研究のリソースリストです。
バリデーション研究の計画・報告・活用
バリデーション研究の計画・報告・活用
Yasuyuki Okumura
臨床疫学研究における報告の質向上のための統計学の研究会 第35回研究集会 2019/9/7 (⼟) 13:10~13:15 東京医科⻭科⼤学
探求の道 Lead Clearly
探求の道 Lead Clearly
Yutaka KATAYAMA
第65回近畿支部学術大会 シンポジウム 1
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
Deep Learning Lab(ディープラーニング・ラボ)
2021/2/20 DLLAB Healthcare Day 2021 ~医療 x AI への参入障壁を乗り越える~ 名古屋大学 / クアドリティクス株式会社 大学院工学研究科物質プロセス工学専攻 准教授 藤原幸一氏
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
NPO法人メディカル指南車
プレゼン資料
病院で働く技師による深層学習を用いた研究
病院で働く技師による深層学習を用いた研究
Yutaka KATAYAMA
第76回 日本放射線技術学会総会学術大会 シンポジウム 2
Public health research center 20150820
Public health research center 20150820
Kazuki Kasama
Fair academic articles and plagiarism
研究倫理と不正
研究倫理と不正
Soichi Tokizane
研究倫理と不正に関して、歴史上の捏造に始まり、多くの事例に基づき、コピペ、捏造、データの改変や使い回し、などを紹介、研究不正をなくすための手段についても議論
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
Naoji Taniguchi
ヘルスケア領域でのDeep Learnigの動向 5/28のDeep Learning Lab ヘルスケア分科会用の資料です。
発表スライド
発表スライド
Akira Tamamori
学習アルゴリズムとか難しい話は色々と省略。詳細な実験条件とかも。
リスク可視化の基本的方法
リスク可視化の基本的方法
Takayuki Itoh
第1回日本医療安全学会学術総会での講演資料
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
カリス 東大AI博士
レクチャー動画 → https://youtu.be/rTQLknPvnqs Medical Imagingの概要・最先端・特有の難しさと解決策・俺の取り組み 医療AIで人命を救い、みんな健康かつ笑顔で暮らせる社会を実現したい 2019/3/17「5年後の臨床現場にフィットする医療AI創り」に向けたWorkshopとして、『Medical Imagingが切り開く医療の未来――臨床現場にフィットするAIを創るには?』を開催した! これは、 ・AI専門家(Medical Imaging)2人 ・医師2人 ・医療と情報学にまたがるジェネラリスト3人 という普段接点の少ないAI側と医療側の専門家が集まり、それぞれ共通・相違する流儀を共有し、本質的なギャップ及びその解決策について考えるという、医療の未来を描くためのもの この講義は、そこでの俺の発表 俺の論⽂ → https://arxiv.org/abs/1902.09856 【関連Medical Imaging動画】 AIは医師を代替するのか? 東大の医療AI研究者に訊く! → https://youtu.be/2yI4W43zG3w 俺自身の医療AI研究については、下の研究者ページを参照してね〜 Twitter → http://twitter.com/TricksterKallis 研究者ページ → http://changheehan.strikingly.com ご依頼 → Trickster.Kallis@gmail.com ご質問 → 「#カリスナー」でTwitter投稿 or 週一ペースのYouTube Liveでコメント。Live日程はTwitterに 引用画像 1. MRIの図 http://www.dspc2007.com/limbic.html 2. AIの図 http://stepfirst.co/ja/why-hr-should-get-ready-for-ai 3. Medical Imagingの図 https://shikiho.jp/news/0/205780 4. Sectional Planesの図 https://www.quora.com/What-is-the-parasagittal-part-of-the-brain 5. Deep Learningの図 https://leapmind.io/blog/2017/06/16/ディープラーニング(deep-learning)とは?【⼊⾨編】
Sprint 15
Sprint 15
yukimu
論文紹介
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
HealthcareBitStation
(公社)医業経営コンサルタント協会 近畿地区協議会・サイバーセキュリティ演習研究会の2018年度実績報告資料です。 日時:2019.08.28.(水)13:00~15:00 、場所:ホテル阪急インターナショナル
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
奈良先端大 情報科学研究科
医用画像からのセグメンテーションは、定量的な診断や患者個別のシミュレーションのため重要である。医用画像は、その撮像モダリティにより異なる特徴をもつ。CTは骨の構造を明瞭に撮影することができるのに対して、MRは軟組織の構造を明瞭に撮影することができる。このような違いはセグメンテーションにおいても考慮する必要がある。そこで本研究では、CycleGANを用いてMRIから同患者同姿勢のCT画像を生成することにより、セグメンテーションに活用する手法を提案した。
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
KazunariHemmi
第21回情報科学技術フォーラム(FIT2022)で発表しました.
Jsme 2014 wakayama
Jsme 2014 wakayama
Takanori Hiroe
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
Itaru Kaneko
医療情報のビッグデータが今後拡大し分析手法も飛躍的に進歩する場合、それがどんな効果を及ぼすかについての考察。
VIS-ImagingCoreLabServices
VIS-ImagingCoreLabServices
Tatsuaki Kobayashi
Visionary Imaging Servicesのコアラボサービス紹介資料です。
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
Isamu Kajitani
第16回医療福祉技術シンポジウムプレゼン資料
研究活動を通じた科研費取得の 1 モデル
研究活動を通じた科研費取得の 1 モデル
Yutaka KATAYAMA
2019 年度国公私立大学病院医療技術関係職員研修 (20191008)
190602 benchmarking neural network robustness to common corruptions and pertu...
190602 benchmarking neural network robustness to common corruptions and pertu...
亮宏 藤井
ICLR 2019 読み会 in 京都で登壇する時の資料
More Related Content
Similar to 第22回医療情報学会春季学術大会発表資料
探求の道 Lead Clearly
探求の道 Lead Clearly
Yutaka KATAYAMA
第65回近畿支部学術大会 シンポジウム 1
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
Deep Learning Lab(ディープラーニング・ラボ)
2021/2/20 DLLAB Healthcare Day 2021 ~医療 x AI への参入障壁を乗り越える~ 名古屋大学 / クアドリティクス株式会社 大学院工学研究科物質プロセス工学専攻 准教授 藤原幸一氏
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
NPO法人メディカル指南車
プレゼン資料
病院で働く技師による深層学習を用いた研究
病院で働く技師による深層学習を用いた研究
Yutaka KATAYAMA
第76回 日本放射線技術学会総会学術大会 シンポジウム 2
Public health research center 20150820
Public health research center 20150820
Kazuki Kasama
Fair academic articles and plagiarism
研究倫理と不正
研究倫理と不正
Soichi Tokizane
研究倫理と不正に関して、歴史上の捏造に始まり、多くの事例に基づき、コピペ、捏造、データの改変や使い回し、などを紹介、研究不正をなくすための手段についても議論
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
Naoji Taniguchi
ヘルスケア領域でのDeep Learnigの動向 5/28のDeep Learning Lab ヘルスケア分科会用の資料です。
発表スライド
発表スライド
Akira Tamamori
学習アルゴリズムとか難しい話は色々と省略。詳細な実験条件とかも。
リスク可視化の基本的方法
リスク可視化の基本的方法
Takayuki Itoh
第1回日本医療安全学会学術総会での講演資料
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
カリス 東大AI博士
レクチャー動画 → https://youtu.be/rTQLknPvnqs Medical Imagingの概要・最先端・特有の難しさと解決策・俺の取り組み 医療AIで人命を救い、みんな健康かつ笑顔で暮らせる社会を実現したい 2019/3/17「5年後の臨床現場にフィットする医療AI創り」に向けたWorkshopとして、『Medical Imagingが切り開く医療の未来――臨床現場にフィットするAIを創るには?』を開催した! これは、 ・AI専門家(Medical Imaging)2人 ・医師2人 ・医療と情報学にまたがるジェネラリスト3人 という普段接点の少ないAI側と医療側の専門家が集まり、それぞれ共通・相違する流儀を共有し、本質的なギャップ及びその解決策について考えるという、医療の未来を描くためのもの この講義は、そこでの俺の発表 俺の論⽂ → https://arxiv.org/abs/1902.09856 【関連Medical Imaging動画】 AIは医師を代替するのか? 東大の医療AI研究者に訊く! → https://youtu.be/2yI4W43zG3w 俺自身の医療AI研究については、下の研究者ページを参照してね〜 Twitter → http://twitter.com/TricksterKallis 研究者ページ → http://changheehan.strikingly.com ご依頼 → Trickster.Kallis@gmail.com ご質問 → 「#カリスナー」でTwitter投稿 or 週一ペースのYouTube Liveでコメント。Live日程はTwitterに 引用画像 1. MRIの図 http://www.dspc2007.com/limbic.html 2. AIの図 http://stepfirst.co/ja/why-hr-should-get-ready-for-ai 3. Medical Imagingの図 https://shikiho.jp/news/0/205780 4. Sectional Planesの図 https://www.quora.com/What-is-the-parasagittal-part-of-the-brain 5. Deep Learningの図 https://leapmind.io/blog/2017/06/16/ディープラーニング(deep-learning)とは?【⼊⾨編】
Sprint 15
Sprint 15
yukimu
論文紹介
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
HealthcareBitStation
(公社)医業経営コンサルタント協会 近畿地区協議会・サイバーセキュリティ演習研究会の2018年度実績報告資料です。 日時:2019.08.28.(水)13:00~15:00 、場所:ホテル阪急インターナショナル
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
奈良先端大 情報科学研究科
医用画像からのセグメンテーションは、定量的な診断や患者個別のシミュレーションのため重要である。医用画像は、その撮像モダリティにより異なる特徴をもつ。CTは骨の構造を明瞭に撮影することができるのに対して、MRは軟組織の構造を明瞭に撮影することができる。このような違いはセグメンテーションにおいても考慮する必要がある。そこで本研究では、CycleGANを用いてMRIから同患者同姿勢のCT画像を生成することにより、セグメンテーションに活用する手法を提案した。
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
KazunariHemmi
第21回情報科学技術フォーラム(FIT2022)で発表しました.
Jsme 2014 wakayama
Jsme 2014 wakayama
Takanori Hiroe
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
Itaru Kaneko
医療情報のビッグデータが今後拡大し分析手法も飛躍的に進歩する場合、それがどんな効果を及ぼすかについての考察。
VIS-ImagingCoreLabServices
VIS-ImagingCoreLabServices
Tatsuaki Kobayashi
Visionary Imaging Servicesのコアラボサービス紹介資料です。
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
Isamu Kajitani
第16回医療福祉技術シンポジウムプレゼン資料
研究活動を通じた科研費取得の 1 モデル
研究活動を通じた科研費取得の 1 モデル
Yutaka KATAYAMA
2019 年度国公私立大学病院医療技術関係職員研修 (20191008)
190602 benchmarking neural network robustness to common corruptions and pertu...
190602 benchmarking neural network robustness to common corruptions and pertu...
亮宏 藤井
ICLR 2019 読み会 in 京都で登壇する時の資料
Similar to 第22回医療情報学会春季学術大会発表資料
(20)
探求の道 Lead Clearly
探求の道 Lead Clearly
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
デジタル医療イニシアティブ×Xport『 ビジネスミートアップ』
病院で働く技師による深層学習を用いた研究
病院で働く技師による深層学習を用いた研究
Public health research center 20150820
Public health research center 20150820
研究倫理と不正
研究倫理と不正
ヘルスケア領域でのDeep Learnigの動向
ヘルスケア領域でのDeep Learnigの動向
発表スライド
発表スライド
リスク可視化の基本的方法
リスク可視化の基本的方法
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
【伝授男子】AIで人命を救うMedical Imagingとは Medical Imagingが切り開く医療の未来
Sprint 15
Sprint 15
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
(実績報告版)病院管理職向けサイバーセキュリティ机上演習シナリオの開発
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
MetaFormerを用いた胎児心拍数陣痛図によるハイリスク出産の予測
Jsme 2014 wakayama
Jsme 2014 wakayama
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
医療情報ビッグデータ分析におけるシャーロックリスクの考察とその形式化
VIS-ImagingCoreLabServices
VIS-ImagingCoreLabServices
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
研究活動を通じた科研費取得の 1 モデル
研究活動を通じた科研費取得の 1 モデル
190602 benchmarking neural network robustness to common corruptions and pertu...
190602 benchmarking neural network robustness to common corruptions and pertu...
第22回医療情報学会春季学術大会発表資料
1.
画像診断知識ベースと症例データベースを利用した 画像診断シミュレーター応用編の開発 笹井 浩介*1 打田
佐和子*2 仲野 俊成*3 *1特定非営利活動法人 メディカル指南車 *2大阪市立大学大学院医学系研究科 肝胆膵病態内科学 *3関西医科大学 大学情報センター 1
2.
2 第22回日本医療情報学会春季学術大会 COI開示 演題名 : 画像診断知識ベースと症例データベースを利用した 画像診断シミュレーター応用編の開発 筆頭演者名
: 笹井浩介 私が発表する今回の演題については開示すべきCOIはありません。
3.
1. はじめに 3 近年、医療現場では検査画像が十分に検討されていないという問題が 表面化し、死亡例も生じている。 ◆画像診断を行う体制やシステ ムが十分に整備されていない ◆医師・技師が多忙で、部下・ 後輩の指導時間がとれない ◆画像診断を行う専門医が不足 している(専門医が常駐して いるのは大病院のみというの が実態) 2016年09月 名古屋大学医学部付属病院 肺がん50代男性
死亡 2016年12月 肺がん80代女性 死亡 2017年02月 毎日新聞 東京慈恵会医大病院 肺がん70代男性 死亡 ↓ 2017年03月 市民団体「患者の視点で医療 安全を考える連絡協議会」遺 族ら国に再発防止を要請 画像放置による医療事故 医療現場での問題 (氷山の一角ですが) なぜこのような問題が生じる のでしょうか?
4.
4 専門医の育成には膨大な時間とお金がかかる ◆放射線科専門医、超音波専門医などの専門医の育成 医師免許取得後約10年の月日が必要。 ・指導医のもとでの臨床研修と臨床経験 ・論文発表 ・試験合格 ◆専門医不足への対応が必要! 厚労省によるチーム医療の推進 (医政発0430第1号 各都道府県知事宛) →30代半ばでやっと一人前 しかし、チーム医療を推進しても、10年の月日が必要な専門医の レベルにすべての医療従事者が容易に到達できるわけではない。 →知識情報処理による支援が必要! その要因として その間に したがって そこで
5.
2.1 画像診断知識ベース そこで我々は、画像診断の知識をコンピュータに付与するために、大 学病院に保有されている数千、数万の症例を分析し、専門医の監修の もと以下の手順で知識ベースを構築した。 Fig.1 部位/モダリティー/カテゴリー それぞれの部位/モダリティーごとに 画像診断を行う順序(手順)をカテゴ リーとして関連付ける。 Fig.2
要素(語彙)間の関係 それぞれのカテゴリーにおいて、画像 診断に必要な「撮影条件」「基本部位」 「基本所見」「追加所見」「診断」などの 要素(語彙)とそれらの組合せ、組合せ 強度を分析し、数値的に関連付ける。 5 一定の濃度の部位を順に目視
6.
Fig.3 詳細要素 それぞれの要素(語彙)に 接頭語や接尾語を詳細要素 として関連付ける。 Fig.4 クラス それぞれの要素(語彙)を 上位概念でクラス分けする。 6
7.
7Fig.5 腹部超音波画像診断知識ベースの概念 このようにして各要素をネットワーク状に関連付けた知識ベースを開発
8.
8 このように関連付けを行ったデータベースを構築することにより、 大学病院に保有されている膨大な症例の知識と経験をコンピュータ に付与することができる。 (それぞれの部位/モダリティーごとに数千~数万通りの画像診断に 関する知識をコンピュータに付与できる。)
9.
9 2.1 症例データベース 大阪大学 医学部附属病院 大阪市立大学 医学部附属病院 関西医科大学/ 大阪市立大学 医学部附属病院 2018.6.1現在 順次追加中 大学病院の有用性の高い症例を抽出し、知識ベースとの相互関係を定義 すること*1 により、症例をコンピュータに理解させることが可能! 胸部X線 約500症例 腹部超音波 約200症例 上部消化管内視鏡 約150症例 *1:知識ベースのどの 組合せに該当する症例 であるかを定義すること
10.
10 2.2/2.3 応用システム(画像診断ナビゲーター/画像診断シミュレーター) ・過去のエビデンスに基づく診断ナビゲーション ・学習効果の高い画像症例の提供 ・模範的な診療録の作成 ・所見の解説や患者への説明方法の提示 ・解答すべき選択肢を絞り込み,初学者でも 無理なく始められる基礎編 ・構造化された診療録を参照して,問題解答 画面を自動的に生成し,答え合わせを行う 応用編 知識ベースと症例データベースの連動により診療フロ―に沿った情報を提供 診断フローに沿って知識を提供する 画像診断ナビゲーター 画像診断スキルを客観的に判断する 画像診断シミュレーター
11.
コンピュータ(AI) 画像の特徴量/関数 (人間には理解不能) 実用可能な判断は限られる。 ・胸部CTにおける結節影(肺癌) ・乳腺の石灰化(乳癌) ・大腸ポリープ(大腸癌) コンピュータ(AI) 画像診断知識ベース 専門医の知識・経験 医師・技師 思考 知識 視覚 従来の人工知能(AI) 本発表における 知識情報処理 応用範囲が極めて広く、様々なシーンで医療従事 者の思考や判断に対して経験の蓄積ができる。 ・初期診断を含めて厳密な知識表現 ・教育用途 判断 支援 = 判断 人間に理解可能 正しい判断に導く この方法は 11 コンピュータが 3 結果と考察
(我々の成果を従来の人工知能(AI)と比べてみると) 癌の確定診断向き 初期診断に応用可能
12.
12 基本部位 基本所見 追加所見
診断 膵 に、 膵 膵管の拡張 SOL 内部低エコー 腫瘤形成性膵炎 に、 を認める。 、 を認める。 を疑う。 画像診断シミュレーター応用編 (これまでの問題点) 胸部X線 腹部超音波 基本部位 基本所見 診断撮影条件 Fig.6 「基本部位」「基本所見」「追加所見」の関係が正確に表現できない例
13.
13 答え合わせ 自然文で表現された診療録の構造を判断して,「基本所見」「追加所見」「診断」を 穴埋め式で出題するようにした. Fig.7 今回新たに開発した画像診断シミュレーター応用編問題解答画面
14.
14 評価結果(胸部X線) 対象者: 群馬県立県民健康科学大学 診療放射線学部の学生10名 方
法: 限局性所見である結節影/腫瘤影と,びまん性所見であるスリガラス影 が含まれる30症例について,画像診断シミュレーター応用編を用いて所 見が存在すると思われる「基本部位」を解答する方式でテストを実施. テスト後1週間,画像診断ナビゲーターを使用してA、Bの2グループに 分けて,Aでは結節影/腫瘤影の学習,Bではスリガラス影の学習を実施 後,再度テストを行い正解率の差を検討 その後,各グループで異なる陰影の学習を1週間行い,3度目のテスト を実施 結 果:・2週間の学習により,平均正解率が34.5%から72.7%に上昇した. ・未学習時の正答率は結節影/腫瘤影が40%、スリガラス影が23%であ り,結節影/腫瘤影よりスリガラス影のほうが困難であることが判明 ・2週間の学習後は,両方の陰影とも70%程度の正答率となり,スリガラ ス影で特に学習効果が顕著であった.
15.
15 今後、大阪市立大学医学部にて研修医対象に腹部超音波における効果確認を 実施予定 対象者: 金沢大学 放射線技術科学専攻の学生5名 方
法: 画像診断ナビゲーター基礎編で「基本部位」を問う問題を30問実施. その後1週間で画像診断ナビゲーターと画像診断シミュレーター応用編 を用いて各自90分間の学習を行い,その後1回目と同様の方法で2回 目のテストを実施し,さらにその後1週間で同様の学習を行い3回目の テストを実施した. テストは難易度の低い症例から高い症例まで問題数を決めて実施した. ( レベル1:4問,レベル2:10問,レベル3:10問,レベル4:3問,レベル5:3問) 結 果: Fig.8 実験対象者ごとの正答率(%) Fig.9 問題レベルごとの平均正答率(%)
16.
我々は胸部単純X線,腹部超音波,上部消化管内視鏡におい て「画像診断知識ベース」と「症例データベース」を構築し,それら を利用して画像診断ナビゲーターと画像診断シミュレーターを開 発してきた. 胸部単純X線ではこのシステムが有効に機能して効率的な学 習効果が確認できたが,腹部超音波,上部内視鏡では「基本所 見」「追加所見」の組合せについて正確に出題できないという問題 があった. 今回,腹部超音波や上部消化管内視鏡において,「基本所見」 「追加所見」の組合せを正確に出題することのできる画像診断シ ミュレーター応用編を開発することができた.胸部単純X線同様 の学習効果が期待される. 5. 結語 16
17.
17
Download now